规划建设BIM培训考核平台设计

赵兴涛

（雄安城市规划设计研究院 河北省保定市 071000）

雄安新区规划建设BIM 培训考核平台是服务于雄安新区建设单位的信息化平台。根据实际需要，在训考平台的设计中，需要实现权限管理、防作弊，海量数据处理等要求。在平台设计中应用了权限管理技术、防作弊技术、分布式云技术支持的海量数据处理技术等新技术，实现了相关功能需求。

1 培训考核平台建设范围和内容

系统的应用逻辑设计如下：

按照用户的学习、考试等具体表现情况系统自动计算用户权限。实现用户按照4 级分类，通过不同权限进行划分。

新用户通过注册方式进入系统，获取在线培训资格，当通过完成一定时间的在线课程时权限自动升级为在线考试资格，考试通过可以获取生产系统权限，如果不通过反向调整授权，需要学习获取一定积累后再获取考试资格。

系统实现平台内算力动态显示，能够积累记录各种场景下算力消耗情况，分析汇总提高算力资源利用，将数据进行大数据分析，创造数据价值。如图1 所示。

雄安新区规划建设培训考核平台将会支撑雄安新区网络算力评估，进而支撑数据建设。随着新区建设项目的逐步展开，数字雄安也在同步丰富和建设。

（1）应按照算力资源类型、实践操作场景以及各类场景下的数据要求进行整理调研，明确新区建设对于算力的各项需求，进而分析影响算力消耗的主要因素。

（2）基于分析得到的算力消耗影响因素，结合新区建设与城市运营的总体规划和要求，确定算力评估需要考虑的数据样本及分布情况。

（3）依据数据样本与分布要求制定训考内容的类型、重点以及交付要求。

（4）为更好地在后期利用这些数据样本，需要明确在训考过程中需要记录的各类信息，如：项目相关信息、模型与其它交付数据、数据质量评价以及数据提交者的能力评定。

（5）将每次训考过程中形成的数据整体打包成为基础算力数据样本，将过程中的数据样本收集起来组成基础算力数据集。同时根据过程中的各类指标信息为此数据集建立数据样本索引。

通过以上流程，经过训考平台相应的运行，就可以积累丰富且相对符合实践的数据，通过利用数据样本索引进行查询、过滤与组合，就为进行算力评估奠定了数据能力基础。

2 关键技术研究

雄安新区规划建设培训考核平台所有基础设施及支撑都依赖于雄安云平台进行部署。雄安云平台具有分布式存储、大数据分析等软硬件环境，本项目基于这些软硬件环境建设，从技术上需符合大数据建设的整体路线。

2.1 分布式云技术支持的海量数据处理技术

雄安新区规划建设培训考核平台未来将承载海量训考内容和建模实训数据的接入、查询、展示和计算。分布式云技术计算和存储为系统平台提供弹性计算、关系数据库、负载均衡、对象数据存储、并发、备份等能力。

2.2 分布式服务框架

分布式服务框架提供开放、安全、高性能、高可靠的服务调用框架，同时提供统一的服务规则、统一管理办法及统一的交互方法，为快速、灵活构建大规模分布式服务应用提供基础。

图1：雄安新区BIM 培训考核支撑体系总体设计

分布式服务框架主要包括服务治理、注册中心和运维监控中心，为服务提供者和使用者提供服务调用全流程的支持、控制与管理。

2.3 动态流量控制技术

流量控制即对单次业务能力调用进行控制，防止故障或恶意造成的浪涌冲击，从而达到对业务服务端和平台保护的目的；

对每个能力的流控，可分解到提供能力通道的每个节点（根据节点服务器能力）；可动态控制目标服务请求数量，通过【并发×频度】的指标进行调节；可动态控制请求响应速度，控制重连的时间和频率。

2.4 分布式缓存技术

一般情况下，Redis 分布式缓存是采用磁盘方式实现，在并发比较高的情况，分布式缓存中间件访问非常频繁，压力非常大，程序和分布式缓存之间网络开销特别大；

本地局部缓存，用于存储数据变更频率低、查询次数多、数据量少的数据，降低分布式压力和内部网络开销；本地局部缓存数据多台主机同步刷新处理；全局分布式缓存用于存储数据量大、数据变更频率高的数据；

2.5 分布式数据库设计

分布式关系型数据库服务DRDS 专注于解决单机关系型数据库扩展性问题，具备轻量（无状态）、灵活、稳定、高效等特性。DRDS 兼容 MySQL 协议和语法，支持分库分表、平滑扩容、服务升降配、透明读写分离和分布式事务等特性，具备分布式数据库全生命周期的运维管控能力。

DRDS 主要应用场景在大规模在线数据操作上，通过贴合业务的拆分方式，将操作效率提升到极致，有效满足用户在线业务对关系性数据库要求。

DRDS 主要解决了以下问题：

单机数据库容量瓶颈： 随着数据量和访问量的增长，单机数据库会遇到很大的挑战，依赖硬件升级并不能完全解决问题。

单机数据库扩展困难：传统数据库容量扩展往往意味着服务中断，很难做到业务无感知或者少感知。

传统数据库使用成本高： 当业务数据和访问量增加到一定量时，传统数据库需要依赖特定的高端存储和小型机设备，成本曲线快速上升。

2.6 分布式文件系统

Hadoop 分布式文件系统(HDFS)被设计成适合运行在通用硬件(commodity hardware)上的分布式文件系统。它和现有的分布式文件系统有很多共同点。但同时，它和其他的分布式文件系统的区别也是很明显的。HDFS 是一个高度容错性的系统，适合部署在廉价的机器上。HDFS 能提供高吞吐量的数据访问，非常适合大规模数据集上的应用。HDFS 放宽了一部分POSIX 约束，来实现流式读取文件系统数据的目的。

HDFS 有着高容错性（fault-tolerant）的特点，并且设计用来部署在低廉的（low-cost）硬件上。而且它提供高吞吐量（high throughput）来访问应用程序的数据，适合那些有着超大数据集（large data set）的应用程序。HDFS 放宽了（relax）POSIX 的要求（requirements）这样可以实现流的形式访问（streaming access）文件系统中的数据。

2.7 容器技术

容器为服务器上运行的应用程序提供了隔离的运行空间：每个容器内都包含一个独享的完整用户环境空间，并且一个容器内的变动不会影响其他容器的运行环境。容器具有轻量级特性，所需的内存空间较少，提供非常快的启动速度。

Docker是一个容器化平台，用于简化和标准化各种环境的部署，开发者构建的应用只需一次构建即可多平台运行。

容器技术与微服务结合有天然的优势，在自动化运维，动态扩展，环境一致性等特点，可以有效的解决微服务技术的主要问题。

3 平台支撑保障

3.1 权限管理

3.1.1 统一授权管理

为实现在线培训、在线考核、在线建模、建模评分等各系统的集成运用，平台建立统一的用户授权管理系统，允许用户通过单点登录方式使用本平台的各系统功能，以实现各系统间用户信息的互联互通。

3.1.2 角色分级授权管理

根据训考平台的业务需求，设置管理员、教师用户、学员用户三类用户角色。各角色具备的权限分别为：

管理员：具备成员管理权限，可以查看和管理平台的全业务数据。

教师用户：可以使用课程组建、作业批改、考试批卷等相关功能。

学员用户：使用平台的课程学习、在线考试等相关功能。对于学员用户角色，进一步划分4 级细化管理权限，其中，

级别1：新注册用户，仅具备课程学习权限；

级别2：完成规定课程培训内容的用户，可以参加在线考试；

级别3：通过平台指定的考试，获得职业能力认证，获得进入生产系统资质；

级别4：在生产系统中表现良好的用户，可以优先获取审批资源。

3.2 考核防作弊

为保障训考平台的公平公正，检验用户真实学习成果，辅助用户有效提升BIM 设计实践水平，切实达到平台培训目标，平台提供以下的防作弊功能以满足不同场景下的训考监管：

3.2.1 在线监考

（1） 人脸识别功能。生物特征辨认技能是运用人的生理特征或行为特征，来进行个人身份的判定。传统的使用用户名密码登录的身份认证方式极易造假，难以满足在线考试公平公正的需求，生物辨认技能是一种快捷安全的解决方案。运用此类方案进行身份的确定安全性高，结果准确。在线考核系统使用人脸辨认的技术对考生进行身份认证，不易假造和冒充。

（2） 视频在线监控。利用视频监控技术收集用户在线考试的影像画面，或采用在线会议等方式实现模拟现场监考，以此确保考试用户的真实性，也可避免考生打小抄、翻书等违规行为的发生。

（3） 防切屏功能。在线考试过程中监控考生所用终端的屏幕使用情况，如果发生了切屏的情况，即认为发生了违反考试规定的行为。此时会结束考试，防止考生在考试过程中切换到其它程序进行抄袭作弊。

3.2.2 试题防泄漏

在线考试系统具备防截屏及背景水印功能，在考试进行过程中禁止使用截取屏幕图像功能，防止考生使用截屏功能的方式泄漏考试题目。另外在考试进行过程中可以在考试页面上持续显示系统设置的水印文字，防止考生使用拍照的方式拍摄屏幕导致试题泄漏。

3.2.3 随机组卷

智能题库系统可以通过根据系统设置的考核难度，从对应题库中随机抽取试题组合试卷。同时，对于每道试题也支持随机形成题目选项的功能，通过这样的手段避免考生死记硬背通过考核。

3.3 大数据分析

在训考平台的运用过程中，将会积累大量的过程数据。这些数据一方面记录了每个平台用户的学习考试的动态发展过程，同时也反映了平台课程与试题的内容质量、用户关注程度、使用评价结果。揭示蕴藏在这些数据背后的信息对于平台整体运行完善至关重要。训考平台利用大数据分析技术针对平台积累的各类数据进行可视化展示与价值挖掘，对训考过程进行统计分析，优化试题，调整重点，总结经验，提升培训效率与培训质量。

3.3.1 考试结果统计分析

对平台内用户的考试结果进行存储、分析和挖掘，提供成绩总分和专项分，成绩分布情况汇总，并结合考试结果，分析用户知识技能掌握情况，并反向调整培训资源和重点、调整考题难度权重。

3.3.2 考题分析利用大数据进行全面试卷分析，对试卷进行多维度分析并出具试题分析报告，根据考试结果，调整考题难易程度，结合分析报告，分析试题本身合理性与适用范围，指导试题更新。

3.3.3 用户行为分析

收集用户学习和考试过程数据，汇总用户学习习惯、学习进度、考试过程中答题情况及考试行为，形成统计数据报表，为培训内容、试题维护、用户信用评价提供参考。

3.3.4 系统算力分析

根据训考平台的实际情况，对训考平台算力消耗指标进行统计，提取相关信息进行数据统计、分析与展示，通过数据可视化技术实时呈现训考平台的运行数据、培训的进展、人员的分布等情况，并将统计结果加到系统运行报告中。

通过汇总平台内项目相关数据，提取XDB 文件大小、模型中挂载的属性量级、几何数据规模等方面数据，对平台内项目按专业或项目等不同维度统计属性等数据分布区间、平均数等，展示和统计各专业项目总数及项目相关信息，此外，系统算力统计分析数据可为后续项目进行抽样分析模拟，规划项目时间轴等应用提供数据基础和平台技术支持。

4 结论

雄安新区规划建设培训考核平台，实现了不同场景下，算力消耗影响因素的分析，进而支撑新区数据建设。采用权限管理技术、防作弊技术、大数据分析技术以及一些列关键技术，实现了对于训考平台的功能需求，满足了建设单位的需求。