基于LBS和云平台的校园服务系统设计与实现

摘要

移动互联网的飞速发展，使得传统的PC机上的业务逐渐的向智能移动终端方向延伸，越来越多的用户需求在移动端上得以实现。传统PC端上的校园信息服务系统功能单一，远远满足不了学生的全方位需求，因此将数字化校园服务和学生的生活、学习、娱乐结合起来具备迫切的现实价值和意义。
　　本论文针对校园信息服务和学生的现实需求，开发了一款基于LBS和云平台的校园服务系统的应用软件，为学生提供高效、便捷的数字化服务，以满足学生在校期间各个方面的需求。该系统在实现的过程中，主要运用Eclipse平台，采用了JAVA、XML、HTML、JSON等语言，并且使用了Bmob云服务器以及云数据库、缓存功能，同时还采用了科大讯飞MSC人脸识别，声纹识别方案、科大讯飞MSC语音交互处理、极光JpushSDK推送、一键分享ShareSDK、百度LBS开发平台、Jsoup网页抓取数据解析，Zxing二维码扫描，支付宝第三方支付，JSON数据解析，NFC近场通信等技术，主要实现了人脸识别注册和登录、声纹识别注册和登录、LBS位置采集与传输、校园数字图书馆、教务系统、扫描找书及分享阅读心得、校园一卡通查询、失物招领、校园2D地图定位导航及3D街景地图、快递查询、外卖订餐、华大影讯网上购票、NFC近场通信刷卡签到、校园资讯及资讯分享、兼职中心、语音交互搜索、个性化推荐引擎、基于LBS的位置聊天交友、校园互助平台、消息推送等20项主要功能。
　　互联网上信息的爆炸式增长，使得用户获取自己感兴趣信息难度增加。为了方便不同用户及时了解自己感兴趣的信息，本论文对个性化推荐算法进行了重点研究。特别是对传统协同过滤算法的改进，提出了改进后的算法设计方案。根据改进后的算法开发了新的个性化推荐引擎，并成功运用到本系统中。
　　测试表明，本论文开发的数字化校园服务系统各个功能模块运行稳定，均达到了预期要求，为提高校园教学服务水平和学生的学习效率、丰富学生的文化生活、增强信息交流提供了一个高效快捷的数字化信息平台。

目录

声明

摘要

第一章 绪论

1．1 论文研究的背景和意义

1．2 校园信息服务研究现状

1．3 相关技术国内外发展概况

1．3．1 LBS发展概况

1．3．2 个性化推荐算法发展概况

1．3．3 NFC近场通信技术概况

1．3．4 云服务平台发展概况

1．4 论文内容与章节安排

第二章 软件系统总体设计

2．1 系统架构设计

2．1．1 系统网络架构

2．1．2 C／S架构模式

2．1．3 MVC设计模式

2．2 系统设计总体框架

2．3 软件流程设计

2．4 数据库设计

第三章 云平台搭建

3．1 Bmob云服务平台搭建

3．1．1 Bmob云服务器申请

3．1．2 Bmob云常用服务

3．1．3 Bmob云服务器新应用创建与SDK安装

3．2 百度LBS开发平台搭建

3．2．1 百度LBS申请

3．2．2 百度LBS常用服务

3．2．3 百度LBS新应用创建

3．3 科大讯飞MSC语音云平台搭建

3．3．1 MSC语音云平台申请

3．3．2 MSC语音云接口

3．3．3 MSC语音云新应用创建与SDK安装

3．4 其他平台搭建

3．4．1 ToetoiseSVN代码仓库

3．4．2 Share SDK社会化分享

3．4．3 Jpush极光推送

3．4．4 支付宝第三方支付平台

第四章 校园服务系统功能模块的实现

4．1 系统功能框架

4．2 核心功能实现

4．2．1 功能一：人脸识别注册和登录

4．2．2 功能二：声纹识别注册和登录

4．2．3 功能三：网络状态监测

4．2．4 功能四：LBS位置信息采集与传输

4．2．5 功能五：华师数字图书馆

4．2．6 功能六：教务系统模块

4．2．7 功能七：校园兼职中心

4．2．8 功能八：语音交互搜索

4．2．9 功能九：校园资讯与讯息分享

4．2．10 功能十：失物招领

4．2．11 功能十一：华师地图定位导航与3D街景

4．2．12 功能十二：华大影讯和在线购票

4．2．13 功能十三：NFC近场通讯签到

4．2．14 功能十四：校园互助平台

4．2．15 功能十五：IM即时信息交流

4．2．16 功能十六：一卡通、外卖订餐、快递查询

4．2．17 功能十七：消息推送

4．3 Bmob云平台功能

4．3．1 Bmob缓存使用

4．3．2 Bmob原子计数器使用

4．3．3 Bmob云Mail验证使用

4．3．4 Bmob数据实时同步使用

第五章 个性化推荐引擎的研究与应用

5．1 个性化推荐系统概述

5．2 个性化推荐算法分析

5．3 对协同过滤算法的改进与实现

5．3．1 问题分析

5．3．2 改进依据和改进方法

5．3．3 改进后的算法设计

5．4 个性化推荐引擎的设计和实现

5．4．1 推荐引擎架构

5．4．2 分析功能模块实现

5．4．3 网络交互模块实现

5．4．4 观察者模式实现推送模块

5．5 个性化推荐引擎在本系统的应用

5．5．1 推荐引擎与本系统软件通信的实现

5．5．2 推荐引擎在本系统软件的应用

第六章系统测试

6．1 测试环境

6．2 功能测试

6．3 兼容性和性能测试

6．4 应用的签名与发布

6．5 本章小结

第七章 总结与展望

7．1 工作总结

7．2 研究展望

致谢

参考文献