智慧校园之数据中心及专题数据库开发技术需求方案46页.docx
- 文档编号:4674404
- 上传时间:2022-12-07
- 格式:DOCX
- 页数:90
- 大小:363.81KB
智慧校园之数据中心及专题数据库开发技术需求方案46页.docx
《智慧校园之数据中心及专题数据库开发技术需求方案46页.docx》由会员分享,可在线阅读,更多相关《智慧校园之数据中心及专题数据库开发技术需求方案46页.docx(90页珍藏版)》请在冰豆网上搜索。
智慧校园之数据中心及专题数据库开发技术需求方案46页
智慧校园之-数据中心及专题数据库开发
技术需求方案
一、项目概况
在积极响应和贯彻落实教育部印发的《教育信息化2.0行动计划》、和中共中央、国务院印发的《中国教育现代化2035》、《加快推进教育现代化实施方案(2018-2022年)》、《广东省高等教育“创新强校工程”实施方案(试行)》等文件背景下,结合《智慧校园总体框架》GB/T36342-2018的指导框架思路,推动**学院“智慧校园”数据中心平台与专题数据库开发已经势在必行。
目前我校已经建设了一批业务系统,并通过基础平台(统一认证、服务门户、基础数据库)将这些系统进行了有效的连接和共享,解决了一部分师生及管理部门需要的服务内容,为教学、科研、管理业务有序运行提供了一部分重要支撑,然而,教务、学工、科研、人事、招生就业等诸多业务系统并未进行多维度分析关联。
多业务系统多维度的数据统计与分析系统不仅能在教学方面利用好现有的数据进行教学数据分析,还能在管理方面支撑学校的智能化管理变革。
引入建设数据中心平台与专题数据库开发系统,可以使数据的价值有效应用于教学、运行、管理以及决策,助推智慧校园信息应用及数据互联互通,实现精细化的业务和决策管理。
序号
采购计划编号
需求内容
数量
单位
备注
1
主题库开发工具
1
套
数据采集及预处理工具
数据存储检索工具
实时数据处理工具
数据运维工具
2
主题应用服务与决策分析系统
1
套
数据服务平台
大数据可视化系统
3
学生主题库及大数据分析
1
套
学工大数据分析
教务大数据分析
就业大数据分析
舆情系统
4
人事主题库及大数据分析
1
套
5
科研主题库及大数据分析
1
套
6
设备与资产库主题库及大数据分析
1
套
7
教职工主题库及大数据分析
1
套
8
财务主题库及大数据分析
1
套
二、项目技术要求
(一)建设架构设计
我校用户通过统一身份认证系统、网上办事大厅及移动端,访问我校的智慧校园应用、主题库及数据分析应用。
本期建设内容主要集中平台层与应用层,即数据中心平台与专题数据库开发。
数据中心平台完成各业务系统、硬件设备、互联网数据、感知数据等各类结构化与非结构化数据的采集,通过主题库开发工具形成数据仓库(包含原始库、标准库、主题库),存储包含我校业务系统、教学资源、设备日志等维度获取的数据,解决原有数据共享开放平台无法处理非结构化数据(如:
权威论文库的网页数据、就业招聘信息的网页数据、当下学术热点的网页数据、监控的图像与视频信息)的缺陷,在数据中心平台的基础上,结合我校业务需求,建立主题库及数据分析应用,推动我校智慧校园的建设。
数据中心平台分为:
原始数据库建设、标准数据库建设、主题数据库建设,利用主题库开发工具及主题应用服务与决策分析系统,完成学生、人事、科研、设备与资产、教职工、财务等主题库的数据分析应用,助推智慧校园信息应用及数据互联互通,实现精细化的业务和决策管理。
我校目前的结构化数据(即数据中心平台数据)约存储2T左右的内容,在项目实施过程中,预计增加约0.5T的内容。
主题库开发工具采集数据层的原始全量数据及增量数据构建原始数据仓库,实现业务系统原始数据和增量数据的全量数据备份,同时为校内数据积累提供数据存储功能。
针对原始数据库的海量分散数据进行清洗及数据预处理(如认证计费系统、互联网络数据等海量分散数据),分析适配,形成数据分析表,从而进入标准库进行存储;对传统的关系型数据库、XML等半结构化数据,以及以视频、音频、文本和其他形式存在的非结构化数据,将残缺数据、错误数据和重复数据进行处理,把结果集入库,并记录清洗结果,形成标准数据库。
最后通过建模聚合分析,形成主题数据库。
项目数据流图:
(二)技术参数要求
序号
内容
技术要求
1
主题库开发工具
1.1数据采集及预处理工具
1.1.1提供针对不同类型、不同结构的数据接入技术和工具,支持低频数据、静态数据、高频数据等频率数据的采集。
1.1.2可整体监控不同业务系统的数据抽取情况,形成采集报告,展示采集数据情况。
1.1.3能够进行采集策略管理,能根据采集工具及数据源类型,定制采集方式,采集频率等。
1.1.4可以实现结构化数据采集,并可以选择不同的数据库进行存储。
1.1.5结构化数据采集支持针对不同的业务系统的数据抽取情况整体监控,展示所采集的表数量和每天数据采集情况。
1.1.6可以实现半结构化采集。
1.1.7可以实现非结构化数据采集(包括但不限于校内网站内容、学院通知公告等各类文档、图片、业务系统日志等),并实现查看其库名、表名、路径等功能。
1.1.8提供至少包含面向日志数据采集的Flume采集工具,能满足日志数据的采集。
1.1.9提供数据采集日志管理功能,至少包含采集开始时间、结束时间、采集状态、采集日志等信息。
1.1.10提供数据清洗工具,包括但不限于对数据缺失、数据重复、数据错误、数据不可用等各类数据的清洗要求。
1.1.11支持数据来源库设置、数据概况查看、操作面板、设置过滤、替换、规则设置等操作。
1.1.12能够针对重复数据,提供自动去重、手动去重、根据时间和业务逻辑去重等清洗方法和工具。
1.1.13能够针对错误数据,提供区间限定去除、按规则修复、人工干预、历史数据近值等清洗方法和工具。
1.1.14能够针对数据不可用,提供按规则适配、按关键字匹配、字段转换等清洗方法和工具。
1.1.15能够提供数据的标准化策略制定,对数据进行标准化管理和访问管理。
1.1.16能够对数据质量进行监控,并与采集的数据进行匹配分析,发现不匹配项,能使用工具进行转换或补充清洗规则。
1.1.17提供数据预处理日志监控,保证对数据的操作以日志的方式进行记录,做到有迹可循。
1.1.18提供数据集成功能。
可以进行数据集成设置,至少包括目的表、操作面板、中间表、来源表等设置。
1.2数据存储检索工具
1.2.1提供原始数据全量备份功能,在磁盘故障后,将丢失的数据找回。
1.2.2原始库中存储互联网数据、业务系统等原始数据;原始库中的数据做清洗、标准化后形成标准库;标准库中的数据做聚合建模等分析后,形成主题库,用户根据权限管理制度,可以分权限直接对主题库中的数据进行分析操作。
1.2.3支持采用Hadoop分布式存储方式。
1.2.4对于计算实时性要求不高,主要用于计算数据的趋势和预测的数据,如基础数据和历史数据的存储和分析,采用Hive或与其效能相当的存储方式存储,并提供标准的SQL语言查询功能。
1.2.5对于计算实时性要求较高,数据体量大的数据,如网络数据等的存储和分析,采用HBase或与其效能相当的存储方式存储,以满足实时性要求较高的数据计算。
1.2.6对于文本或表格等数据,采用HDFS或与其效能相当的存储方式存储。
1.2.7采用数据分片技术及并行入库的方式保证数据访问的高效率,同时为了保证数据仓库的无缝扩展及数据的可靠性要求,需要提供根据数据重要性定制存储副本策略的功能要求。
1.2.8提供对数据仓库的原始数据、标准库数据以及主题库数据的高效检索功能,要求对单条记录查询响应小于1秒,在10亿以上的日志库中检索响应时间小于3秒。
1.2.9主题库须支持分布式集群数据库,以满足应用分析访问需求,同时满足高并发访问的要求。
1.2.10支持通过标准的SQL语句进行数据查询。
1.3实时数据处理工具
1.3.1针对实时性要求比较高的数据,能够提供实时采集、实时计算、实时展示等功能。
提供Flume或与其最新版本效能相当的日志采集系统、采用Kafka或与其最新版本效能相当的工具做实时流处理,形成消息队列。
1.3.2支持在提供消息队列处理的基础上,进行实时流运算,并将运算后的结果供前端展示。
1.3.3支持流式数据批量处理功能,并将流式的实时数据分解到计算节点批量处理。
1.4数据运维工具
1.4.1提供数据的高效检索及查询功能。
支持通过图形化界面对数据仓库数据进行高效率检索。
1.4.2提供元数据管理功能,针对每个元数据进行数据字段、类型、注释、创建时间、大小、存储信息等要求进行管理。
1.4.3能对数据仓库中的数据文件进行统一管理。
1.4.4支持对数据仓库中的原始数据、标准数据、主题数据进行分类管理。
1.4.5能够免费提供统一的数据仓库开发接口,至少支持包含Python、Java等开发语言。
提供标准的SQL语言支持,支持JDBC数据连接方式。
1.4.6可以针对不同的API接口需求进行授权管理。
1.4.7提供统一的模型主题库开发接口,可对接第三方BI开发工具,支持用户自定义业务呈现开发。
1.4.8能支持分布式负载均衡设计架构,支持高并发,接口支撑不受单个程序异常的影响,并提供开发者权限管理功能。
1.4.9具有对及数据仓库的图形化安全管理及配置等功能。
1.4.10可以对底层架构组件进行运维管理。
1.4.11能够提供用户的账号、类型、权限、邮箱等基础信息的全方位管理功能,并支持以角色权限的控制方式控制用户对数据仓库的访问,粒度可达数据库的每个字段。
1.4.12具有的图形化配置功能,包含服务器管理,数据库节点及服务管理等功能。
1.4.13具有服务进程监控功能,如Hive、HDFS、Spark等服务进程的监控,保证分布式部署下服务的效率和可靠性。
1.4.14具有对大数据计算机存储节点及服务节点的群集的管理功能,如添加、删除等操作。
1.4.15支持分布式集群主题库管理,可管理和监控主题库集群。
1.4.16具有集群和服务的自动化部署和故障诊断功能。
1.4.17具有信息和邮件告警功能,能根据配置的信息反馈地址、邮件地址等发送告警邮件。
能对集群主机及组件的运行性能监控和管理,包括但不限于Hadoop生态的组件如:
HDFS、Hive、Hbase、Hue、Impala、Mapreduce、Spark、Sqoop、Yarn、Zookeeper等。
1.4.18能够提供LDAP安全防护组件。
1.4.19具有数据划分和隔离功能,提供对数据访问记录分析等功能。
1.4.20能够进行数据多副本冗余存储,网络的多链路冗余技术,保证数据及存储的安全性。
1.4.21提供数据库群组权限管理,至少提供增加、删除、修改等用户权限管理。
1.4.22提供数据脱敏功能,可以对用户敏感字段进行数据脱敏加密。
2
主题应用服务与决策分析系统
2.1数据服务平台
2.1.1性能要求:
保证数据计算过程的高效性,保障数据计算时能在计算节点并发运行。
提供整体的Hadoop及与其生态兼容的大数据系列的算法产品及插件,至少满足Python语言IDE的开发环境的自定义算法及挖掘工具开发。
2.1.2支持数据集管理功能:
1.数据集详细信息展示,包含数据集的格式、样本数、特征数、标签数;
2.支持数据集新建、删除和编辑操作;
3.与主题库开发工具打通,可获取主题库开发工具中的数据集;
4.提供数据集详情页,展示数据集基本信息、数据预览、数据特征分析、数据可视化;
5.支持共享可公开的数据集给其他用户使用。
2.1.3支持任务管理功能:
1.任务列表展示任务信息,可进行批量删除和创建新任务;
2.提供任务详细信息管理、任务状态实时推送;
3.提供可视化操作界面,通过鼠标拖拽和简单连线即可完成模型训练和评估,提供丰富的可视化模型评估组件;
4.提供多种数据预处理方法,例如:
标准化方法、各类编码、缺失填补等;
5.提供多种数据降维方法,例如:
线型判别、主成分分析等;
6.提供多种数据特征选择方法,例如:
卡方检验、相关系数矩阵等;
7.提供机器学习分类算法,例如:
SVM、决策树分类器、K近邻分类器、多分类评估等;
8.提供机器学习回归算法,例如:
线型回归,决策树回归等;
9.提供聚类算法,例如:
K-means聚类,Mean-Shift聚类等;
10.提供序列分析算法,关联分析算法,例如:
ARIMA、关联分析等;
11.提供多种模型评估器,例如:
二分类、多分类器评估、回归评估器等;
12.提供在线修改算法参数;
13.支持运行结果可视化展示、生成模型固化;
14.支持模型评估结果可视化展示;
2.1.4支持模型管理功能:
1.模型列表展示模型信息、可进行模型批量删除操作;
2.支持模型可视化展示(模型图片化和模型文本化);
3.提供模型详细信息,包含模型创建时间、运行时长、数据集、采用的训练算法及参数配置等;
4.提供模型历史评估信息,包含模型评估结果、评估指标;
5.支持可视化模型评估指标,包含混淆矩阵、评估报告等;
6.支持用户在线编程及运行;
7.提供基于TensorFlow、Keras和Caffe的深度学习案例;
8.提供丰富的图片库、文本库。
9.能够针对于教育行业关于学习、教学、管理、日志、互联网数据等场景,提供特定算法及模型库。
10.提供机器学习实践应用功能,至少提供算法详细的代码执行过程和相应描述。
11.提供的模型库至少包含学生成绩分析模型,学生行为分析模型,学生群体分析模型,消费分析模型等标准模型。
2.1.5支持分析应用报告管理功能,可管理并展示各教学及业务部门的大数据分析应用能力:
1.支持分析应用报告的创建、收藏、查询等;
2.支持相关管理部门对分析应用报告进行审核、跟踪、修改等;
3.支持分析应用报告的创建者对需要使用的数据进行申请,并可对数据申请过程进行查看等;
4.支持分析应用报告的发布、撤回、删除等;
5.支持可视化展示各教学及业务部门大数据的分析应用报告,如常规工作报告、专题业务报告的个数、比例等,可分析各教学及业务部门的大数据分析应用能力。
2.2数据可视化系统
2.2.1支持系统采用B/S结构架构,支持多终端(PC/移动),支持多操作系统(windows/mac/linux,ios/安卓)。
2.2.2支持搜索引擎采用ES(ElasticSearch)技术或与其最新版本效能相当的全文搜索技术,存储引擎采用FastDFS或与其最新版本效能相当的分布式存储引擎。
缓存使用Redis技术或与其最新版本效能相当的缓存数据库。
要求提供100用户同时高性能并发的架构性能负荷。
2.2.3满足系统采用统一的技术开发平台,基于协作式的团队开发,源码使用版本控制软件管理。
2.2.4要求该系统具备一定内网防护能力,安全组件具备内网防流量攻击(DDOS)功能。
2.2.5支持一键式的全库搜索,搜索结果可按用户或群组权限展示。
2.2.6支持用户个人信息管理,包含但不限于账号登录、个人信息编辑、联系人管理、系统消息查看等。
2.2.7数据报告页面尺寸支持移动端、电脑端、大屏端或自定义设置,可创作多个页面,一键更换页面背景色、底纹,自定义水印及尾注。
2.2.8提供丰富的图片库、图标库素材及海量业务场景的业务模型,自定义插入文本、图片、形状、图表、图标等对象,支持插入时间组件、音频、视频及按业务需求插入多种格式的文件(包含但不限于OFFICE、PDF等)作为附件。
2.2.9支持一键更换主题配色,一键替换对象类型(文本、图片、形状、图表、图标等),一键更改对象样式。
2.2.10可一键收藏自定义对象(文本、图片、形状、图表、图标等),创建分类使用,可存储个人自定义样式、自定义主题。
2.2.11支持多对象(文本、图片、形状、图表、图标)的分层管理、组合管理、锁定管理、超链接管理。
2.2.12数据报告发行支持主流移动端(安卓/IOS)、PC端、大屏端、服务器端播出,且可自定义任意播放尺寸及显示精度。
支持扫码分享、链接分享、分享至内部业务或社交平台或下载使用。
支持移动端批注、回复,以及消息系统的打通。
2.2.13数据报告发行支持在线查看及操作,离线查看,支持外网访问分离部署、单独部署。
2.2.14支持数据连接及数据集功能(支持本地Excel导入,支持Mysql、SQLServer、Oracle、PostgreSQL等主流数据库的连接,支持实时刷新、定时刷新、条件筛选、动态汇合、数据聚合)。
2.2.15报告编辑状态支持远程多人在同一界面协同编辑,编辑结束后,权限返回初始协同者,可实时在线交互、定点批注。
2.2.16支持海量业务模型的创建、收藏、提交共享,以及批量导入;支持海量模型的分类、查询、调用;支持分析报告模板的创建及导入。
2.2.17数据报告支持查询、复制、标记等。
2.2.18满足易用性强,免编程、拖拽式自定义编辑方式,实时保存,使用场景多样化。
2.2.19数据可视化系统需具备数据应用报告主题应用服务的功能,包括但不限于:
1.可设定各教学及业务部门内的各层级管理员权限;
2.可设定数据应用大屏、报告的审批、发行、上架下架等功能,需拥有完备的用户权限管理机制,审批者可以手动上架下架数据报告,同时可以按照发布平台提供的模板进行发行排版。
2.2.20提供各类业务模型定制开发。
包括但不限于:
1.学生主题(学生个人画像、学生群体画像、学生异常预警、学生关爱、学生资助、学生评奖评优、学生宿舍管理);
2.人事主题(编制人员、职称情况、年龄结构、高层次人才、人员发展等)
3.科研主题(科研经费、科研项目、科研资源等)
4.设备与资产主题(仪器设备等)
5.教职工主题(教师画像、教师群体画像、教学工作、教师科研、教师培训、教师招聘等);
6.财务主题(收支情况、财务指标等)
7.招生就业主题(学院招生、学生就业、企业来校招聘等);
8.教务管理主题(成绩管理、教学质量、课程管理等);
9.图书馆主题(图书馆概况、进出馆访问、资源检索与利用、资源采购、读者借阅、新媒体阅读等);
10.党建管理主题(党团人员、党团课程、党员考核、党员学习等)。
2.2.21提供各教学及业务部门需求业务模板定制开发。
提供业务相关的报告和大屏模板供各学院使用,管理员可通过后台运营模块进行报告模板管理,并且统计各模板使用数量,从而分析出用户偏好的报告风格。
3
学生主题库及大数据分析
3.1学工大数据分析
3.1.1提供智能综合行为(个人维度)功能模块,至少包含以下功能点:
1.提供权限管理制度,分权限提供学生个人详细信息数据查询功能,至少包含学生姓名、学号、院系、专业、年级、性别等搜索相应学生,显示学生详细信息列表,点击可查看对应学生综合画像。
2.提供个人综合画像分析,可展示个人的标签信息,包含以下维度:
个人信息、学习情况、上网习惯、身体素质、消费水平,轨迹分析,并可详细展开查看学业成绩、消费情况、上网情况等。
3.提供学生最近7天状态分析功能,通过时间搜索查询单个学生在校园活动轨迹,并对活动状态做描述,例如:
最近状态正常、最近状态异常等。
4.提供个人社交关系分析,可以展示个人关系图、关系强弱、关系数。
5.提供群体挂科预测功能,可以对挂科1-3门的学生数量进行预测。
6.提供个人学习分析功能,分析个人历史成绩,以学期为维度,显示个人平均成绩趋势和专业平均成绩的关系图;分析课程准点率,按月份统计平均迟到和早到分钟数并以图表的形式展示;分析本学期成绩预测及疑似逃课情况,并且以图表形式展现每门课程的次数分布;分析个人成绩在群体位置及排名,分析个人成绩变化趋势,可视化展示个人周课程和月课程。
7.提供三餐就餐分析功能,从不规律、较不规律、一般、较规律、很规律五个层面展示个人、本专业、本学院平均三餐规律度情况;从时间轴上展示学生三餐就餐情况;显示最近一年学生个人三餐消费金额趋势及校平均消费金额趋势,并做对比分析;分析三餐热门地点及各种饮食类型占比。
8.提供个人消费分析功能,分析最近一年个人消费指数和平均消费指数;分析最近一年学生、校平均、男生平均消费金额趋势;分析学生消费结构,显示对应消费类型的金额和占比,计算出近三个月恩格尔系数;分析学生消费地点。
9.提供学生预警信息提醒功能,展示当前预警信息、待处理预警信息、历史预警信息,支持预警信息的修改与自定义。
3.1.2提供智能综合行为(群体维度)功能模块,至少包含以下功能点:
1.提供专业/年级/班级行为画像描绘功能,基于院系每个专业、年级、班级的学生画像数据进行标签化展示,可让院系领导直观地了解各专业学生的分布、学习成绩、学习异常、网络使用等情况。
可通过院系/学院、专业、班级、民族、性别、生源地、学年维度筛选和查看行为画像。
2.提供群体整体画像功能,群体标签可视化展示学习水平、上网习惯、三餐规律、社交关系等,并对这些标签划分等级,例如:
学习好、学习一般、学习差等,并展示相应人数和占比情况,并对群体近7天的状态进行分析。
3.提供待处理预警情况分析功能,显示当前预警信息、本学期本人待处理预警(行为、学业等)、本人历史预警信息列表,展示对应群体的预警数量、风险及占比等,具体预警类型包括:
逃课预警、挂科预警、失联预警、夜归预警、学业预警、行为预警、紧急预警。
4.根据权限管理制度,分权限提供群体关系图展示和查询功能,展示群体关系关联,点击可查看个人数据;并对不同程度关系人个体用不同颜色表示,离散程度越高,标注颜色越红,方便快速发现特殊群体状况,以便做出应对措施。
5.可以展示群体关系关联,并查看人数。
6.提供群体毕业去向预测功能,预测各类毕业去向学生占比和人数。
7.提供群体挂科预测功能,可以对挂科1-3门课程的学生比例进行预测与展示。
8.提供群体上课情况分析功能,具体包括准时上课情况:
每月学生群体总体到课情况分析;疑似逃课情况:
显示逃课次数的人数和占比。
9.提供群体消费分析功能,包括全校群体消费分析(男生平均月消费金额、女生平均月消费金额、平均月消费金额),商户消费分析、群体三餐热门消费地点及就餐率。
10.提供贫困生分析功能,分析贫困生、非贫困生、异常贫困生、疑似贫困生人数及占比,以便及时掌握各类贫困生真实情况,为扶贫工作提供支撑。
11.提供群体上网分析功能,针对日均上网时长分析和日均上网时间段分析,展示一天之中各个上网时长的人数及各个时段的上网人数,方便整体把控学生群体的上网情况。
3.1.3提供贫困生分析功能模块,至少包含以下功能点:
1.分析贫困生的特征,包括获助学金人数趋势分析、当前贫困生分析、贫困生学院分布、贫困生群体画像、贫困生生源地分布、贫困生民族分布、消费稳定性分析、人均月消费金额对比。
2.提供几年内贫困生的人数变化趋势,并且对当前的各类贫困生,如:
贫困生、异常贫困生和关爱学生人数等进行分析。
3.提供贫困生获奖助学金人数趋势分析功能,至少包括近三年来各类奖助学金类型及获奖人数;
4.提供当前贫困生分析功能,显示贫困生总人数、异常贫困生人数、建议关爱人数等指标。
5.提供贫困生学院分布功能,显示各个学院贫困生数量,从高到低排列。
6.提供贫困生总体画像功能,从性别、学习水平、上网习惯、三餐习惯、社交关系等维度进行标签化,且对标签进行进一步细分,如社交关系包括社交王、社交中等、圈子小等。
7.提供贫困生生源地分布分析功能,贫困生生源地用不同颜色标注,从深到浅,显示各个生源地贫困生数量。
8.提供贫困生民族分布功能,展示各个民族贫困生对应数量及占比。
9.提供贫困生家里致贫原因分析功能,展示各种致贫原因贫困生数量,贫困原因例如:
家庭欠债、家庭成员失业、意外事件、低保、丧失劳动力等等。
10.提供消费稳定性分析功能,从非常稳定、比较稳定、一般、较差、差五个维度分析贫困生和非贫困生。
11.提供贫困生、非贫困生人均月消费金额对比分析、人均每次三餐消费金额分
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 智慧 校园 数据中心 专题 数据库 开发 技术 需求 方案 46