移动校园：抓住大数据时代的脉搏

杭州华三通信无线产品线总工程师 白浪

在云计算大热之后，大数据（Big Data）又成为了业内的重点话题。许多行业已经借助互联网时代产生的大量数据，来推动自身业务的发展。在教育行业，一些学校同样也在开展大数据应用的探索。尤其是在拥有大量应用数据的高校，更是大数据在教育行业展现价值的最好舞台。那么，移动化后的校园大数据应用前景如何？校园大数据建设有哪些技术关键？

随着移动终端数量的快速增长，给互联网业务模式带来了巨大变化。移动互联网时代的应用重心，已经从网页应用转变成为了基于移动端的APP，包括一些大学也已经开发了许多校园APP。移动应用相对于固网应用带来的最大不同就是LBS（基于位置应用）的出现，根据用户的位置信息可以进行更详细的分析，同时，移动终端产生的数据所蕴含的信息量要远远超过PC终端，这些都给大数据应用带来更多基础。

从目前来看，大数据应用在商业领域最为超前。通过LBS应用与数据挖掘的整合，商家能够根据消费者的消费习惯，制定更有针对性的营销服务。而对于校园来说，基于移动终端的大数据应用同样有着广阔的空间。学校的教学、管理等工作，都可以利用校园各个系统与无线系统结合，搭建起校园大数据分析系统，进行关联分析，为不同老师、学生提供个性化的服务。例如可以结合学生终端连接无线AP的记录，按一定规则统计学生的行为轨迹，如超过3天没去自习室、超过3天没去食堂、超过1天没离开寝室等等，进而将学生可能存在的问题及行为轨迹推送给指导员，帮助指导员提前预防和解决，这种办法可以成为切实可行的学生行为管理方案。

而要实现这些，除了可以识别出终端类型、品牌型号、软件版本等终端识别技术之外，实现位置识别是最大关键。当前业内终端识别技术有几种，其中最传统的就是基于RSSI的“指纹定位”，通过事先采集各无线AP的信号“指纹”，来作为判断接入终端位置的依据。虽然指纹定位法较为普及，但是由于如果在面积大的情况下，采集信号的难度会很大，而且定位的偏差也会较大。

另外一种常见无线定位的方法是X-Share技术，将一个AP的多根馈线引到多个房间之后，可通过智能馈线的技术来对用户进行定位，这种定位主要在宿舍区用得比较多。

华三在无线终端定位方面则推出了创新算法，简称CUPID丘比特算法。与RSSI定位算法不一样的是，CUPID算法类似于GPS定位，利用电磁波相位的传播时间来判断距离。通过这种算法能够实现更加精确的定位，尤其是在相对比较空旷的场景如学校图书馆等，这种定位算法的精度可以达到2米左右，而且不需要实现进行AP的指纹采样，精确定位所需要的AP数量也相对较少，相对于RSSI的话大概能减少30%左右的AP部署量。

还有一种大家比较熟悉的无线定位技术是苹果基于蓝牙4.0推出的iBeacon定位技术，如果部署密度足够的话，这种定位精度相对更高，有时候可以达到1米左右。目前在一些商业场所，如上海K11、北京南锣鼓巷等，已经部署了一些iBeacon的定位节点。

基于蓝牙技术的iBeacon定位与WiFi定位技术两者可以互为补充，华三的位置定位方案中就是将两种方法组合起来，从而实现更加精准、高效的位置定位。

除了位置识别功能之外，校园大数据应用需要考虑的另一个重要因素就是用户的数据流量。大数据时代需要分析的关键信息非常多，要做到数据的深度分析，给系统带来的压力非常大。对此华三提出了分层AC架构概念，普通用户的数据分析流量由基础AC完成，而重点用户的分析处理，则将流量单独引导到能力更强的上层AC来处理，从而有效降低系统的负荷。

如今的校园大数据应用还只是刚刚起步，未来还有巨大的发展空间，课堂自动点到、活动信息推送、空闲教室查询……各种基于大数据的应用还只是冰山一角。华三基于新IT的大数据方案，可以提供1000个以上的API接口供各种分析应用使用，对未来的校园大数据应用给予全面的支撑。