Plataforma Lpr Hikvision On-Premise (Fronteira) + Ia "Batedor Score"

Estamos buscando um desenvolvedor ou equipe para criar uma plataforma web robusta e de alta performance, projetada para operar em um servidor local (on-premise) em uma região de fronteira com alto volume de tráfego. O sistema deve ser capaz de integrar-se com até 100 câmeras LPR (License Plate Recognition) da Hikvision e processar milhares de eventos diariamente.

As funcionalidades principais incluem:

Ingestão de Eventos LPR: O sistema deve ser capaz de ingerir dados de eventos LPR, incluindo placa, data e hora, identificação da câmera, nível de confiança da leitura e sentido do veículo. Além disso, deve salvar fotos e recortes de imagens associados aos eventos, quando disponíveis.
Banco de Dados e Armazenamento Local: Implementação de um banco de dados local com política de retenção configurável de 180 dias para eventos e imagens, com expurgo automático de dados que excedam esse período.
Painel Operacional: Desenvolvimento de um painel intuitivo que ofereça um feed de eventos em tempo quase real, funcionalidade de busca rápida por placa, período e câmera, uma linha do tempo detalhada por placa e a visualização das imagens capturadas.
Gestão de Listas e Alertas: Capacidade de cadastrar e gerenciar diferentes tipos de listas (por exemplo, veículos monitorados, com restrição, ou de interesse). O sistema deve gerar alertas automáticos em caso de correspondência com as listas cadastradas.
Segurança e Auditoria: Implementação de um sistema de gestão de usuários com perfis e permissões personalizáveis. O sistema deve manter logs e trilhas de auditoria detalhadas, registrando quem consultou, visualizou ou exportou dados.

Inteligência Artificial (IA) - Módulo "Batedor Score":
Um módulo de correlação e Machine Learning é obrigatório para identificar padrões suspeitos, como "batedores". Este módulo deve atribuir uma pontuação de risco e fornecer uma explicação baseada em evidências para cada detecção, como comboios recorrentes, veículos abrindo caminho, padrões de looping/varredura ou anomalias em rotas repetidas. A decisão final sobre cada caso deve ser sempre humana, com um sistema de gestão de casos (novo, em análise, confirmado, descartado) e feedback para o modelo de IA.

Confiabilidade e Entrega:
O sistema deve garantir operação 24/7, com alta tolerância a falhas e capacidade de lidar com conectividade instável (utilizando filas, workers e reprocessamento de eventos). A entrega final deve incluir a configuração para Docker Compose e documentação completa de instalação, operação e procedimentos de backup.

Na proposta, solicitamos que sejam detalhados: a stack tecnológica sugerida, a estratégia de performance (incluindo uso de filas, índices e particionamento de dados), a estratégia de armazenamento e retenção de dados por 180 dias, e um cronograma de marcos (milestones) com valores para o mvp, o módulo de ia e o hardening do sistema.