0 0 1 0 1 0 0 1 趋势 趋势 • 海量异构非结构化数据 • 大规模用户数 • 安全合规无法保障 • 知识沉淀难度高 • 知识赋能无法达成 “ 数据”和“知识”双擎驱动智慧校园 数据是高校的“血液” ，是保障正常管理和服务运营效能提升的基础。高校中存在海量 的非结构化数据 ，且正以每年几十、几百 TB 级快速增长。对于高校如此庞大的数据量， 数据驱动智慧校园建设｜ 06 部分教育客户 PEKING UNIVERSI TY U N 统一日志管理及可观测性方案 云基础设施可观测性方案 灾备体系可观测性方案 AnyShare 可观测性方案 非结构化数据中台，实现“数据” +“ 知识”双擎驱动 增强数字化韧性，提升服务水平（ SLA ） 高校云盘建设 高校智能教学助手 数据驱动智慧校园建设｜ 12 增强智慧校园数字化韧性，提升服务水平（ SLA ） 高性能 万兆网络环境下备份恢复速度可达 300MB/s ，打 破海量非结构化数据保护下备份恢复性能低的瓶颈， 为高校师生数据提供高性能保护 一致性 数据由 AnyBackup 统一整合并编排调度保证应用 一致性，防止数据丢失和应用不可用，确保高校师

通过前章的现状分析得知，学校已建成了部分的部门级别的应用系统以及 数字化校园三大平台，结合高校信息化建设的五个阶段。规划建设思路如下： 对各业务系统产生的数据进行集成，尽可能多的抽取数据，包括结构化数据、 半结构化数据、非结构化数据，建成全量数据库，形成基础数据层。然后通过 数据治理工具，提高基础数据的质量，形成高质量的有效数据层。 最后对高质 量的数据进行挖掘和分析，形成高价值数据层，为教师和学生提供个性化的应 台，建立不同主题和层次的数据挖掘类应用系统，为校领导、各级管理机构和 教师，提供一个实时、全景式的数据分析挖掘和展现平台。 四、总体规划 1. 技术架构 结构化数据 非结构化数据 半结构化数据 数据库（OLDP） 超级数据立方体（cube） 图数据库 （Neo4j） 分布式数据系统（Hadoop+ 数据层包含三类数据：结构化数据、半结构化数据、非结构化数据。数据层数 据为信息层数据仓库的建立提供支撑。 1、结构化数据 学校信息化建设中涉及到的各业务系统如学工系统、教务系统、人事管理 系统、科研管理系统、一卡通等均是以关系型数据库的方式进行数据存储，此 类传统的关系数据模型、行数据，存储于数据库，可用二维表结构表示的数据 均为结构化数据。 2、半结构化数据 半结构化数据是类似 XM

语音 日志 网页 视频 健康档案 图片 资源目录服务接口 数据准备层 桥接 导入 ETL 数据接入 管理层 少量结构化 数据抽取 海量结构化 数据抽取 半结构化 数据抽取 非结构化 数据抽取 结构化大数据存储 MPP数据库集群 非结构化大数据存储 Hadoop平台 粗粒度 索引 SQL优化 资源管理 大表关联 列存储 压缩技术 动态扩展 并行数据 加载

息化建设的当务之急，也是本次项 目建设的内容。1 . 3 项目建设意义 随着校园信息化的不断发展，业务系统的数据量越来越大，为给学校发展提 供更好的工具支撑和业务系统支撑，需要分析大量结构化、非结构化形态数据， 这就对数据处理速度、数据分析能力、数据获取、复杂数据类型的实现提出了更 高的要求。原本的 0 L AP 数据分析已经无法满足智慧应用的根本需求，而基 于大数据的超常规路 式进行再优化。另 外，能够对高校内的各个实体所产生的数据信息进行存储。所以，在校园信息化 建设中利用大数据的战略意义不仅仅是庞大的数据信息的获取，更是对这一部分 数据的专业处理。将结构化、半结构化以及非结构化的数据信息作为其原始信息， 再经过加工、分析和整理，从而提炼出有效的价值，这样才能为高校智慧化管理 提供有力的支持。 第 2 页 2. 用户需求分析 2.1.建设现状 西北民 任务的统一创建和管理； 支持将日志文件通过 FI u me 等集成工具流式采集到 HDFS 中进行 数据分析； 支持在 h a do o p 与结构化数据库之间的数据导入导出； 支持读取、解析半结构化如 E x c e1 、c s v 、x ml 等文件并集成； 支持 K a f k a 消息队列形式进行数据 ETL

，实现事前预警、事中处置、事后分析及 AI 自主学习功能 ，通过视频 监控 人脸数据、车辆数据等的关联分析 ，融合 3D 立体视觉感知、大规模跨镜追踪（ ReID ）等多种算 法 ，实 现人、车、非机动车结构化分析 & 智能检索 ，提升办公整体安全防控治理水平。 应用价值： ① 支持通过人脸、人体、车辆、非机动车特征属性查证 ，可节约事后 90% 以上的查证时间。 ② 立体化防控系统 ，实现校园多层防控、对象多级管控 车辆 和 非机动车 同行人分析 事件预警 以图搜图 人、车、非机动车属性搜索 “ 非机动车” 数据结构化 “ 车” 数据结构化 “ 人” 数据结构化 针 对 室 内 公 共 区 域， 公共停车场 、 设 备机 公 共 区 域 重 点 区 域 出 入 口 视频调阅 轨迹分析 范、人脸识别。 校园治理： 安防

现人、车、非机动车结构化分析 & 智能检索，提升办公整体安全防控治理水平。 应用价值： ① 支持通过人脸、人体、车辆、非机动车特征属性查证，可节约事后 90% 以上的查证时间。 ② 立体化防控系统，实现校园多层防控、对象多级管控，可提升 50% 安全防控人效。 “ 非机动车” 数据结构化 人、车、非机动车属性搜索 “ 人” 数据结构化 “ 车” 数据结构化 公 共 区 域

息的分 析，DeepSeek 能够生成多维度的教学评价指标，如学生学习效 果、教师教学能力、课程质量等。 为了更好地支持教学评价，DeepSeek 还引入了多模态数据分 析技术。系统能够将结构化数据（如考试成绩、出勤记录）与非结 构化数据（如课堂视频、学生作业）进行融合分析，从而提供更加 全面和客观的评价结果。例如，通过分析课堂视频中的师生互动情 况，系统可以评估教师的授课效果和学生的学习注意力。 多源数据融合：包括学生学习行为、教师教学效果、课程内 容、教学环境等多维度数据。  自然语言处理与机器学习：深度分析教学数据，识别关键信 息，生成多维度评价指标。  多模态数据分析：融合结构化与非结构化数据，提供全面客观 的评价结果。  自适应学习算法：根据不同情况自动调整评价模型参数和权 重，确保结果的针对性和适用性。  可视化分析工具：帮助教育管理者直观了解评价结果，制定改 数据类型的多样性也是本项目的一个特点，主要包括结构化数 据和非结构化数据。结构化数据易于量化和分析，如学生的考试成 绩、出勤记录等，这些数据通常以表格形式存储，便于直接导入 DeepSeek 平台进行处理。非结构化数据则包括教师的教学日志描 述、学生的开放性问题回答等，这类数据需要通过自然语言处理技 术进行解析，提取有价值的信息。 为了更直观地展示数据的分类和处理方式，以下是一个简单的 数据分类表：  结构化数据 o

，扰乱了校园周边环境和谐稳定 的秩序。 应用价 值 • 一机多用 同时实现大场景监控和细节跟踪 ，同时支持双平台接入 ，报警信息可 及 时推送公安系统； • 视频结构化 实现人体特征结构化检测 ，支持衣裤类型及颜色 ，带帽、拎包检测； • 智能检索 结合后端智能服务器 ，实现特征检索及人脸搜图 ，大大保障了校园周 边 的安全防范。 出入口 公共区域 道路 校园周边 周界 监控中心 细节 智能检索 解决方案 视频结构化 大场景监控 ，多目标检测 > 周边防控 特征检索 | 以图搜 图 人体特征 | 人脸抠 图 细节跟踪 ， 目标抓拍 全景 • 智能识别、高效安全 自主创新 SAG 芯片 ，人工智能算法区分人、车、物 分 析 教 学 质 量 教学多媒体系统 陌生人数 据库 成绩数据 库 动环信息 库 出入数据 库 访客数据 库 课程数据 库 结构化业务数据备份容灾 数据 共享 会 人 议 员 签 密 … 到 度 机动车 识别 报警数据 库 行为数据 库 学籍信息 库 车辆数据 库 人脸数据 库

我们可以激发用户之间的讨论，挖掘出更深层次的需求，以及 各类用户之间存在的不同观点与需求优先级。 其次，我们也将进行定量研究，以获得更多客观数据，主要方 法包括： 1. 问卷调查：设计一份结构化的问卷，涵盖用户的基本信息、使 用习惯、对 AI 工具的认知、期望功能等多个维度。问卷的分 发渠道将包括线上教育平台、学校社交媒体以及教育相关论 坛，尽可能覆盖广泛的用户群体。问卷的设计遵循简洁性和易 具体需求 重要性等级 个性化学习 能根据学生水平调整内容 高 教学辅助 提供实时反馈与建议 中 用户友好界面 界面简洁易操作，便于上 手 高 内容丰富性 包含多种学科和题材 中 这种结构化的方式可以帮助开发团队快速识别出高优先级需 求，保证在开发过程中始终围绕用户期望进行调整和优化。在过程 中，焦点小组讨论成为一项不可或缺的环节，为教育 AI 大模型的 成功奠定了基础。 3. 数据、评测反馈等， 因此采用分布式数据库系统，以提高数据访问的速度和可靠性。数 据层不仅需要支持结构化数据（如学生信息、课程资料），也需要 支持非结构化数据（如视频、音频和文本内容）。可以选择使用如 下的数据库技术：  关系型数据库（如 MySQL、PostgreSQL）用于存储结构化数 据。  NoSQL 数据库（如 MongoDB、Cassandra）用于存储非结 构化数据。

账户及权限 管理服务 统一检索服 务 视频分析技 术 物联网统一 接入 数据基 础服务 资源目录 数据标识 数据共享 查询检索 下载推送 数据接入 数据对比 数据清洗 数据关联 结构化 基础库 主题库 业务库 文档库 安全设备 智慧办公 智慧教学 智慧健康 智慧安防 明厨亮灶管理 基础档案管理 膳食管理 健康档案管理 教学资源管理 交互式教学平台 录播系统 出入人员管理 • 以三维全景采集为核心，以视频地图引擎为基础， 融合地面低点室内外监控、出入监控等多方数据， 将高点视频内的细节信息自动叠加在基于高点视 频的“实景地图”上 • 利用智能识别技术，构建数据结构化，对各类 的异常情况进行识别，给予相应的给予告警。 能够实现非法人员身份预警、人群聚集预警等， 并通过可视化呈现展示 智慧幼儿园 智能访客管理系统  幼儿园访客通过人脸识别进行登记已经