一、 智能交通沙盘模型主要实现功能有：信号灯控制(定时控制、感应控制)、违章抓拍上传(闯红灯抓拍、逆行、占线、)、卡扣抓拍、智能停车场(立体停车位动态演示、车位引导、智能收费等)、etc收费等功能，实际当中已经普及的技术，以及还在研制当中的新技术都可以通过智能交通沙盘试验并演示出来。
动态沙盘模型
二、 智能农业沙盘模型针对于农业种植大棚物联网技术的应用：光照检测、温湿度检测、二氧化碳检测、土壤检测、水质检测等智能化试验控制。还有物联网针对于养殖业的应用、针对于农田种植的应用等都可以以沙盘的形式模拟试验演示出来。
三、 智慧城市沙盘模型主要功能有：智能交通演示、智能农业、智能物流、智能家居、智慧工业等等，投影结合沙盘动态演示，人盘互动的演示出物联网技术在现代化城市的广泛应用。
建筑模型是科技和艺术完美的结合体，所以制作建筑模型的活动不再是简单的手工技术实践，更是一种积累科技知识提高艺术鉴赏的机会。对历史的认识，对生存环境的认识必定增长。
建筑模型
建筑模型的制作很容易开展，这就有利于更好的普及。拿我们的希望来说，各年龄段的孩子，可以利用生活中的废旧物品做材料，经过孩子们的双手，就会变成一件件美丽精致的建筑模型。它们是孩子们对生活观察，对美的认识的体现，更是成为一名建筑工程师梦想的开始。对于建筑模型来说，其价值从目前的市场上来讲主要体现在两个方面，一个使用价值，另一个是收藏价值，不同的人对于这两个价值在取向的时候也是有很大的不同。对于很多想要建筑模型的人来说，也主要分为两个部分，一个是看重其使用价值的，而另一个则是看重其收藏价值的。
收藏价值在很多人听来和一些字画之类的具有异曲同工之妙，其实这些的收藏价值和字画的价值在体现上也是大体相同的，都是随着产品的质量和水平以及年限一般都是呈现递增的趋势，并且在世界建筑史上也都存在着很多的建筑模型规范之作，这些产品在艺术价值和市场价值上都是不菲的。
使用价值就非常好理解了。人们在购房的同时，大多会在开发商那里看到各个楼盘的模型，根据建筑物体的不同，在详细细分的时候也是有很大不同的，比较典型的有建筑模型、机械模型等等这些形式，在使用上多是用来给人们参观的，一个很重要的形式就是起到传递信息的作用。
建筑沙盘模型制作方面有着自己的经验和文化。出色的完成了众多的知名建筑项目，充分展示行业发展的历程及项目背后的文化艺术内涵和社会背景，超高的仿真率，使每一个模型作品都有着自己的特色。
在进行建筑与环境设计的过程中个，根据设计过程的目的和需要，会制作各种不同比例、材料、细节表现程度的模型，有的是为激发设计构思服务的，有的是为研究和推敲建筑结构或空间分配服务的，有的是为最终总体效果表现服务的，但是无论是哪一个设计阶段的模型，都应遵循灵活性和科学性相结合的原则。
建筑沙盘模型灵活性表现在不同的设计阶段可以根据需要采用不同的表现比例和材料以及不同的细节表现程度；科学性则表现在无论处于建筑与环境设计的何种阶段，采用何种手法与比例建造模型，都应该明白建筑模型和建筑实体之间应该体现出一种准确的缩比关系，如建筑体量、组合、方向、外形轮廓、空间序列、环境构造等都应该体现一种理性的逻辑，与实际情况相符合。随着设计程度的深入，科学性表现得愈加明显。
我认为，至少，正确的模型应该是经过充分验证的。除了“充分验证”，还应该满足什么条件呢？我能想到的就是“可验证”，“可验证”也是充分验证的前提。
模型的“可验证”以后会专门介绍，本文先说说模型中代码生成之前可以做哪些验证？
按照模型是否运行来划分，可以把验证分为静态验证和动态验证两大类。
静态验证
静态验证有评审、建模标准检查、形式化验证等方式。
1模型评审
评审是质量体系要求的，通常我们模型画完之后，需要通过评审的方式去评审模型是否实现了相应的需求。那么，评审发生的时刻应该如何把握？是否在画完模型之后紧跟着就去做评审呢？我个人认为，如果有工具可以帮我们实现静态检查，我们为什么不先做静态检查呢？先做静态检查的好处是把可以通过工具发现的软件缺陷在评审之前消除掉，这样可以避免在评审的时候在此类问题上浪费时间。
2建模标准检查
目前MATLAB通过SimulinkVerification&Validation（以下简称SLVnV）提供了ModelAdvisor，可以实现建模标准的静态检查，实现起来也不困难，并且工具还具有可定制功能，可以在SLVnV提供的诸多检查项里挑选适合自己开发团队的检查集，也有可能有一些检查是ModelAdvisor没有提供的，这种情况下，也可以通过编写MATLAB程序的方式定制检查项。
3形式化验证
MATLAB提供了SimulinkDesignVerifier（以下简称SLDV）产品，可以对模型进行形式化验证。SLDV可以检查模型中是否有整数溢出，或者是否有死逻辑。这两类错误都是很容易被评审和功能测试错过的错误，其实，软件里一旦发现有这两类错误，复现或者定位这两类错误都非常困难，而SLDV可以通过分析模型的给出发生或者可能发生错误的环节。另外，需要注意的是，在模型评审或者功能测试过程中，我们都可能发现一些软件缺陷，发现这些缺陷之后，我们需要修改模型，模型经过修改可能会再次引入数据溢出或者死逻辑之类的错误，所以建议做功能测试之后，再次使用SLDV检查一下模型。