基于大数据和无线网络的校园智慧决策系统研究

李书钦，史运涛，马时来，李琳

（北方工业大学信息中心，北京 100144）

0 引言

随着大数据技术的日益完善，用大数据促进教育信息化已成为广泛共识，近年来，国家陆续出台了《促进大数据发展行动纲要（2015）》、《教育信息化“十三五”规划（2016）》、《2016教育信息化工作要点》等文件，明确提出利用大数据技术加快教育信息化的发展步伐，建立“用数据说话、用数据决策、用数据管理、用数据创新”的管理机制，实现基于数据的科学决策[1]。

高校信息化建设经过了基础设施建设阶段、数字化校园建设阶段，正在朝着“环境全面感知、网络无缝互通、海量数据支撑、师生个性服务”的智慧校园阶段迈进[2]，如何利用已有业务系统（教务、科研、人事、财务、卡务、网络）的结构化数据和非结构化数据（无线网络日志），进行数据加工和大数据分析，实现学生行为分析、学生画像、学生异常状态预警等功能，全面掌握学生情况，以便及时、准确地应对突发事件与公共危机；及早识别学业预警、心理异常、沉迷游戏的学生，提升学生素质；对发展态势做出准确预测和判断，提前预警、及时干预、消除隐患，等等，显得尤为重要[3]。因此，拟结合大数据和无线网络技术，研究校园智慧决策系统相关技术和实现方法，为学校领导、管理部门等提供科学决策和智慧决策。

1 无线网络和信息化建设现状

北方工业大学无线网络服务于全校学生和教职工，约13000多人，截至2018年6月，共部署无线AP点位3780个，最大同时接入终端总数超过7000个，无线网络流量峰值超过2GBps。目前，北方工业大学数字化校园建设和信息化建设都比较完善，包括一卡通系统、教务系统、OA办公系统、网络教学平台、图书馆管理系统、人事系统、科研管理系统、上网认证系统、资产管理系统、数据交换平台、财务系统等，并且学校已对部分业务系统数据进行了整理及标准化。

北方工业大学积累了海量的教育数据，即学生服务类数据、学校管理类、教学类以及设备类的数据都比较丰富。但是学校还未有效利用相关数据进行挖掘分析，为学校展示学生、教师以及资产的相关信息。另外，校领导无法及时掌握学校业务数据、学生管理数据，这就需要建立各类预警模型，例如针对学生、教师信息呈现，促进学校教学、科研提升、校园管理等。因此拟通过建设全量及增量原始大数据仓库，并针对数据源进行标准化和建模清洗，构建服务学生、教师和领导的校园智慧决策系统。

2 系统设计与实现

本研究拟利用无线网络和各业务系统（教务、科研、人事、财务、卡务、网络）的结构化数据和非结构化数据（无线网络日志），进行数据整合、数学建模分析，对学生状态、学生异常行为等做出准确预判或预测，为校领导和管理部门等提供详尽的数据支撑和科学决策。

2.1 技术路线

首先，利用教室、图书馆、餐厅、宿舍内安装的校园无线，从无线AP获取学生的在线用户信息，包括上网账号、上网IP、MAC地址等结构化数据，进行数据分析，确定学生轨迹，进行上网行为分析、逃课行为分析、课堂出勤分析和疑似失联预警等预测预警。其次，利用各业务系统（教务、科研、人事、财务、卡务、网络）的结构化数据，进行数据整合、数据建模和统计分析，对学校舆情、学业预警、沉迷游戏、疑似贫困学生、教师画像等做多维呈现和准确预测预判。最后，结合上述分析预测结果，开发领导驾驶舱，将领导关注的板块进行展现，为领导和管理部门提供全方位的科学决策和智慧决策。

2.2 获取无线AP在线用户信息

我校无线AP包括华为和思科2个品牌，在无线AC上可以实时获取每个AP的在线用户信息，如图1所示。无线AP的在线用户信息包括用户名、接入终端MAC地址，接入IP地址和接入AP名称，输入某个无线AP，可以直接查找该AP的在线用户信息。目前，华为和思科的无线AC均提供第三方接口，可以供用户直接调用，获取无线AP的实时在线用户信息。

2.3 获取结构化数据和非结构化数据

我校信息门户和数据中心已经建设完成，信息门户已经集成了包括一卡通系统、教务系统、OA办公系统、网络教学平台、图书馆管理系统、人事系统、科研管理系统、上网认证系统、资产管理系统、数据交换平台、财务系统等，而且大部分业务系统已经建设多年。目前，学校已经对部分数据进行了整理及标准化，积累了海量的教育数据，即学生服务类数据、学校管理类、教学类以及设备类的数据都比较丰富。

对各业务系统结构化数据进行数据清洗及标准化处理，如认证计费系统、互联网络数据等海量分散数据进行清洗预处理，并分析适配，形成数据分析表、入库存储，对传统的关系型数据库，也包括XML等半结构化数据，以及以视频、音频、文本和其他形式存在的非结构化数据，将如残缺数据、错误数据和重复数据进行处理，把结果集入库，并记录清洗结果，形成标准化数据库仓库，最后通过建模分析，针对模型建立模型分析主题数据仓库。

图1 无线AP在线用户信息

2.4 数据整合、建模和统计分析

在获取结构化数据和非结构化数据后，需要对建立的数据仓库进行数据整合，并采用建模和统计分析等算法进行数据分析，例如关联和推荐、深度机器学习、统计、分类、聚类、回归、贝叶斯等算法[4,5]。下面以学业预警预测模块为例，分别使用回归算法、贝叶斯方法、人工神经网络等3种不同的预测算法，进行1万次以上的机器训练，得出学业预警预测准确率如表1所示（仅列出8次结果），可以看出人工神经网络算法的准确率明显高于回归算法与贝叶斯方法。

表1 学业预测预警模块不同算法预测准确率对比分析

2.5 系统运行实例

基于大数据和无线网络的校园智慧决策系统包含学生行为分析、学生画像、学生异常状态预警等功能，下面以学生行为轨迹分析模块为例，阐述结合大数据和无线网络的具体实现方法。通过校园无线获取终端用户的MAC地址，与计费认证系统结合获取终端用户账号，然后与校内地图结合，实现对校内人员行为轨迹分析，实现终端轨迹定位和用户信息分步定位，追踪各师生在校园的Wi-Fi轨迹情况，以及全校的行为轨迹分析地图，同时实时监控校园的人员分布和流向。经过大数据分析，可预测未来24小时内的人流密集程度，以便于及时发现潜在的风险与问题，校园智慧决策系统轨迹分析模块运行效果如图2所示。

3 结语

图2 校园智慧决策系统轨迹分析模块运行效果

随着高等教育事业快速发展，各高校的日常管理工作变得更加繁重，针对学校管理中面临的综合管理难度大、学生管理问题多、信息孤岛、学校对学生感知不全面等问题，本着“用数据说话、用数据决策、用数据管理、用数据创新”实现基于数据的科学决策为根本目的[6]，本研究结合大数据和无线网络技术，研究校园智慧决策系统，实现学生生活行为和学习行为等的智能管理和智慧决策，为领导决策等提供数据支撑和可视化参考。

基于大数据和无线网络的校园智慧决策系统，不仅能进一步提升我校日常管理的科学化水平，达到科学决策、智慧决策的目标，还可以对发展态势做出准确预测和判断，提前预警、及时干预、消除隐患，将有效减少和化解学校管理中的风险点。