SpringBoot疫情打卡系统开发与智能风险评估实践-代码聚汇网

SpringBoot疫情打卡系统开发与智能风险评估实践

蝨孨槑黽

1. 项目背景与核心价值

去年疫情期间，我接手了一个企业内部的健康打卡系统开发需求。这个看似简单的每日打卡功能，在实际落地时却涉及到复杂的业务流程设计、数据统计分析以及异常情况预警机制。经过三个版本的迭代优化，最终形成的这套SpringBoot疫情打卡健康评测系统，不仅满足了基础信息收集功能，还实现了智能风险评估、数据可视化展示和分级预警等进阶能力。

这套系统的核心价值在于将零散的防疫动作标准化、数字化。通过自动化流程替代传统纸质登记，既减少了人员接触风险，又提高了数据采集效率。后台的智能评估算法能实时识别高风险人员，为管理者提供决策支持。特别在出现突发疫情时，系统生成的接触链分析报告能大幅缩短流调时间。

2. 系统架构设计

2.1 技术栈选型

基础框架采用SpringBoot 2.7 + MyBatis Plus组合，主要基于以下考虑：

快速开发：SpringBoot的自动配置特性适合快速迭代
数据持久化：MyBatis Plus提供的Lambda查询方式简化了健康数据统计代码
报表生成：集成EasyExcel处理每日健康报表导出
消息通知：使用RabbitMQ实现异常情况短信提醒的异步处理

数据库选用MySQL 8.0，主要考虑到：

打卡记录需要事务支持
地理围栏数据需要空间索引
后期可能对接BI系统的分析需求

前端采用Vue3 + Element Plus，特别开发了：

定位打卡组件（集成高德地图JS API）
体温输入校验组件
症状自评问卷组件

2.2 核心模块划分

系统分为5个主要模块：

用户认证模块（集成企业微信/钉钉单点登录）
每日打卡模块（含定位校验、表单验证）
健康评估模块（基于规则引擎的风险评分）
预警通知模块（分级预警规则配置）
数据看板模块（Echarts可视化展示）

3. 关键实现细节

3.1 智能风险评估算法

健康评分采用多维度加权算法：

java复制// 风险评分核心逻辑
public BigDecimal calculateHealthRisk(UserDailyReport report) {
    BigDecimal score = BigDecimal.ZERO;
    
    // 基础分（40%权重）
    score = score.add(baseScore(report.getTemperature(), 
                              report.hasSymptoms()));
    
    // 轨迹分（30%权重）
    score = score.add(locationScore(report.getLocationRiskLevel()));
    
    // 接触史分（20%权重）
    score = score.add(contactScore(report.hasHighRiskContact()));
    
    // 疫苗分（10%权重）
    score = score.add(vaccineScore(report.getVaccineStatus()));
    
    return score.setScale(2, RoundingMode.HALF_UP);
}

评分规则配置采用数据库存储，便于动态调整：

sql复制CREATE TABLE risk_rule (
    id BIGINT PRIMARY KEY,
    rule_name VARCHAR(50),
    condition_expression VARCHAR(200),
    weight DECIMAL(5,2),
    is_active BOOLEAN
);

3.2 地理围栏校验

为防止虚假打卡，实现了基于GIS的地理围栏校验：

通过高德地图JS API获取用户实际坐标
与企业登记的工作地点坐标比对
计算Haversine距离公式判断是否在允许范围内

java复制public boolean checkInAllowedArea(Location current, Location office) {
    double distance = Haversine.distance(
        current.getLat(), current.getLng(),
        office.getLat(), office.getLng()
    );
    return distance <= ALLOWED_RADIUS;
}

4. 典型问题解决方案

4.1 高峰时段系统卡顿

在早8-9点打卡高峰期间，系统曾出现响应延迟问题。通过以下措施优化：

引入Redis缓存：
- 用户基础信息缓存
- 企业地理围栏配置缓存
数据库优化：
- 为打卡记录表添加时间范围分区
- 建立复合索引（user_id, report_date）
采用消息队列异步处理：
- 非核心流程（如通知发送）转入RabbitMQ处理

4.2 异常数据识别

针对可能的虚假填报情况，建立了多维度校验机制：

体温异常检测：
- 连续3天37.3℃以上自动触发复核
定位异常检测：
- 频繁变更城市触发预警
填报时间分析：
- 固定时间规律性填报可能为脚本行为

5. 数据可视化实践

5.1 实时疫情看板

使用Echarts实现动态数据展示：

企业健康状态分布图（热力图展示）
高风险人员动线追踪
疫苗接种进度仪表盘

关键配置示例：

javascript复制option = {
    tooltip: {
        trigger: 'item',
        formatter: '{a} <br/>{b}: {c} ({d}%)'
    },
    series: [{
        name: '健康状态',
        type: 'pie',
        radius: ['40%', '70%'],
        data: [
            {value: 335, name: '健康'},
            {value: 10, name: '高风险'},
            {value: 20, name: '待复核'}
        ]
    }]
};

5.2 自动化报表生成

采用EasyExcel实现日报自动生成：

定时任务每天8:30生成前日汇总
支持多sheet设计：
- 汇总统计页
- 异常明细页
- 趋势分析页
企业微信机器人自动推送

6. 部署注意事项

定位服务配置：
- 高德地图Web端Key需要配置IP白名单
- iOS设备需额外处理精确定位权限问题
短信网关对接：
- 建议配置多个通道备用
- 注意验证码类短信和通知类短信的区分
数据备份策略：
- 每日全量备份保留7天
- 增量备份每小时执行
- 敏感数据需要加密存储

这套系统在实际运行中，日均处理打卡记录超过2万条，识别高风险情况37次，有效辅助了企业的疫情防控决策。核心经验是：在基础打卡功能上，通过智能分析赋予数据更多价值，同时保持系统的灵活可配置性，以应对不断变化的防疫政策要求。