论文部分内容阅读
摘 要：随着互联网技術的高速发展，校园信息化建设成为各大高校研究的重点。最初的智能学习形式是数字校园，利用互联网技术将学习生活、科研成果、教学管理等相关的资源进行整合，完善现有资源的合理分配和利用，提高了工作效率和质量。随着大数据时代的到来，数字校园建设即将迎来尤异希的技术和思想的变革。
关键词：校园环境;信息采集;行为数据
现有的校园大数据有很多种类，也有很多的系统来储存数据，这些系统在建立之初没有考虑到后来的数据共享状况，导致数据无法整合，难以正对各种数据建立联系。大学生又是一个特殊的社会群体，他们大多数的时间都在校园中度过，而当代大学生由于缺乏紧张意识，在校园中的学习时间，宅在寝室、网吧打游戏或沉迷于小说，又或者在外闲逛。而学校对于学生的管理，一般为点名达到的形式，时效性差，信息反馈慢。在智慧校园构建中应用大数据技术，还需要结合学校的发展需求，不断完善与改进。教育管理更加精细化、规范化。在这种情况下，就能够更好的实现对教师、人才培养以及科研等各个方面的管理。
现在许多学校还在沿用传统的学生管理和服务方式，对学生采用单一化的管理方式，缺乏针对学生行为特征的个性化管理和服务。本设计意在建立一套有效的数据跟踪体系，以便及时跟踪和评估数据的变动。达到对学生的准确定位，对学生在校期间的活动轨迹做出分析，制定相应管理规定，统一对数据进行分析，加强对数据资源的管理和维护，改正学生的不规范生活作息，让学生养成自主学习的习惯。
一、系统原理设计
本设计是研究校园环境下学生的地理位置信息获取以及行为数据分析，通过单片机以及GPS芯片进行学生的地理信息位置获取以及发送，后台通过获取的位置信息进行相关学生的行为数据分析。本设计拟采用的技术路线如图1所示。
二、系统硬件设计
本设计采用stm32f103芯片作为本设计主控芯片，该芯片拥有引脚多、用途广、功耗低、可编程能力强等诸多优点，在控制领域有着广泛用途，完全适用于该设计硬件芯片的要求，在数据采集方面，本设计使用北斗GPS模块对学生位置进行定位，该北斗GPS模块使用NMEA协议进行数据传输，可以对学生当前位置、海拔、运动速度进行采集，从而分析学生当前的活动状态，在数据传输方面，本设计采用GPRS模块对采集到的数据向APP端传输，GPRS模块拥有抗干扰能力强、网络容量大、防盗能力好等特点，对于保护学生个人隐私起到非常重要的作用，硬件总体流程如图：
三、系统软件设计
软件具体设计思路如下图3、图4所示：
（一）APP的软件设计
软件使用java编写运行于Android上，在首页嵌入一个h5页面。该页面为西昌学院平面简图，使用JavaScript脚本编写一套平面简图快速生成系统，通过导入相应区域范围、建筑平面关键点，快速生成平面简图。在该平面简图中能展示使用者现在位置，也能搜索查寻各地位置。在首页中还有一消息提醒框，展示使用者接下来应该遵循的行为，以作提示。学情展示页面通过各种统计图直观反映使用者学习情况，并对使用者一段时间内学习情况给予总结。
（二）后端的软件设计
后端使用Python语言作为服务器脚本语言，采用flask框架。以uwsgi作为服务器，nginx作为反向代理服务器，运行于Linux操作系统上。通过算法实现GPS精确定位，构建行为分析模型;使用MySQL数据库做数据存储。
1精确定位模块实现
（1）首先对数据进行清洗。由于建筑物遮挡和信号波动，会产生一系列对行为分析产生干扰的数据，所以需要在进行行为分析前进行数据清洗。
①轨迹点的基本属性为：“时间”、“经度"、“纬度”“速度”特征，若轨
迹点中缺少任意-一个特征，都不具有任何参考价值，也不能反映出行者的出行信息，因此清洗掉属性缺失的轨迹点。
②对经纬度越界和重复冗余数据这两种异常数据进行清洗。
③对不符合行程数据进行清洗。
（2）其次对特征变量进行计算。
①距离
公式如下：
式中， R表示地球半径，取值为6371km;d表示两点之间的距离; φ， 表示第i+1点的纬度，单位为弧度; φ表示第i点的纬度，单位为弧度;△h：第i点和i+1点的经度差，单位为弧度。
②速度
公式如下
式中，v为第i点速度; d表示第i点与第i-1点的距离; t表示第i点的
时间; t1表示第i-1点的时间。
2 行为分析模块实现
（1）学生行为假设
①对校内区域进行划分。按照不同功能划分为学习区、住宿区、食堂区、运动区、商业区。
②通过不同时间段在不同区域滞留时间，假定学生在该时间内行为。如，夜晚在住宿区假定为休息。
③根据课表信息，假定学生行程。
（2）对假定行为进行判断。
（3）数据可视化。
参考文献：
[1]牛俊祝.大数据时代数字化校园建设的研究[J].通讯世界，2017（11）
[2]张俊波. 打造智慧校园的思考与探索[A].
[3]李治江. 基于GPS数据的校园群体情境分析与可视化[A].
[4]焦阳. 面向智慧实验室情景的自主学习过程管理系统研究[D].太原理工大学，2017.
[5]梁柱. 基于校园大数据的学生行为分析与预测方法研究[D].西安理工大学，2017.
[6]谭浩. 基于校园大数据的数据挖掘研究[D].山东理工大学，2018.
[7]徐健.大数据技术在智慧校园中的现状及发展趋势[J].电子商务，2019（02）：57-58.
[8]张贤虎. 人工智能、教育大数据与智慧校园[A]. 育课程改革研究中心：教育部基础教育课程改革研究中心，2018：2.
关键词：校园环境;信息采集;行为数据
现有的校园大数据有很多种类，也有很多的系统来储存数据，这些系统在建立之初没有考虑到后来的数据共享状况，导致数据无法整合，难以正对各种数据建立联系。大学生又是一个特殊的社会群体，他们大多数的时间都在校园中度过，而当代大学生由于缺乏紧张意识，在校园中的学习时间，宅在寝室、网吧打游戏或沉迷于小说，又或者在外闲逛。而学校对于学生的管理，一般为点名达到的形式，时效性差，信息反馈慢。在智慧校园构建中应用大数据技术，还需要结合学校的发展需求，不断完善与改进。教育管理更加精细化、规范化。在这种情况下，就能够更好的实现对教师、人才培养以及科研等各个方面的管理。
现在许多学校还在沿用传统的学生管理和服务方式，对学生采用单一化的管理方式，缺乏针对学生行为特征的个性化管理和服务。本设计意在建立一套有效的数据跟踪体系，以便及时跟踪和评估数据的变动。达到对学生的准确定位，对学生在校期间的活动轨迹做出分析，制定相应管理规定，统一对数据进行分析，加强对数据资源的管理和维护，改正学生的不规范生活作息，让学生养成自主学习的习惯。
一、系统原理设计
本设计是研究校园环境下学生的地理位置信息获取以及行为数据分析，通过单片机以及GPS芯片进行学生的地理信息位置获取以及发送，后台通过获取的位置信息进行相关学生的行为数据分析。本设计拟采用的技术路线如图1所示。
二、系统硬件设计
本设计采用stm32f103芯片作为本设计主控芯片，该芯片拥有引脚多、用途广、功耗低、可编程能力强等诸多优点，在控制领域有着广泛用途，完全适用于该设计硬件芯片的要求，在数据采集方面，本设计使用北斗GPS模块对学生位置进行定位，该北斗GPS模块使用NMEA协议进行数据传输，可以对学生当前位置、海拔、运动速度进行采集，从而分析学生当前的活动状态，在数据传输方面，本设计采用GPRS模块对采集到的数据向APP端传输，GPRS模块拥有抗干扰能力强、网络容量大、防盗能力好等特点，对于保护学生个人隐私起到非常重要的作用，硬件总体流程如图：
三、系统软件设计
软件具体设计思路如下图3、图4所示：
（一）APP的软件设计
软件使用java编写运行于Android上，在首页嵌入一个h5页面。该页面为西昌学院平面简图，使用JavaScript脚本编写一套平面简图快速生成系统，通过导入相应区域范围、建筑平面关键点，快速生成平面简图。在该平面简图中能展示使用者现在位置，也能搜索查寻各地位置。在首页中还有一消息提醒框，展示使用者接下来应该遵循的行为，以作提示。学情展示页面通过各种统计图直观反映使用者学习情况，并对使用者一段时间内学习情况给予总结。
（二）后端的软件设计
后端使用Python语言作为服务器脚本语言，采用flask框架。以uwsgi作为服务器，nginx作为反向代理服务器，运行于Linux操作系统上。通过算法实现GPS精确定位，构建行为分析模型;使用MySQL数据库做数据存储。
1精确定位模块实现
（1）首先对数据进行清洗。由于建筑物遮挡和信号波动，会产生一系列对行为分析产生干扰的数据，所以需要在进行行为分析前进行数据清洗。
①轨迹点的基本属性为：“时间”、“经度"、“纬度”“速度”特征，若轨
迹点中缺少任意-一个特征，都不具有任何参考价值，也不能反映出行者的出行信息，因此清洗掉属性缺失的轨迹点。
②对经纬度越界和重复冗余数据这两种异常数据进行清洗。
③对不符合行程数据进行清洗。
（2）其次对特征变量进行计算。
①距离
公式如下：
式中， R表示地球半径，取值为6371km;d表示两点之间的距离; φ， 表示第i+1点的纬度，单位为弧度; φ表示第i点的纬度，单位为弧度;△h：第i点和i+1点的经度差，单位为弧度。
②速度
公式如下
式中，v为第i点速度; d表示第i点与第i-1点的距离; t表示第i点的
时间; t1表示第i-1点的时间。
2 行为分析模块实现
（1）学生行为假设
①对校内区域进行划分。按照不同功能划分为学习区、住宿区、食堂区、运动区、商业区。
②通过不同时间段在不同区域滞留时间，假定学生在该时间内行为。如，夜晚在住宿区假定为休息。
③根据课表信息，假定学生行程。
（2）对假定行为进行判断。
（3）数据可视化。
参考文献：
[1]牛俊祝.大数据时代数字化校园建设的研究[J].通讯世界，2017（11）
[2]张俊波. 打造智慧校园的思考与探索[A].
[3]李治江. 基于GPS数据的校园群体情境分析与可视化[A].
[4]焦阳. 面向智慧实验室情景的自主学习过程管理系统研究[D].太原理工大学，2017.
[5]梁柱. 基于校园大数据的学生行为分析与预测方法研究[D].西安理工大学，2017.
[6]谭浩. 基于校园大数据的数据挖掘研究[D].山东理工大学，2018.
[7]徐健.大数据技术在智慧校园中的现状及发展趋势[J].电子商务，2019（02）：57-58.
[8]张贤虎. 人工智能、教育大数据与智慧校园[A]. 育课程改革研究中心：教育部基础教育课程改革研究中心，2018：2.