唐亮 杨呈永 谭社平

【摘要】本文探究基于高校智慧校园的学生校园行为分析预警系统，提出的设计方案比较合理，能够以校园物联网环境和大数据平台为基础，通过智慧校园平台进行大数据挖掘，构建高校学生行为预警系统，精确分析学生在校园中的日常行为数据，生成学生行为轨迹，以提升校园安全管理水平。

【关键词】物联网 大数据 学生校园行为 分析预警系统

【中图分类号】G64 【文献标识码】A

【文章编号】0450-9889（2023）15-0082-04

近年来，随着大数据、云计算、人工智能等新兴技术的普及和发展，高校智慧校园建设正在进入一个新的发展阶段，越来越多的高校重视智慧校园建设，并将其作为自身发展的重要战略，以教育信息化推动教育现代化快速发展。同时，政府也在加大对高校智慧校园建设的支持力度，鼓励高校加快推进智慧校园建设。智慧校园系统提供的学生校园行为数据是校园安全、管理的重要信息，能够全面、系统地反映大学生的行为规律和特征。学校可利用物联网、大数据、人工智能等信息化技术在智慧校园系统中构建学生校园行为分析与预警系统，实时绘制大数据下的校园学生行为画像，帮助学校对学生的校园行为路径信息全程追溯，快速而有效地掌握学生的行为动态，提升校园学生管理水平，进而维护师生身体健康及教学工作有序、安全、稳定地开展。

一、高校学生行为预警系统的技术构架

（一）系统结构

本系统结构分为三大层次，分别为数据源层、数据采集层、应用层（高校学生行为预警系统）。数据源层提供数据源，数据源主要分为结构化数据和非结构化数据，结构化数据包含物联网连接的一卡通设备、网络管理平台、教务系统、考勤系统、后勤管理系统的数据，非结构化数据包含文档（表格）数据、互联网数据等；数据采集层包括学校数据中心主数据仓库、分布式仓库、Hadoop大数据运算平台；应用层包含物联网设备信息处理组件、基础分析组件、数据挖掘组件、实时分析组件等。系统结构如图1所示。

（二）开发工具简单介绍

1.IntelliJ IDEA开发工具和Java编程语言

IntelliJ IDEA拥有Java编程语言的集成开发环境，且是世界上公认的最好的Java开发工具之一，对J2EE的支持可以说是非常有力的，利用此工具可以简单、灵活地开发系统。

Java语言是一种较好的且简洁的“面向对象”的编程语言，其特点是“一次编写，到处运行”，用Java语言开发的系统在互联网上可以广泛使用。对开发者来说，利用Java语言开发的系统面向对象时，只需注意数据及操纵数据的方法（method）就可以，不必严格地用过程来“思考”。Java语言可以利用JIT（JUST IN TIME）即时编译技术来提高系统的运行效率，即在系统中将一些常用的字节码编译成本地机器码并缓存，当需要字节码时系统会重新调用缓存的数据，因而能大幅度提高Java程序的执行效率。

现代软件大都需要多人协同开发，因此其代码具有维护性，并在编译时可以检查其情况，具有高效的运行效率、跨平台能力、多样的项目管理功能，因此本系统利用IntelliJ IDEA开发工具和Java编程语言。

2.HBuilder开发工具

DCloud（数字天堂）推出的HBuilder是一款支持HTML5的Web开发IDE，因此我们利用HBuilder开发客户端页面。本系统采用前后分离的开发方式。为了使系统运行更高效，我们使用专门的Web开发IDE，并利用HBuilder完整的语法提示、灵活的代码输入法、内置的代码块、移动端调试适配等功能提升系统HTML、JS、CSS的开发效率。

3.DataX开发工具

DataX是阿里云开源的数据集成交换工具，其中的数据采集模块（Reader）和数据写入模块（Writer）分别高效地向数据源和目标数据库读写数据，能够使MySQL、Oracle、HDFS、Hive、ODPS、HBase、FTP关系型数据库等各种异构数据源之间稳定高效地实现数据同步。因此本系统用DataX开发工具进行基于DataX的数据交换集成。

二、高校学生行为分析预警系统关键技术

（一）学生校园行为数据采集

学生校园行为数据主要通过校门通道出入记录、宿舍门禁出入记录、饭堂和超市消费记录、图书馆出入记录、教室课堂考勤记录、体育馆出入记录等进行采集。数据采集终端包括指纹机、POS机、一卡通匝道、AI人脸识别摄像头、手机端等，这些终端采集数据并存储到各个业务系统中，然后由学校数据中心的ETL工具对数据进行清洗后再交互存储到校园行为数据库中，并进行分析，生成学生校园轨迹。

（二）基于学生校园行为分析的数据挖掘建模

数据挖掘是指在海量数据中提取隐含的具有潜在利用价值的信息，并通过分析为人们提供决策参考的过程。数据挖掘是一个不断往复优化的过程，主要包括数据预处理、数据挖掘以及模型评估。数据预处理是将校门通道出入、宿舍门禁出入、饭堂超市消费、图书馆出入、教室课堂考勤、体育馆出入等各种杂乱的、不符合规则的数据进行清洗和筛选，为数据挖掘提供数据基础；数据挖掘是在处理好的数据中提取有用信息，是数据处理的核心环节；模型评估是指对数据模型进行的最后评估，以检测结果是否达到预期要求。

学生校园行为分析以统计分析、聚类、决策树、关系挖掘、关联规则等数据挖掘方法为基礎，设计并建立学生校园行为分析规则挖掘模型，基于数据关联性分析，深入剖析学生的个性特征、行为规律、生活习惯等，建立以影像、图形、文本、语音等非结构化数据为对象的学生校园行为大数据安全预警管理模式，然后进行精准分析，并提供相关信息给学校安全管理员，使校园安全管理能够做到未雨绸缪，实现平安校园的管理目标。

（三）学生校园行为分析

行为数据因其能提供精确的个体信息而在校园安全、应急管理中起到了重要作用。对基于人工智能的学生行为分析而言，有了数据和技术的支撑，对校园全方位、多维度的大数据进行清洗、整合、挖掘，从中提取有潜在价值的信息，为学校的校园学生安全管理工作提供服务。比如，学生轨迹分析，对学生在校园的学习生活及基本情况进行分析，将学生在校园的轨迹记录下来，便于在发生突发情况时能够及时找到学生。这种轨迹分析能够极大地帮助学校开展学生安全管理工作，监测学生安全情况，避免发生学生失联的风险。

三、高校学生行为预警系统设计

（一）系统功能结构

系统通过网络连接校园中的多种智能终端，利用这些终端收集数据，并通过大数据处理平台对智能终端采集到的学生行为数据、学校数据中心存储的学生数据进行对比分析，生成学生行为轨迹数据。系统内设定相应的报警阈值，当学生轨迹数据达到报警阈值，即出现危险行为、趋向或轨迹时，系统自动向管理员报警。学校管理员也可以利用系统查询功能查找和判断学生行为轨迹。系统设置有多个功能模块，比如系统管理员管理、学生信息管理、校区信息管理、物联网智能设备管理、数据接口管理、考勤数据管理、综合分析报警等模块，共同形成一个完善的系统功能结构。系统功能结构如图2所示。

（二）数据库

Oracle是目前比较好的关系型数据库之一。因为本系统将存储大量的基础数据和分析数据，而Oracle数据库在海量的数据处理上更有优势，能够为大量数据的存储提供解决方案，所以本系统采用Oracle作为系统数据库。Oracle数据库还能为ETL数据处理提供完整的技术方案，并能配合ETL工具实现数据抽取、数据移动、数据装载、数据转换等。

系统数据库包括：（1）sys_student_info（学生信息表），存放学生的信息；（2）sys_user_info（管理员信息表），存放管理员的信息；（3）sys_device_info（智能设备信息表），存放物联网智能设备的信息；（4）sys_area（校区信息表），存放学校校区信息；（5）sys_role（角色信息表），存放管理员角色权限信息；（6）sys_class_attence（考勤信息表），存放学生的上课考勤信息；（7）sys_log（操作日志表），存放管理员操作系统的日志信息；（8）sys_subscription（预警消息订阅表），存放管理员订阅的预警信息。各数据表之间通过相应的键保持相应的联动关系，以保证数据的最小冗余度。

（三）系统实现

系统包括后台管理模块、前台服务模块两部分。

1.后台管理模块

后台管理模块主要指管理员的管理系统，包括系统管理员管理、学生信息管理、校区信息管理、角色权限管理、操作日志管理、物联网智能终端信息管理，以及数据对接模块、考勤数据处理模块、智能分析模块。

（1）系统管理员管理：对系统管理员信息进行添加、删除、修改、查看等管理操作。

（2）学生信息管理：对学生信息进行添加、删除、修改、查看等管理操作。

（3）校区信息管理：对校区信息进行添加、删除、修改、查看等管理操作。

（4）角色权限管理：对系统管理进行角色菜单权限分配、设置角色，并按管理权限进行数据范围划分等管理操作。

（5）操作日志管理：对系统的操作日志、系统异常信息日志记录和查询，保障系统的安全性。

（6）物联网智能终端信息管理：网络连接校园网智能终端设备，如连接饭堂、超市中的POS机，并通过一卡通管理平台获取一卡通消费信息。借助物联网智能摄像头全天候对校园中的学生进行人脸识别与监测，获取学生在校园中的位置，并通过摄像头中的温感模块获取学生的体温数据。通过安装在校车上的射频识别标签实时跟踪校车位置，判断学生出行的范围及学生出行聚集程度。

（7）数据对接模块：对接学校大数据中心的数据接口，获取学生请假登记数据；对接校园中人脸门禁系统的来访记录和进出记录，包括抓拍人脸图像、身份信息、通行时间等对学生进出进行识别与记录，生成学生的校园轨迹。

（8）考勤数据处理模块：获取学生课堂考勤系统中的数据，结合教务系统中的学生课表信息，对学生考勤打卡信息数据、上课时间、上课地点进行组合清洗、加工等，及时分析当前学生上课情况，以帮助学校对突发情况进行调度指挥。

（9）智能分析模块：通过在不同途径采集各类结构化和非结构化数据，并对数据进行清理、集成、转换，即对原始数据进行数据预处理，转化为统一的结构化数据，再利用人工智能引擎对数据挖掘、深度学习、决策树机制等算法进行分析。利用Hadoop/MapReduce并行处理技术，对预处理后的数据进行并行处理，再通过人工智能核心算法层对采集音视频等信息进行机器学习，对数据分析整合，提供包括学生轨迹个性化分析、在宿舍沉迷游戏情况分析、自动化研判失联等应用服务。

2.前台服务模块

前台服务模块是指为管理员提供登录系统前台的模块，它是用以查看系统中的学生行为分析数据及其预警结果。前台服务模块具有以下功能：学生宿舍轨迹分析、学生上课轨迹分析、学生不在校预警、综合分析预警、预警消息订阅，前台服务模块工作流程如图3所示。

（1）学生宿舍轨迹分析：系统对学校网络管理平台上提供的学生上网数据，比如学生上网时长、时段、流量等情况进行分析，判定学生在宿舍的动态和作息情况。

（2）学生上课轨迹分析：根據课程先导模型，结合学生上课的考勤打卡情况，分析学生的上课路线轨迹。

（3）学生不在校预警：分析学生在校时间，如果发现某个学生长时间无上网、消费、餐饮、门禁等信息记录的，那么系统会自动判定该学生可能长时间不在学校，并进行安全预警，使学校管理员能及时采取措施。不在校预警关注的是可能失联的学生，帮助学校管理员做好学生的安全工作。

（4）综合分析预警：根据后台设置的学生行为轨迹预警指标分析学生在校园内的行为轨迹，高效地为学校管理员提供精准的信息。如图4为综合分析预警系统对学号为1000的学生在校园的行为轨迹分析图。

（5）预警消息订阅：学校管理员可设置系统内、微信、短信等多种通信渠道的预警消息订阅，保障管理员能够及时收到学生行为预警推送的信息。

智慧校园中的学生校园行为分析预警系统能够将校园物联网智能设备和学校数据中心的数据进行整合，并基于学生行为轨迹分析模型对学生在校园中的行为轨迹数据进行分析，为学校管理员提供学生行为预警信息，为学校的学生安全管理提供服务。该系统的数据分析模型稳定，性能可靠，能精确地提供预警信息，有助于校园学生管理工作。

四、高校学生行为分析预警系统应用建议

（一）树立大数据科学管理理念

高校领导和学生管理部门要树立大数据科学管理理念，组建专门的大数据管理团队，由专业人员负责大数据的收集、分析和应用，确保大数据科学管理的有效实施。

（二）构建学生预警管理协同机制

高校学生行为分析预警是一个多方联动的过程，需要依托智慧校园建设部门对学生行为數据进行全域采集，利用大数据技术对数据进行分析，并联合学工、保卫、后勤等部门协同管理，从而使各部门紧密联系、彼此相呼应，协同实现多方联动的学生安全管理工作机制。

（三）构建专兼职结合的学生安全管理队伍

高校除了依靠精准的大数据预警分析平台，还可以打造一支专兼职结合的学生安全管理队伍。学生安全专职员可以由宿管员、学生辅导员、班主任、班干等组成。他们与学生紧密接触，能比较深入地了解学生的生活情况，从而能实现安全管理全方位无死角。同时，学校要定期对学生安全员进行系统化培训，使他们懂得相关大数据预警分析系统的操作，熟悉相关学生安全管理制度，掌握相关事件的处理流程，实现工作专业化，从而推动学生安全管理队伍素质的整体提升。

（四）构建安全有效个人隐私数据安全保障体系

首先根据国家个人信息保护法，构建学校相对完备的学生个人数据隐私保护体系，制订学校数据管理办法，对同意数据处理、访问个人数据、移植和删除个人数据等进行详细规范，规范并最小程度地使用数据，严格具体使用数据的权限；其次建立完善的信息安全技术保障体系，运用信息技术对关键数据信息进行加密及脱敏使用，提升防泄露、防攻击、防入侵能力，防止教育空间隐私被泄露、盗用和再利用。接触数据的人员必须严格遵守国家个人信息保护法。

智慧校园建设背景下的高校学生校园行为分析预警系统能够实现校园中物联网智能设备和学校数据中心的数据整合，根据学生行为轨迹分析模型进行分类分析，生成学生行为轨迹预警分析结论，为学校学生安全管理提供决策依据，对学校的学生校园生活、学习管理起到重要作用。高校学生安全管理是一项长期性、复杂性的工作，虽然高校学生校园行为分析预警系统可以辅助管理，但是校园学生安全管理必须要全局一盘棋，各个部门要加强全员、全过程、全方位管理，提高校园学生管理质量。

参考文献

［1］施明毅，杨光莹，杜敏，等.基于校园行为大数据分析的学生画像系统构建探析［J］.中国多媒体与网络教学学报（上旬刊），2020（4）.

［2］杨琳丽，王丽娟，杨立斌，等.构建学生教学信息反馈与处理系统 完善高校教学质量监控体系［J］.医学教育管理，2020（61）.

注：本文系广西教育科学规划2021年度课题（项目编号2021B121）、2021年度广西职业教育教学改革研究项目重点项目“产教融合、校企合作背景下高职院校‘3433协同育人模式研究：以广西水利电力职业技术学院为例”（GXGZJG2021A023）的研究成果。

作者简介：唐亮（1979— ），广西桂林人，硕士，讲师，现就职于广西水利电力职业技术学院，主要研究方向为教育信息化管理；杨呈永（1981— ），通讯作者，广西桂林人，硕士，高级实验师，现就职于桂林理工大学，主要研究方向为物联网、大数据；谭社平（1973— ），广西恭城人，硕士，高级工程师，现就职于广西水利电力职业技术学院，研究方向为高压输配电线路运行与维护。

（责编 卢建龙）