随着物联网、传感器技术的快速发展,教育信息化建设已由数字校园过渡到智慧校园阶段。当前的校园智慧化建设中,各类物联网设备已在课堂、后勤、评价、科研、在线学习等诸多教学与管理中得到广泛应用,在提升管理效率的同时,也有效提高了教学和管理水平。校园物联网设备采集的数据中包含着丰富的时间与空间信息,日常运行中积累了海量的细粒度时空数据,这些PB级的细粒度时空数据通常价值密度较低（周期性数据）,且含有大量半结构化和非结构化数据,数据整体规模大和复杂程度高,给深层次应用带来了存储与查询等方面的难度。如何低成本、高效率地组织、管理、挖掘这些低价值密度的时空数据已成为教育大数据研究的重要内容和方向。本文围绕智慧校园场景下的大规模时空细粒度学生日常活动数据的组织与应用展开,构建了数据组织模型、建立了高效存储机制并实现了基于画像的深层次应用。主要研究内容从以下几个方面展开:（1）提出一种大学生校园日常活动时空细粒度数据组织模型,设计了概念层、逻辑层与物理层的数据模型与存储结构。概念层上建立以学生为对象的非关系概念结构,并以学生对象为基础,建立日常活动的时空属性表达;逻辑层采用面向对象的设计思想,将学生日常活动封装成三种基类,通过继承和实现的方式完成了对校园活动对象关系的描述;物理层采用MongoDB数据库的内嵌、引用文档的设计方法和分片设计的思路,构建学生对象到存储组织的映射关系,实现对象化组织和分布式存储结构。（2）构建了时空细粒度学生校园活动轨迹数据集。数据集包括了 1845名本科生的多源数据,涵盖一卡通消费、图书馆门禁、借阅和WI-FI日志数据。针对WI-FI 日志数据的 AP 抖动现象,本文采用了 最短间隔时间和最近邻的定位方法,对 WI-FI 数据进行了定位筛选处理,取得了较好的效果。通过多源数据的融合,得到了包含活动开始时间、停留时间、位置信息、行为描述的校园活动轨迹数据集。（3）开展了基于时空细粒度活动特征挖掘。从学生活动的时空特征和校园行为活动的时空模式两个方面来研究大学生校园行为活动的时空特点。学生的时空特征主要是从时间、空间、活动类型这三个角度出发,结合专业、性别、年级间的对比,挖掘时空特征上的差异。校园行为活动的时空模式挖掘主要研究了社交、生活规律度、宅度、学习行为投入度四个方面。并采用关联规则Apriori算法挖掘得到大学生行为活动模式间的强关联关系。（4）构建了大学生校园行为活动画像平台,建立了大学生校园行为活动画像平台的标签体系,并实现了基于校园日常行为活动分析的画像可视化展示。本文的创新点:（1）提出大学生校园活动时空细粒度组织模型,实现周期重复行为数据的时空序列化有机组织。（2）构建基于学生对象活动的非关系化组织方法与存储结构,实现以学生为对象的时空专题高效查询应用。（3）建立基于活动时空特征的大学生行为活动画像分析平台,实现个体与群体行为活动过程细节化分析。