(长安大学教育技术与网络中心,陕西西安 710064)

0 引言

高校作为人员密集场所,在疫情期间需要采取措施避免师生大规模聚集,如图书馆、教室等区域可以通过限制性手段进行管控。然而,食堂作为师生每日必经之地,排队就餐问题比较突出,且具有就餐时间固定的特点,不能简单的人为限制,师生需要借助某种手段,提前判断人多区域和用餐高峰时间。

目前利用数据预测的方法包括例如马尔科夫链[1],大数据[2]等,这些方法可以实现对人流量及拥挤状态的预测,但这些方法需要经过前期数据采集,算法反复调优,且后端构建都非常繁琐。针对上述问题,本文从结果导向出发。开发拥挤模型的目的是提醒师生错峰就餐,而师生对当前食堂有多少人并不感兴趣,即仅需要获得“非常拥挤”“轻微拥挤”“不拥挤”三种信息就可以实现本文的目的。

通过分析,本文选择校园卡刷卡数据作为基础,开发“动态时间窗口”拥挤模型将数据可视化,通过前端“柱形图+颜色”进行展示并集成至微信公众号方便师生查看。

1 提出的方法

本文提出方法的核心是校园卡刷卡数据,由于学校食堂所有消费必须使用校园卡,无其他支付方式,因此刷卡数据与就餐人数成正相关。

假设每个人平均吃饭时长15分钟(窗口时间),可以理解为刷卡后的15分钟要留在食堂,因此15分钟内的累计刷卡数为当前食堂所有就餐人数。就餐人数与食堂最大容纳人数的比值即为“拥挤指数”,其值大于等于零,若“拥挤指数”大于给定的阈值则判断当前食堂拥挤。……