一、项目背景
校园宿舍矛盾是每个高校都会出现的问题，例如大家的生活习惯、人际关系不协调，又或是自身性格差异、兴趣爱好不同所产生一系列矛盾，再加上没有及时沟通解决问题导致关系有隔阂。例如A同学晚上一直开声音和朋友打电话直到凌晨，宿舍的C同学又是一个性格内敛的女生，一直忍着，想着A同学应该就快打完了，没跟A同学说他打扰到自己了。直到有一天，C同学忍不了了，怒斥了A同学,“能不能不要一直打电话了，你不睡别人还睡呢！”,A同学被C同学吼了，自然心里不舒服，一场战争就此展开。如果说，在一开始C同学就耐心和A同学沟通的话，可能事情不会闹得不愉快。
二、项目目标
通过科学算法匹配兴趣爱好、作息时间、卫生情况都相投的同学同住。且因矛盾的多样性，根据三原则:'早','根','思'，开展“《矛盾“消消乐”》”讨论区，让同学改善自身行为习惯，提升宿舍和谐环境。
早： 就是早发现、早调查、早处理
根： 就是从源头解决问题
思： 就是多反思自己是否确实有问题
三、需求分析
三.1、用户群体：
大一新生
案例分析：
主要矛盾
- 作息差异： 大学生成长的环境不同，作息时间也不同。
- 边界意识模糊： 在公共区域，特别是深夜，没有做到尊重其他人。
解决方案：
- 首先就是立规矩，不允许在XX点发出大的动静，特别是已经有人休息了。
- 其次就是正确的沟通，去了解彼此间的作息习惯，做到“人人为我，我为人人”。
- 最后就是拥有共情能力，相互理解，如果睡觉的是你，你是否会希望被别人吵醒。
三.2、项目核心需求：
根据以上案例来看，不能做到统一的作息时间和良好的沟通，终究会闹的难以收手，以至于要换宿舍的地步。所以我们需要：
- 收集学生性格、作息、习惯等要素
- 基于多维数据进行智能/管理员/自行匹配
- 提供人工调整接口
- 生成可视化分配结果
四、功能需求
四.1、学生信息采集模块
首先通过基本的信息登记，如姓名、学号、性别、专业等，进行分类。其次依据每个人的性格特征收集，像现在比较流行的方式MBTI方法结合传统的性格特征(内向、外向)，作息时间，就寝时间，兴趣爱好等。
四.2、系统着重要点
权重设置：
管理员可调整各匹配维度的权重系数
默认权重：性格40%、作息30%、习惯20%、兴趣10%
匹配算法：
考虑性别、专业等硬性约束条件
冲突检测：
识别极端不匹配组合(如夜猫子与早起者)
标记潜在高风险配对
四.3、人工调整模块
管理员通过信息采集对人员分配进行快速地处理，优先匹配有特殊需求的同学(必须要十点关灯等)。
四.4、结果输出模块
根据收集的信息处理名单，生成匹配度最高的室友信息，进行匹配成功率分析，矛盾发生率对比。
五、非功能需求
五.1、性能需求
确保数据能够实时处理，并且将匹配时间控制在一分钟以内。
五.2、安全需求
对学生所填写的信息保密。
五.3、可用性需求
以简洁的问卷页面收集信息，提高学生阅读速度和观感。
六、系统结构
六.1、技术选型
- 前端：VUE.js+HTML+CSS
- 后端：Node.js
- 数据库：MongDB
六.2、部署方案
- 云服务部署
- 负载均衡配置
- 定期数据备份
七、项目实施计划
七.1、开发阶段
- 需求确认(1-3周)
- 原型设计(4-6周)
- 系统开发(7-12周)
- 测试验收(13-15周)
- 线上运营(15周后)
七.2、上线阶段
- 新生入学前1个月系统上线
- 录制使用教学视频
- 收集反馈更进优化
- 线上运营本系统，提高使用量
八、预期效益
- 矛盾减少： 预计降低寝室矛盾冲突60%左右
- 满意度提升： 学生居住满意度提高40%
- 管理效率： 节省人工分配时间80%
- 数据价值： 积累学生行为特征数据用于其他管理决策
九、风险分析
- 数据准确性分析： 学生可能随意填写问卷
- 应对：设置测谎问题，重要维度二次确认
- 算法局限风险： 无法完全模拟人机关系复杂性
- 应对：保留人工调整通道，设置及时反馈功能
- 隐私担忧风险： 学生可能抗拒详细个人信息收集
- 应对：明确数据使用范围，提供匿名化选项
十、总结
在我们平时生活中，学生可能会因为某同学的生活作息、习惯、沟通方式等产生矛盾点但又害怕说了会影响两个人的关系导致问题越积越深，例如，垃圾满了不倒、室友都上床准备休息了才回宿舍洗漱、别人在午休却放肆讲话、总要宿舍成员带饭却'忘'给钱、性格开放的同学总在宿舍调侃性格内敛的同学、有的学生冬天要开空调，有的只有夏天才会开等问题。所以我们开发寝室匹配系统去解决一些矛盾问题，它可以是管理员辅助匹配，也是可以智能匹配，又或者是根据留言板自行匹配。一旦匹配成功，便可查看双方基础信息，如果不是意向搭档，也可进行二次匹配。最后，希望大家遇到问题早沟通，尽量避免日积月累导致的纠纷，影响心理健康和校园生活体验。
