◆呂淑艷 張亨國
(中國政法大學網絡安全和信息化辦公室 北京 102249)
隨著智能終端設備的普及使用,無線網已經成為高校師生利用互聯網進行教學、辦公和生活的主要聯網方式,實現了便捷的移動互聯,無線網已從有線網絡的輔助方式轉為主要方式,成為高校信息化建設工作的基石。與此同時,無線互聯積累了海量的半結構化數據,這些數據為高校開展教育教學管理工作提供了重要的支撐,尤其在大數據背景下,使“用數據說”話成為事實,輔助領導決策,有助于提高學校的現代化辦學水平。
高校無線網的建設是分階段進行的,前期由于無線網技術剛剛應用到高校,設備昂貴,學校只能考慮在重要的教學、辦公以及人口密集區域建設無線網,之后,隨著無線網技術在高校的重點推廣和應用,無線設備價格普降,加之師生用戶的強烈需求,在學校信息化建設資金的持續投入下,高校的無線網進行了二期、三期直至無線覆蓋全校的建設完成,高校的無線已經形成了由多臺AC(Access Controller)控制管理器、成千上萬個AP(Access Point)、POE(Power Over Ethernet)3A 認證和無線管理軟件組成的龐大復雜網絡體系,成為學校校園網中重要的組成部分。
從經濟成本角度結合室內房間面積、人口密度、房間布局,走廊特征以及室外區域特點以及AP 設備的性能,中國政法大學選擇了普通室內AP、室內面板AP(支持有線接入)、室內高密度AP 以及室外AP 四種工作在2.4G 和5G 雙頻段的AP 覆蓋全校各區域,具體部署如下:
(1)普通室內AP,支持并發連接30-50 人,理論最高連接速率在5G 頻段 800Mbps,2.4G 頻段300M,用于學校30 人小教室,走廊等低密度環境。
(2)室內面板AP,支持并發連接30-40 人,理論最高連接速率5G 頻段800Mbps,2.4G 頻段300M,用于學生宿舍(每三個宿舍安裝一個)和辦公室等低密度環境側墻安裝,可以兼顧有線網絡需求的終端設備。
(3)室內高密度AP,支持并發連接60-80 人,理論最高連接速率在5G 支持1.5Gbps,2.4G 支持300M,適用于教室、會議室等高密度環境。
(4)室外AP,支持并發連接150 人,AP 覆蓋半徑50 米左右,理論最高連接速率在5G 支持1.5Gbps,2.4G 支持300M,適用于校園園區室外環境。
為保障無線網絡可靠穩定的服務質量,無線網絡物理線路不再寄生于有線網絡,采取獨立的綜合布線,AP 上聯各接入層POE交換機,POE 交換機上連到樓宇匯聚交換機,匯聚交換機直達校園網核心交換機,根據所選用的設備廠商和設備性能,關鍵業務節點上的設備可以考慮冗余配備,保證網絡的可靠性。中國政法大學兩個校區距離約40 公里,兩校區之間光纜直連,校區二網絡只做接入和匯聚兩層,匯聚通過兩校區光纜直連到校區一核心設備上,拓撲圖如圖1。
AP 部署之前參照基建大樓平面圖進行設計安裝,并在平面圖上將AP 的位置進行繪制,形成各室內外建筑物的AP 點位圖,一來方便后期的設備運維,二來可以根據AP 的點位圖進行無線網用戶行為大數據的分析,輔助學校管理。下圖2 是學校某大樓某層的AP 點位示意圖。
無線網絡運行過程中產生了大量半結構化數據,由AC 和網管系統記錄下來,數據涵蓋以下內容:
設備數據:無線網絡設備的廠家、型號、設備類型、系統版本等總體統計信息;無線客戶端設備(用戶所用設備)的信號強度、健康狀況信息;無線用戶、空間環境、AP、POE 交換機、無線控制器的狀態信息;無線設備告警信息。
用戶數據:賬號信息,認證類型,MAC 地址,IP 地址、角色、網卡類型、操作系統,設備型號、SSID,登錄時間、使用時長,使用流量、信號強度、關聯AC、AP 等信息。
統計數據:自定義周期內每個AP 和AC 客戶端連接數及流量信息;自定義周期內每個SSID 用戶數連接數量、使用時長、數據流量信息;使用不同802.11 協議的用戶數量、使用時長、數據流量信息;用戶使用硬件終端信息;使用不同用戶終端廠家及類型的用戶數量、使用時長、數據量信息;使用不同操作系統的用戶數量、使用時長、數據量信息;
排名數據:使用不同AP 的用戶數量和數據流量排名信息;
熱圖數據:AP 信號強度的熱圖,AP 頻段的熱圖,客戶端與AP 關聯情況的熱圖,無線客戶端定位熱圖,無線客戶端的漫游軌跡圖。
隨著大數據在各行業的成熟應用,大數據也逐漸走進教育領域,并在高校的教學及管理工作中發揮出作用。使用大數據技術對學校數據進行分析,能夠輔助學校管理的方方面面,通過數據尋找事物之間的相關關系,揭示客觀發生的事情,幫助我們去預防或預測事物發展產生的后果。使學校從“主觀主義”“經驗主義”的模糊治理模式邁向“實事求是”“數據驅動”的精準治理方式。無線網數據作為學校教育大數據的重要組成部分,能夠實現為學校掌握學生的學習、生活狀況,推動學生管理工作的改革以及為學生提供個性化、精準化的服務,為學校的管理工作提供了客觀依據,使管理決策有據可依、有據可查。
(1)課堂考勤及課外學習
大學生培養質量是衡量高等教育質量的重要內容,是大學關注的重點。而學業成績作為衡量大學生發展質量以及高等教育教學質量的重要評判標準之一,是評定大學生本科學習生涯過程中學習能力的一項重要標準。課堂及課堂外學生學習投入是和大學生學業成績密切相關的。無線網數據可以分析出學生的學習投入情況,所記錄下的數據,包括AP 位置、AP 下無線網用戶、使用時間、使用流量信息,與學校教務選課數據結合,可以關聯分析出學生課堂出勤情況,學生出入教學樓、圖書館等物理學習空間自習情況以及通過訪問網絡學習資源等信息學習空間進行線上學習的情況,還可以通過學生上網時長和流量分析得到學生使用互聯網的情況,從而判斷其學業投入度。
(2)圖書館資源使用
學生對圖書館資源的利用率可以直接反映出學生在校的學習投入。圖書館為學生課外學習提供了物理空間,通過分析圖書館無線AP 可以得出學生出入圖書館頻次及在圖書館的時長,從而判斷學生利用圖書館借書、閱覽等學習行為。圖書館還為學生提供了豐富的電子資源,通過分析學生利用無線網訪問電子資源的數據,可以發現學生使用圖書電子資源的情況,從而衡量學生的學習狀態。
(1)辦公用房統計
由于我校辦學物理空間緊張,需要對現有的用房資源進行合理分配,通過對無線網絡數據的分析,可以了解現有用房的使用情況,從而輔助管理決策。
每個辦公房間內安裝了無線AP,每個房間的使用者每次進入該房間,其隨身攜帶的智能終端設備自動連接房間內無線設備。通過統計AP 位置信息、無線網用戶及使用時長,可以計算出自定義時間內的各房間使用率。
以每周五天,每天工作8 小時,統計某大樓一個月內所有房間的使用率為例,得到房間使用率對應的房間數量,如圖3。
(2)食堂實時就餐人員統計
為避免食堂擁擠,可以為師生提供食堂實時用餐人數,利用無線網的實時上網數據來定位人員位置形成熱圖,如圖4,直觀顯示出人口的實時密度,實時統計用餐人數,與學校的信息發布平臺對接實現用戶端的熱圖查看,為全校師生提供就餐時段的參考,實行錯峰就餐,既提升了師生的生活體驗,又提高了后勤部門的管理效率,減輕管理成本。

圖3 某大樓房間使用情況統計

圖4 食堂就餐人口密度熱力圖
(3)圖書館電子資源的利用率。
學校圖書館電子資源種類豐富,是學校師生教學科研的重要參考資料。然而,這些電子資源的采購成本占據了學校財務支出的很大比重,為了保證學校的資金合理投入,使資源能夠得到有效利用,可以利用大數據技術對電子資源的使用情況進行分析,通過將無線網數據與圖書館電子資源庫進行關聯分析,可以得到師生使用電子資源的情況,從而為學校電子資源的采購和管控提供事實依據。
高校是為國家培養人才的重要陣地,高校的穩定安全是培養人才的基礎,校園安全決定著大學生的發展。高校的校園安全管理采取“人防、物防和技防”的模式,其中“技防”主要以監控系統、門禁系統、證件識別系統為主,隨著信息技術的發展,要進一步完善校園安全管理,擴充技術防控手段,無線網可以為技防提供補充。將學校各個區域進行合理規劃后,利用校園無線網可以輔助保衛部門進行學校各物理位置的監控。無線網實現了全校覆蓋,將無線AP 設備采集的數據利用大數據分析技術呈現出的內容納進學校安全監控系統,為校園安全主動防御提供策略。
(1)人群密集預警
學校各個區域都布設了無線AP 設備,AP 可以實現采集用戶的實時位置數據,形成人群流動圖,如圖5,人群位置熱點圖,如圖6,將學校各區域的人群聚集情況直觀地展示出來,提供安全預警,增強監控的實時性,使學校能夠主動采取有效的管控措施。

圖5 人群流動圖

圖6 人群位置熱點圖
(2)學生不在校預警
近些年,隨著校內外各種因素的出現,高校學生安全管理工作尤為迫切,由于大學生課外學習和生活比較自由,相應的管理方式比較廣泛,輔導員與學生面對面的頻次不多,對每個學生的了解有限,因此,利用大數據技術,通過數據分析可以輔助學生管理工作。將大數據技術與高校學生管理工作協同,建立不同的數據分析維度,根據數據呈現結果為學生提供個性化、精細化的服務,尤其是能夠了解學生的安全狀況。無線網數據記錄了學生日常的上網情況以及出現在學校的位置信息,通過對這些數據的分析,可以判斷出學生是否離校,以及離校周期,以此提供預警信息,使高校學生管理工作由被動變主動,提前發現、提前預防。
校園無線網在高校的作用,不僅僅只為師生提供便捷的入網方式,還可以充分利用無線網絡大數據,并不斷挖掘數據在高校教育管理工作中的應用場景,將數據的優勢發揮出來。目前,高校已經進入深化改革發展階段,大數據可以有效促進高校各項工作的開展。無線網數據作為高校大數據的重要組成部分,可以與學校的其他數據組成校園多維數據,圍繞學校的教學、科研和管理工作,將多維數據進行相關分析,從多個層面、多個角度構建數據模型,通過深度挖掘、計算,將模型結果應用到學校的教育工作中,從而助力高校工作的改革發展。