疫情防控下基于大數據的高校實驗中心管理系統

楊呈永， 肖博懷， 謝曉蘭， 黎秋艷， 張琰霖

（1.桂林理工大學a.網絡與信息中心；b.信息科學與工程學院；c.外國語學院，廣西桂林 541004；2.桂林信息科技學院外貿與外語系，廣西桂林 541004）

0 引 言

2020 年5 月起，國內疫情得到有效控制，各行各業陸續復工復產，但復工復產后需要保持疫情常態化防控不能放松，各行各業在復工復產后如何科學精準、全力以赴做好常態化疫情防控依然是一個嚴峻的挑戰。實驗中心是高校實驗室匯聚和開展實踐教學和科研創新的重要場所，承擔著高校人才培養的重要任務［1-2］，同時存在人流量大、潛伏因素多等原因使得防疫工作更具有挑戰性。所以，在疫情管控期間充分利用先進技術研發系統保障好高校實驗室的正常運行同時又要做好防疫工作，是高校實驗中心管理的重要工作。本文以物聯網和大數據為技術手段，設計了一個疫情防控下實驗中心管理系統。

1 現狀分析

隨著近幾年高校的發展，很多高校都建設了大規模高校實驗中心。以我校現有實驗中心為例，建設科創實驗中心40 間，大學生創業中心48 間，計算機實驗中心24 間，外語語音室中心28 間，虛擬仿真實訓中心12 間，工程實訓中心8 間。

由于受疫情影響，原有管理方式面臨眾多問題。

（1）缺乏防疫經驗。在當下疫情的環境下，大部分高校的實驗中心缺少防疫經驗。教師亦缺乏自我防護、秩序維護、學生追蹤等操作經驗；學生缺乏信息認證、突發情況等經驗；場所本身缺乏檢測、預警、殺毒等防疫經驗。

（2）防疫設備不充足。要保障疫情防控下安全上實驗課，實驗中心必須有充足的新型防疫設備支持，而目前大部分高校的新型防疫設備相對匱乏，這就導致實驗中心管理系統不能得到全面發展。

（3）技術復雜。一個完整的大數據實驗中心管理系統，需要物聯網、大數據、區塊鏈、新一代人工智能等新興技術［3］，并把這些技術與實驗中心現有的技術結合，再結合疫情防控業務，技術層面要求的較為復雜，開發相對不易。

（4）信息資源缺乏開放平臺，無法開放共享。由于歷史建設原因一些類似大型儀器設備實驗室建設相對獨立，對于設備場地要求過高，沒有集中到對應實驗中心，資源管理相對獨立，無法實現資源共享［4］。

2 大數據技術的實驗中心管理系統框架設計

經過調研分析，實驗中心管理系統采用分層架構［5］。該系統通過實驗室預約、每天出入等龐大數據作為基礎，這就需要通過各種接口來采集數據并且存儲到大數據的數據庫中；采集和存儲的數據雜亂無章，這就需要對這些數據進行處理；處理過后的數據通過算法和各種數據庫轉化成信號作為預警信息；處理過后的數據服務各種功能，如數據可視化等。另外，系統需保留各種應用終端的平臺接口。實驗中心管理系統的框架具體分為五大層，如圖1 所示。

圖1 實驗中心管理系統體系結構

2.1 數據采集與存儲層

數據采集與存儲層的數據源主要有3 個：高校大數據云存儲中心調用的數據、實驗中心管理系統采集的學生行為數據、智能終端傳輸的數據。采集與存儲的方案見圖2。

圖2 數據采集與存儲方案

Zookeeper是一個具有容錯性和高可用性的分布式協作組件。在zk 集群的基礎上，可以配置Hadoop高可用模式。該模型具有雙神經網絡NN 節點，可實現容災。另外，結合F1ume、Kafka、Hbase等技術，通過F1ume實現數據采集，采集的數據緩存在Kafka模塊中，最后存儲在Hbase、MongoDB、Spark SQL 等數據庫中［6］，供數據預處理層提取。

2.2 數據預處理層

數據預處理層主要包括數據抽取、數據清洗、數據轉換、數據集成。對于數據采集與存儲層提供的數據進行四步驟處理：①將數據采集與存儲層中感興趣的數據源進行抽取；②將抽取的部分感興趣的數據源進行糾正，包括數據一致性、處理無效值和缺失值等；③將糾正好的數據源進行轉換或歸并，從而構成一個適合數據處理的描述形式；④再把處理好的數據根據業務的需要有機地集中，從而為實驗中心管理系統提供全面的數據共享［7］。

2.3 數據預警信號生成層

該層是一個信號輸出、模型優化、預警模型、觸發規則相互循環的一個流程。推理規則和本地構建構成的本體庫為預警模型提供了數據源［8］，知識庫、案例庫、應急庫等疫情的數據庫不斷建模用來優化模型，而本體庫則是用來推理規則和本地建構，如疫情信息、學生信息等數據的建構與推理。

2.4 數據服務層

（1）實驗預約。學生可通過系統進行實驗課前實名預約，系統通過該學生的行為數據和算法實現個人疫情風險分析，判斷有無實驗預約的條件。

（2）數據可視化。實驗中心管理系統目前主要的可視化功能模塊如圖3 所示，包括全國疫情監測可視化，實驗室預約可視化，學生行為數據可視化，智能預警可視化，門禁系統可視化等。

圖3 可視化功能模塊圖

通過公共衛生事件應急數據云存儲中心開放接口，對接口提供的疫情全國分布、每日新增數量等數據進行可視化；通過學生預約實驗室的情況進行可視化；通過各個終端對學生行為如進出某個實驗室進行可視化；通過建模以及優化算法對智能預警信息進行可視化；通過門禁設備對門禁系統進行可視化。可視化內容展現在大數據實驗中心智慧屏和后臺管理中。

（3）預警信息查詢。教師和學生可通過實驗中心管理系統獲取公共衛生事件應急數據云存儲中心的數據，進行預警信息查詢。

（4）數據錄入管理。實驗中心管理系統可把通過門禁和測溫系統把人員的信息、體溫、從何處來等數據封裝成數據包和接口，供其他平臺使用。

（5）預警決策推薦。實驗中心管理系統采用樸素貝葉斯網絡、BP 神經網絡和決策樹等算法。其中，樸素貝葉斯網絡普通模式為實驗樣本數據加上已有疫情數據經過計算后得出決策信息；BP神經網絡是應用最為廣泛的神經網絡，具有高修復性、高自適應性以及高多維度函數學習型［9］。

（6）檢測數據開放。實驗中心管理系統采用XMA整合協同平臺，XMA 相對于其他數據接口管理的平臺，優勢在于其具有高并發、高可靠、高效率的優點。XMA整合協同平臺由部署在專用的服務器上，改服務器與數據接口共享系統共同組成該平臺，解決數據收集、并發、調用、同步性等問題。各個實驗中心的設備都可通過XMA整合協同平臺向數據中心共享數據。具體流程見圖4。

圖4 數據共享流程圖

在如今疫情仍未完全平息的時間下，全國疫情防控數據變得尤為重要，全國數據都要相通［10］。實驗中心要完全開放疫情數據，可以把采集到的疫情大數據打包封裝，對外暴露開放的接口供各大防疫平臺使用，為疫情防控做出一份微薄的力量。

2.5 應用終端層

常見的應用終端包括Web 端、移動終端，實驗中心管理系統的應用終端也使用這兩種常見的終端以及預警信息發布平臺，可采用ZigBee［11］的無線通信技術，它具備短距離、低功耗、高可靠的特性。ZigBee 的每個分支傳感器在識別并接受大數據時，會通過通信的無線網絡發送給數據采集協調器，接著把該項目與互聯網連接，然后通過有線網絡向已連接的服務器發送數據和電子信號，最終可利用大數據技術和物聯網技術實現雙向通信，并進行智能化管理。實驗中心管理系統的防疫數據也可對接在公共平臺上，比如預警信息發布平臺、公共衛生事件應急平臺等。

3 實驗中心管理的物聯網感知層設計

3.1 門禁系統

實驗中心將大數據技術和物聯網技術有機結合［12］，將來訪人員的身份信息等數據保存在數據庫服務器中，并上傳到大數據實驗中心管理系統。

（1）門禁分控器。分控器增強了門禁系統在單機情況下的正常運作。分控器確保在網絡或者主控器發生故障的情況下，門禁依然正常運作。

（2）讀卡器。選用PK-R35X/W34 讀卡器，應用了Mifare1 技術。此讀卡器功能強大，容錯率高，具有免實體接觸、防水防電、使用壽命高的特點，是實驗中心門禁系統的最佳選擇。

（3）電控鎖。電控鎖是門禁系統中必不可少的零件之一，選用了通CE 等認證的電控鎖，確保系統穩定。①單扇木門：一般選用機械鎖，要注意內門把手為標準型，可開鎖；外門把手可以空轉但只能用鑰匙開門。②90 度開玻璃門、防盜門或雙開門（消防通道等）。

（4）紅外線防盜。紅外線防盜采用熱成像技術，若在實驗中心非開放時間或者未通過門禁系統進來的人員，會被防盜系統檢測，管理員將第一時間知道并選擇是否報警。

（5）指紋門禁傳感器。記錄進入實驗室的人員的指紋情況，并上傳到大數據實驗中心管理系統中［13］。具體拓撲如圖5 所示。

圖5 門禁系統拓撲圖

3.2 智能預警

對實驗中心的設備進行觀察，如遇到故障，比如電壓異常、電量、內部溫度等故障，立即發出警告，并立即通知管理員，具體如下：

（1）溫度預警。當溫度傳感器感應到設備溫度超過正常溫度，就會通過語音系統發出警告，并第一時間通過公眾號或者APP通知實驗中心管理員。

（2）防盜預警。當紅外線傳感器感應到非開放時間并未通過門禁系統的人員闖入實驗中心，就會第一時間通過公眾號或者APP通知實驗中心管理員。

（3）門禁管理。管理員可通過公眾號遠程查看門禁情況，并可遠程控制門禁進出來控制進出成員。

以上的預警都有分預警程度，管理員可通過不同的預警程度來做出相應的應對措施，小到自己通過設備來管理預警，大到一鍵報警，這樣可以有效避免各種情況的發生，大大地提高了管理員的管理效率。

3.3 防疫措施

（1）AI 人臉識別。疫情原因下進出實驗中心必須得佩戴口罩，這就需要對佩戴罩的人員進行AI人臉識別，以辨別進出人員的身份。實驗中心調用百度AI人臉識別接口，該接口開放、免費，可以在戴口罩的情況下通過AI技術識別人員身份，并與高校學生數據進行核對，從而實現個人身份驗證。

（2）溫度檢測。在大自然中，每個物體都會受到紅外線的輻射。紅外線是一種電磁波，可根據不同溫度對不同物體造成輻射，又稱紅外輻射的電磁波。系統防疫的體溫監測是通過紅外線的照射，對進出人員的體溫進行熱紅外成像。斯特藩-玻爾茲曼定律［14］得出物體的紅外線輻射量與物體表面上的溫度的四次方成正比例，由此可見物體表面的溫度即使微弱波動，紅外線輻射量也會發生巨大的變動，這就是本系統體溫測試紅外線熱成像的原理，工作流程見圖6。

圖6 體溫測試流程圖

（3）自動消毒。當進入成員經過溫度檢測后顯示正常溫度，仍需要對雙手進行消毒殺菌。消毒液采用濃度為80%的乙醇氣體，并利用紫外線照射增強殺菌效果。

（4）異常報警。在人體測溫高于正常閾值時，實驗中心會第一時間通過公眾號或者APP 來通知管理員，并第一時間報警。

4 基于大數據的實驗中心管理系統設計

實驗中心管理系統的實現分為四大層，見圖7。

圖7 實驗中心管理系統技術架構

（1）第一層為前端UI 層。這層需要用到HTML，CSS，JS等常用的Web技術。

（2）第二層為展示層。使用ajax 用于數據發送、緩沖和獲取，本實驗中心管理系統使用了Vue 框架和Echars組件，并用了ElementUI框架渲染頁面。

（3）第三層為服務層。本實驗中心管理系統使用了SpringCloud的技術，將實驗室的主要功能分為用戶服務、數據服務、可視化服務和分析服務。

（4）第四層為數據存儲和計算層。實驗中心的數據存儲在MySql 數據庫中，數據分析的文件會通過hadoop集群存儲到存儲平臺。

實驗中心管理系統通過訪問瀏覽器網頁來實現。網頁所加載的數據通過ajax 緩沖得來，并通過json 數據解析，構造成html頁面顯示。

部分代碼如下：

＜script type ＝＂ text/javascript＂ src ＝＂ js/jquery.js＂ ＞＜/script ＞

＜script ＞

＄（document）.ready（function（）｛

＄.ajax（｛

type：＂ GET＂，

async：false，url：＂ json/GetJson_readerinf.action＂，

dataType：＂ json＂，success：function（data）｛

//讀取進出人員信息、預警信息、防疫信息等

＄（＂＃readername＂）.html（data.readerinf［0］.AirStatus）；

實驗中心大數據預警平臺界面如圖8 所示。

圖8 實驗中心大數據預警平臺界面圖

5 結 語

在疫情防控期間，充分利用物聯網、大數據技術構建的高校實驗中心管理系統，實現實驗課前實名預約進行個人疫情風險分析、在實驗中心入口實現個人身份驗證和溫度預警，為公共衛生防疫系統提供準確個人軌跡分析數據，有效輔助學校做好疫情的防控工作，保障高校實驗教學順利進行，對常態化疫情防控下高校實驗中心管理具有重要借鑒意義。