◆吕淑艳 张亨国
(中国政法大学网络安全和信息化办公室 北京 102249)
随着智能终端设备的普及使用,无线网已经成为高校师生利用互联网进行教学、办公和生活的主要联网方式,实现了便捷的移动互联,无线网已从有线网络的辅助方式转为主要方式,成为高校信息化建设工作的基石。与此同时,无线互联积累了海量的半结构化数据,这些数据为高校开展教育教学管理工作提供了重要的支撑,尤其在大数据背景下,使“用数据说”话成为事实,辅助领导决策,有助于提高学校的现代化办学水平。
高校无线网的建设是分阶段进行的,前期由于无线网技术刚刚应用到高校,设备昂贵,学校只能考虑在重要的教学、办公以及人口密集区域建设无线网,之后,随着无线网技术在高校的重点推广和应用,无线设备价格普降,加之师生用户的强烈需求,在学校信息化建设资金的持续投入下,高校的无线网进行了二期、三期直至无线覆盖全校的建设完成,高校的无线已经形成了由多台AC(Access Controller)控制管理器、成千上万个AP(Access Point)、POE(Power Over Ethernet)3A 认证和无线管理软件组成的庞大复杂网络体系,成为学校校园网中重要的组成部分。
从经济成本角度结合室内房间面积、人口密度、房间布局,走廊特征以及室外区域特点以及AP 设备的性能,中国政法大学选择了普通室内AP、室内面板AP(支持有线接入)、室内高密度AP 以及室外AP 四种工作在2.4G 和5G 双频段的AP 覆盖全校各区域,具体部署如下:
(1)普通室内AP,支持并发连接30-50 人,理论最高连接速率在5G 频段 800Mbps,2.4G 频段300M,用于学校30 人小教室,走廊等低密度环境。
(2)室内面板AP,支持并发连接30-40 人,理论最高连接速率5G 频段800Mbps,2.4G 频段300M,用于学生宿舍(每三个宿舍安装一个)和办公室等低密度环境侧墙安装,可以兼顾有线网络需求的终端设备。
(3)室内高密度AP,支持并发连接60-80 人,理论最高连接速率在5G 支持1.5Gbps,2.4G 支持300M,适用于教室、会议室等高密度环境。
(4)室外AP,支持并发连接150 人,AP 覆盖半径50 米左右,理论最高连接速率在5G 支持1.5Gbps,2.4G 支持300M,适用于校园园区室外环境。
为保障无线网络可靠稳定的服务质量,无线网络物理线路不再寄生于有线网络,采取独立的综合布线,AP 上联各接入层POE交换机,POE 交换机上连到楼宇汇聚交换机,汇聚交换机直达校园网核心交换机,根据所选用的设备厂商和设备性能,关键业务节点上的设备可以考虑冗余配备,保证网络的可靠性。中国政法大学两个校区距离约40 公里,两校区之间光缆直连,校区二网络只做接入和汇聚两层,汇聚通过两校区光缆直连到校区一核心设备上,拓扑图如图1。
AP 部署之前参照基建大楼平面图进行设计安装,并在平面图上将AP 的位置进行绘制,形成各室内外建筑物的AP 点位图,一来方便后期的设备运维,二来可以根据AP 的点位图进行无线网用户行为大数据的分析,辅助学校管理。下图2 是学校某大楼某层的AP 点位示意图。
无线网络运行过程中产生了大量半结构化数据,由AC 和网管系统记录下来,数据涵盖以下内容:
设备数据:无线网络设备的厂家、型号、设备类型、系统版本等总体统计信息;无线客户端设备(用户所用设备)的信号强度、健康状况信息;无线用户、空间环境、AP、POE 交换机、无线控制器的状态信息;无线设备告警信息。
用户数据:账号信息,认证类型,MAC 地址,IP 地址、角色、网卡类型、操作系统,设备型号、SSID,登录时间、使用时长,使用流量、信号强度、关联AC、AP 等信息。
统计数据:自定义周期内每个AP 和AC 客户端连接数及流量信息;自定义周期内每个SSID 用户数连接数量、使用时长、数据流量信息;使用不同802.11 协议的用户数量、使用时长、数据流量信息;用户使用硬件终端信息;使用不同用户终端厂家及类型的用户数量、使用时长、数据量信息;使用不同操作系统的用户数量、使用时长、数据量信息;
排名数据:使用不同AP 的用户数量和数据流量排名信息;
热图数据:AP 信号强度的热图,AP 频段的热图,客户端与AP 关联情况的热图,无线客户端定位热图,无线客户端的漫游轨迹图。
随着大数据在各行业的成熟应用,大数据也逐渐走进教育领域,并在高校的教学及管理工作中发挥出作用。使用大数据技术对学校数据进行分析,能够辅助学校管理的方方面面,通过数据寻找事物之间的相关关系,揭示客观发生的事情,帮助我们去预防或预测事物发展产生的后果。使学校从“主观主义”“经验主义”的模糊治理模式迈向“实事求是”“数据驱动”的精准治理方式。无线网数据作为学校教育大数据的重要组成部分,能够实现为学校掌握学生的学习、生活状况,推动学生管理工作的改革以及为学生提供个性化、精准化的服务,为学校的管理工作提供了客观依据,使管理决策有据可依、有据可查。
(1)课堂考勤及课外学习
大学生培养质量是衡量高等教育质量的重要内容,是大学关注的重点。而学业成绩作为衡量大学生发展质量以及高等教育教学质量的重要评判标准之一,是评定大学生本科学习生涯过程中学习能力的一项重要标准。课堂及课堂外学生学习投入是和大学生学业成绩密切相关的。无线网数据可以分析出学生的学习投入情况,所记录下的数据,包括AP 位置、AP 下无线网用户、使用时间、使用流量信息,与学校教务选课数据结合,可以关联分析出学生课堂出勤情况,学生出入教学楼、图书馆等物理学习空间自习情况以及通过访问网络学习资源等信息学习空间进行线上学习的情况,还可以通过学生上网时长和流量分析得到学生使用互联网的情况,从而判断其学业投入度。
(2)图书馆资源使用
学生对图书馆资源的利用率可以直接反映出学生在校的学习投入。图书馆为学生课外学习提供了物理空间,通过分析图书馆无线AP 可以得出学生出入图书馆频次及在图书馆的时长,从而判断学生利用图书馆借书、阅览等学习行为。图书馆还为学生提供了丰富的电子资源,通过分析学生利用无线网访问电子资源的数据,可以发现学生使用图书电子资源的情况,从而衡量学生的学习状态。
(1)办公用房统计
由于我校办学物理空间紧张,需要对现有的用房资源进行合理分配,通过对无线网络数据的分析,可以了解现有用房的使用情况,从而辅助管理决策。
每个办公房间内安装了无线AP,每个房间的使用者每次进入该房间,其随身携带的智能终端设备自动连接房间内无线设备。通过统计AP 位置信息、无线网用户及使用时长,可以计算出自定义时间内的各房间使用率。
以每周五天,每天工作8 小时,统计某大楼一个月内所有房间的使用率为例,得到房间使用率对应的房间数量,如图3。
(2)食堂实时就餐人员统计
为避免食堂拥挤,可以为师生提供食堂实时用餐人数,利用无线网的实时上网数据来定位人员位置形成热图,如图4,直观显示出人口的实时密度,实时统计用餐人数,与学校的信息发布平台对接实现用户端的热图查看,为全校师生提供就餐时段的参考,实行错峰就餐,既提升了师生的生活体验,又提高了后勤部门的管理效率,减轻管理成本。
图3 某大楼房间使用情况统计
图4 食堂就餐人口密度热力图
(3)图书馆电子资源的利用率。
学校图书馆电子资源种类丰富,是学校师生教学科研的重要参考资料。然而,这些电子资源的采购成本占据了学校财务支出的很大比重,为了保证学校的资金合理投入,使资源能够得到有效利用,可以利用大数据技术对电子资源的使用情况进行分析,通过将无线网数据与图书馆电子资源库进行关联分析,可以得到师生使用电子资源的情况,从而为学校电子资源的采购和管控提供事实依据。
高校是为国家培养人才的重要阵地,高校的稳定安全是培养人才的基础,校园安全决定着大学生的发展。高校的校园安全管理采取“人防、物防和技防”的模式,其中“技防”主要以监控系统、门禁系统、证件识别系统为主,随着信息技术的发展,要进一步完善校园安全管理,扩充技术防控手段,无线网可以为技防提供补充。将学校各个区域进行合理规划后,利用校园无线网可以辅助保卫部门进行学校各物理位置的监控。无线网实现了全校覆盖,将无线AP 设备采集的数据利用大数据分析技术呈现出的内容纳进学校安全监控系统,为校园安全主动防御提供策略。
(1)人群密集预警
学校各个区域都布设了无线AP 设备,AP 可以实现采集用户的实时位置数据,形成人群流动图,如图5,人群位置热点图,如图6,将学校各区域的人群聚集情况直观地展示出来,提供安全预警,增强监控的实时性,使学校能够主动采取有效的管控措施。
图5 人群流动图
图6 人群位置热点图
(2)学生不在校预警
近些年,随着校内外各种因素的出现,高校学生安全管理工作尤为迫切,由于大学生课外学习和生活比较自由,相应的管理方式比较广泛,辅导员与学生面对面的频次不多,对每个学生的了解有限,因此,利用大数据技术,通过数据分析可以辅助学生管理工作。将大数据技术与高校学生管理工作协同,建立不同的数据分析维度,根据数据呈现结果为学生提供个性化、精细化的服务,尤其是能够了解学生的安全状况。无线网数据记录了学生日常的上网情况以及出现在学校的位置信息,通过对这些数据的分析,可以判断出学生是否离校,以及离校周期,以此提供预警信息,使高校学生管理工作由被动变主动,提前发现、提前预防。
校园无线网在高校的作用,不仅仅只为师生提供便捷的入网方式,还可以充分利用无线网络大数据,并不断挖掘数据在高校教育管理工作中的应用场景,将数据的优势发挥出来。目前,高校已经进入深化改革发展阶段,大数据可以有效促进高校各项工作的开展。无线网数据作为高校大数据的重要组成部分,可以与学校的其他数据组成校园多维数据,围绕学校的教学、科研和管理工作,将多维数据进行相关分析,从多个层面、多个角度构建数据模型,通过深度挖掘、计算,将模型结果应用到学校的教育工作中,从而助力高校工作的改革发展。