2025年04月11日
作为一所“没有围墙的大学”,西交利物浦大学以国际化、开放式的校园为师生提供了自由包容的教学和科研环境。开放式校园具有区域广、校园与周边社区融合、人员进出流动性较高的特点。如何运用数字化技术的力量,不断升级安全管理模式,构建更安全的开放式校园?
图片说明:西浦创业家学院(太仓)校园一景
西浦校园管理办公室(CMO)安全组在实践中探索出以“零代码平台+AI预测模型”为工具的创新解决方案,高效守护校园安全。该项目在西浦管理信息技术与系统办公室(MITS)主办的“数字化平台赋能大赛”中荣获“最佳创新奖”。
在西浦知识与信息中心(CKI)举办的第二期“人工智能学习日”上,该项目负责人崔越(上图右二)在互动展区与师生们分享了数字化技术如何助力守护“没有围墙的大学”。
零代码平台:让安全事件管理更高效
崔越介绍道,基于MITS提供的零代码平台,CMO搭建了校园安全管理平台,其中包括“校园安全事件提报系统”。该系统为安保、后勤等相关人员提供了统一、便捷的安全事件上报入口,支持文字、照片、风险等级评估等多维度信息录入。
图片说明:西浦校园安全中心的PC端和手机端界面
举例来说,当工作人员在消防、交通、公共秩序、设施、极端天气等任何方面发现安全问题,都可在系统中及时提交。系统预设了丰富的字段,如位置信息涵盖了楼宇、区域、楼层、房间号等详细层级,通过下拉框的形式便于快速、准确选择。
除了便捷的数据采集,该系统还具备高效的数据管理和存储能力以及数据分析的潜力。所有数据被集中存储在MITS零代码平台的数据库中,为后续的特征工程(Feature Engineering)分析奠定了基础。特征工程可将原始数据预处理为机器可读的格式,为机器学习和深度学习做好准备。
AI模型构建:预判校园风险
如果说零代码搭建的校园安全管理平台确保了校园安全数据的及时有效“输入”,以人工智能技术构建的“开放式校园安全预测模型”则是在数据长期累积基础上的成果“输出”。
崔越解释道,传统的校园安全管理侧重于事后处理和应急响应,而在事故发生前缺乏有效的预测方法和工具。目前国内关于开放式校园管理的安全预测学的研究还处于空白状态,西浦在这方面做出了创新探索。
校园安全预测模型通过对历史数据的学习和分析,能够尝试预测未来可能发生的安全事件类型、地点和时间,有助于提前部署,变被动应对为主动预防。
具体来说,团队采用长短期记忆网络(LSTM)作为核心算法,借助西浦君谋平台(XIPU AI)搭建算法骨架,对历史安全事件的时间、地点、类型等数据进行分析,挖掘出潜在的安全风险模式和规律,并由此制定相应的安全管理策略和措施。
图片说明:项目流程图解
例如,当模型预警校园特定区域在考试周前后的消防风险高峰,或极端天气下校园交通拥堵概率,CMO可由此调整安保人员的巡逻路线和频次,或针对高发的安全事件类型开展专项安全教育活动。
图片说明:安全预测模型界面
崔越补充道,目前安全数据库的数据量规模还不够大,在不断累积历史数据的基础上,团队正加快参数调整和模型优化,进一步提升安全预测的准确性和可靠性,实现对校园安全风险的动态监测、精准评估和有效预警。
(记者:石露芸 摄影:李乐知 部分图片提供:西浦校园管理办公室)
2025年04月11日