實習生安全管理系統的設計與開發

傅 彬

(紹興職業技術學院，浙江 紹興 312000)

?

實習生安全管理系統的設計與開發

傅 彬

(紹興職業技術學院，浙江 紹興 312000)

針對目前大學生實習過程中，由于實習生相對分散，存在較多的人生和財產安全隱患，提出了利用GPS、移動基站和GPRS網絡，通過手機的運動軌跡，準確定位并記錄學生行蹤，并能在危機時刻示警的實習生安全管理系統。實驗結果表明，該系統具有較好的定位和示警效果，在不增加成本的前提下增強了對實習生的安全管理，可以有效的減少大學生實習生初入社會可能遇到的安全問題，為大學生的人身財產安全提供新型的保障。

智能手機； 示警； 定位； 安全管理

0 引 言

學生實習管理工作是學校管理工作的重要組成部分，由于實習生相對分散，給學校的實習生管理帶來的很大的難度，也存在著較多的安全隱患。一旦出現危機又不為人所知，結果將不堪設想。針對實習生安全管理的研究具有重要的現實意義。本文基于Android智能手機，綜合利用GPS、移動基站和GPRS網絡，設計一種具備能夠記錄學生行蹤，并能在危機時刻示警的手機程序。

根據工業和信息化部的統計，2013年國內手機用戶數量已超過12億，智能手機使用普及率不斷提高。基于智能手機的應用服務范圍也越來越廣[2]。大學生群體屬于對數碼電子產品比較敏感和前衛的群體，智能手機在大學生當中的普及率比社會的普及率要高，手機更成為了大學生形影不離的“伙伴”[3]。手機的物理運動軌跡與大學生的物理運動軌跡基本保持一致，通過定位手機得到實習生的位置及運動軌跡，使用一種改進的基于加權頻繁模式的數據流離群點檢測算法，找出頻繁模式的相關屬性定位離群點的異常屬性，該算法得到適當訓練后，具有良好判斷準確性[4]。

1 相關研究背景

1.1 實習生安全措施

解決實習生安全的措施有很多，但是大多數是從立法和教育的理念上展開的。例如，文獻[4]提出，要從法律的層面上，對高效實習生實習權確認和保障，對高效實習生勞動權確認和保障，對高校實習生社會保障權的確認和保障；同時提出要從學生、單位、學校和社會層面，建立起預防和處理實習生發生意外傷害的極值，以最大限度的降低這種災害發生的可能性[5]。查閱文獻發現，國外針對此類研究相對較少，其中提到，利用智能手機作為社會突發情況處理時候的工具，該文章指出，即使是在喧鬧的城市里頭，如果你不主動發出示警，那么周圍的人也很難知道你遭遇了什么突發情況，而手機可以輔助當事人向周圍或者社區警察發出警報，從而獲得相應的幫助[6]。

本文提出了一種基于技術上的實習生安全系統，輔助以國內常用的法律教育等手段，切實保護實習生的生命財產安全以及各項權益。系統基于Android智能手機，綜合利用GPS、移動基站和GPRS網絡，設計一種具備能夠記錄學生行蹤，并能在危機時刻示警的手機程序。此外，將收集到的數據發送到遠程服務器，并在服務器上通過一些數據挖掘的算法，準確定位實習生的位置，并用數據可視化的方式展示到Web網站上，一旦有緊急事情發生，學校便可以根據手機位置，迅速找到學生所在地點，并采取進一步措施。此外，當程序得到大規模應用時，便可以收集數據，并能從這些數據中分析得出更多的信息。

1.2 定位技術

隨著通信技術的不斷變更，GPS系統成為了手機的標準配置，絕大多數的智能手機，不僅具備通信功能，還可以當成一個GPS定位系統[7]。GPS系統以高精度、全天候、高效率、多功能、操作簡便、應用廣泛等特點著稱，它能夠連續為各類用戶提供三維坐標和精確的時間信息，觀測定位時間較短。而且在GPS測量點之間不要求相互通視，受天氣影響不大，被廣泛應用于各個領域。但GPS有個致命的弱點，就是當手機位于室內時，就會出現信息不足的問題。

GPRS是一種基于GSM系統無線分組交換技術[8]，利用GPRS定位是通過計算手機信號登錄的通訊信號基站的位置來定位手機位置，其定位速度快，不受環境及終端影響。但這種方式定位精度相對較低。

本文將GPS和GPRS定位進行了有效結合，在絕大多數情況下，只通過GPS就可以采集相對精準的數據，但在個別極端情況，提供了使用GPRS定位的緊急備用方案。

1.3 離群點檢測

近年來，基于數據挖掘概念的離群點檢測研究取得了一定的發展，較有代表性的有Knorr等提出了基于距離的離群點檢測算法[9]，該方法通過數據對象最近的鄰居K的距離來判斷是否是離群點，距離異常更接近Hawking的異常本質定義，但它存在時間復雜度高，對高維失效，不能挖掘局部離群點等缺點。

Breunig等提出了基于密度的離群點檢測算法[10]，該方法對不同密度區域中的數據也能很好地處理，解決了局部離群點的離群程度的度量和挖掘問題，但仍存在時間復雜度高，對于高維數據索引結構不如順序掃描，參數選擇困難等問題。

He等提出了基于頻繁模式的離群點檢測算法[11]，該方法將頻繁模式作為通常模式，一個數據中包含頻繁模式越少，成為離群點的可能性越大，解決了高維數據離群點檢測問題，降低了時間復雜度，但由于需要多次掃描數據集，因此不適合數據流環境。

本文在頻繁模式的離群因子概念的基礎上，提出了數據流離群度量——加權頻繁模式離群因子，并針對數據流特點，快速而有效地檢測離群點。

2 離群點檢測算法

離群點檢測就是從大量復雜的數據集中發現存在于小部分異常數據中的新穎的、與常規數據模式顯著不同的新的數據模式[12]。在研究了數據挖掘相關理論的基礎上，擬設計一種改進的基于加權頻繁模式的數據流離群點檢測算法，在保證精度和時間復雜度同時，找出頻繁模式的相關屬性定位離群點的異常屬性，然后給出該實習生當前的安全等級，并將該安全等級返回給移動終端[13]。同時，該算法還應具有一定的學習能力和容錯性。學習能力是指當離群狀態被用戶確認為是正常狀態時，將該狀態通過一定的加權添加到正常點數據庫中；容錯能力是指能夠自動處理明顯不合理的數據，不會頻繁的發送確認信息。該算法在得到適當的訓練之后，應具備良好的判斷準確性。

2.1 相關定義

設數據流對象集C={C1，C2，…，Ci，…，Cn}(1≤i≤n)，其中，Ci為數據流中第i個數據，X={X1,X2,…,Xn}是數據所有項的集合。

定義1(模式P的支持度)。模式P的支持度

其中：P·Count代表數據流中滿足模式P的數據個數；∥C∥代表數據集中含的數據總數。

定義2(頻繁模式)。P為任意模式，如果滿足

Sup(P)≥minsup，則P是頻繁的，稱為頻繁模式，其中minsup為用戶自定義最小支持度閾值。

定義3(頻繁模式離群因子)。

定義4(加權頻繁模式離群因子)。

2.2 算法描述

文獻[18-19]中都提出了基于頻繁模式的離群點檢測算法，但這類算法主要針對傳統靜態數據集，需要至少兩次的掃描來挖掘數據中的頻繁模式和根據這個頻繁模式來計算出每個數據的離群度。這樣的執行效率較低，時間復雜度仍有進一步降低的空間，空間復雜度較大，無法適應高維數據流的應用要求。文獻[16-17]中都提出了在設定支持度閾值和誤差因子的情況下，得到頻繁模式的估計值，保證支持度大于閾值的所以頻繁模式均被輸出，小于閾值-誤差因子的所有模式均不輸出，但是這兩種算法沒有對出現假正的頻繁模式數量的保證。

為了克服上述缺陷，本文提出了一種FODFP-Stream算法，它能在算法動態發現與維護頻繁模式的同時，也能維護候選離群集及離群因子，能夠保證出現假正的概率，降低計算離群因子的代價，實時反映高維數據流的離群集及離群因子的動態變化，適應數據流離群點檢測的頻繁模式發現與維護。

數組C表示所有手機定位數據；CandOutlier表示候選離群點數據集；CandSet和Lattic分別表示高維候選頻繁模式集和頻繁模式集，其包含的元組結構為(item_id,supp,time,length)，其中：item_id為模式編號；supp為模式的支持度；time為刷新時間；length為模式的長度。算法實現時，采用HashTree對元組進行存儲、查找和更新等操作，具體算法描述如下：

算法：FODFP-Stream

輸出：離群點集合Outlier。

(1) 將讀入數據存入數組C，依次讀入每條記錄Xi。

(2) 將Xi中的所有模式存入高維候選頻繁模式集CandSet中。

否則從CandSet和Lattic中刪除Pi的所有超集。

否則就從Lattic中刪除該模式Pi。

3 系統測試

本系統由移動終端和服務器端組成，其中移動終端為安裝了本系統客戶端程序的智能手機，服務器端由Web服務器和數據庫組成，Web服務器采用Apache服務器，數據庫采用MySQL。移動終端通過GPS和GPRS進行定位，采用GPRS、WiFi傳輸數據。

程序默認隨機啟動，進行自檢操作，包括檢查硬件和網絡狀況，如果手機未打開，則提示用戶打開。這個過程在程序運行過程中也會不定時的運行，以確保手機硬件和網絡狀況良好。接著，系統會同時打開采集模塊和網絡監控模塊。首次啟動客戶端程序后需要進行用戶登錄或注冊新用戶。啟動客戶端程序后，該程序將在后臺中運行，讀取GPS或GPRS定位數據，如圖1所示。經過簡單的預處理，如果有能被簡單的專家系統所識別的異常存在則示警，否則繼續數據采集并定時發送給服務器。系統擁有調用手機自帶攝像頭進行拍照簽到功能。用戶在緊急狀態下通過自定義一種手機行為(例如某個特定動作晃動手機，這么設計的目的在于個別緊急狀況下，用戶無法點亮屏幕或者進行語音通話)，觸發自救功能，并通知服務器，如圖2所示。同時在服務器端可以查看到實習生的運動軌跡，如圖3所示。

圖1 讀取GPS定位數據

圖2 示警信息

4 性能測試

啟動客戶端程序，將智能手機放在手上、口袋中，分別收集了正常和異常狀況的數據集，其中正常狀況的收集方法為：模擬實習生多天的上下班情況進行收集；異常狀況的收集方法為：模擬實習生遇到危險時的情況進行收集。正常狀況采集到的數據有60個樣本，異常狀況采集到的數據有10個樣本。從能耗情況、定位誤差及示警時延和誤報率對系統進行性能測試。

(1) 能耗情況。能耗情況主要通過待機時長和內存占用率來反映，結果見表1。

圖3 實習生運動軌跡

表1 能耗情況測試

(2) 定位誤差及示警時延。示警時延主要由移動終端定位、啟動攝像頭、發送短信、撥打電話和數據傳輸5部分組成。其中啟動攝像頭、發送短信、撥打電話的時間是有智能手機自身決定的，這里主要對移動終端定位和數據傳輸進行了在GPS和GPRS下的定位測試以及分別通過GRPS和WiFi的網絡環境進行測試，結果見表2。

表2 定位誤差及示警時延測試

(3) 誤報率。誤報主要包括發生意外時沒有正常報警和正常情況下錯誤報警2種情況，測試結果見表3。

表3 誤報率測試

5 結 語

該項目得以成功部署應用后，可以有效地減少大學生實習生初入社會可能遇到的安全問題，為大學生的人身財產安全提供新型的保障。系統還能及時處理緊急事件，在關鍵時刻減少生命財產損失，最終形成大學生實習生安全的數據庫，為各類決策提供參考信息。

[1] 湯繼承. 當前大學生安全教育的問題成因及對策研究[D].武漢：華中師范大學,2006.

[2] 吳義太,鄧有蓮. 大學生實習期間權益保護中存在的問題與對策[J]. 現代教育科學,2010(7):28-30.

[3] 嚴敏嬋,陳 暉,盧愛金,等. 1032起醫學實習生不安全事件分析及對策[J]. 中國農村衛生事業管理,2010(9):728-729.

[4] 陳紅梅. 對高校實習生法律身份的新認識——兼談實習生勞動權益的保護[J]. 江淮論壇,2010(2):111-116，123.

[5] 喬海麗. 淺談如何建立預防和妥善處理實習生發生意外傷害的機制[J]. 佳木斯教育學院學報,2012(2):182-183.

[7] Xueming Luo. "Access Control Research Based on Trusted Computing Android Smartphone." Intelligent System Design and Engineering Applications (ISDEA), 2013 Third International Conference on. IEEE, 2013.

[8] 貢知洲,路昭亮. Android發展的分析與研究[J]. 價值工程,2013(2):185-186.

[9] 肖港松,陳曉云.基于加權動態網絡的頻繁模式挖掘研究[J].微型機與應用,2011(19):7-10.

[10] 孔 謙. 基于Android的GPS測試儀的設計與實現[D].北京：北京郵電大學,2012.

[11] 周 峰. 基于Android智能手機平臺的GPS開發[D].蘇州：蘇州大學,2011.

[12] 李春明,董仁才,趙景柱. 基于智能手機平臺的環境噪聲監測研究[J]. 安全與環境學報,2012(2):115-118.

[13] 薛鵬濤,馮志慧,許金良,等. 基于智能手機的干線公路養護巡查系統[J]. 河南農業大學學報,2012(4):434-437.

[14] Lewis P, Winstanley and T. McCarthy. "Synchronised Encoding of GPS NMEA Messages onto High Definition Video Streams." Machine Vision and Image Processing Conference, 2007. IMVIP 2007. International. IEEE, 2007.

[15] 吳健生,黃 力,劉 瑜,等. 基于手機基站數據的城市交通流量模擬[J]. 地理學報,2012(12):1657-1665.

[16] 王勝波,張 兵,孫 亮,等. 手機報警定位技術在警務中的應用[J]. 警察技術,2012(3):46-49.

[17] 阿斯力別克(Kutlumuratov Assylbek). 流數據挖掘算法在金融領域的應用研究[D].廣州：華南理工大學,2012.

[18] Liu Weiguo, and Jia OuYang. "Clustering Algorithm for High Dimensional Data Stream over Sliding Windows." Trust, Security and Privacy in Computing and Communications (TrustCom), 2011 IEEE 10th International Conference on. IEEE, 2011.

[19] Zhang Peng,etal. "Classifier and cluster ensembles for mining concept drifting data streams." Data Mining (ICDM), 2010 IEEE 10th International Conference on. IEEE, 2010.

[20] Zhou X Y, Sun Z H, Zhang B L,etal. A fastoutlier detection algorithm for high dimensional catego rical data streams[J].Journal of Soft ware, 2007, 18(4): 933-942.

Design and Development of the Safety Management System for Trainee

FUBin

(Shaoxing Vocational and Technical Institute， Shaoxing 312000， China)

In the internship process, the students are relatively dispersed, there exists hidden harm of life and property safety This paper proposed a safety management system by using GPS, mobile base station and GPRS network. Through the motion trajectory of mobile phone, it can accurately position and record the location of every intern student, and alarm in times of crisis appearing. The experimental results show that, the system has good positioning and warning effect. It does not increase cost, but strengthens the security management of trainee, and can effectively reduce the safety problem of college interns entering society may encounter, and provide new security for the personal property of college students safety.

smart phone; alarm; position; safety management

2014-10-11

浙江省教育廳科研項目(Y201431515);紹興職業技術學院科研課題(201301)

傅 彬(1980-)，男，浙江紹興人，碩士，高級技師，研究方向為無線傳感網絡、信息安全。

Tel.：13732490399；E-mail：734198787@qq.com

X 931.0

A

1006-7167(2015)08-0284-05