第一步：数据来源搭建。
热力图并非凭空生成。古民通过多种渠道，搭建了一个初级但有效的“校园物流数据采集系统”：
1. 公开数据抓取：他编写了简单的Python脚本，定时爬取几个主流校园跑腿APP（如“快跑校园”、“闪电送”等）在本校区域的公开接单大厅信息。脚本能获取订单发布的大致位置（通常是模糊的楼宇或区域描述，如“南三宿舍”、“二食堂门口”）、任务类型（取快递、代买、送文件等）、悬赏金额、发布时间。这些数据去重后，按地理位置和任务类型分类，作为基础数据流。
2. 人工采样补充：他注册成为上述平台的兼职跑腿员（无需立即接单），利用平台内部接单界面，手动记录不同时间段、不同区域的订单刷新频率、竞价激烈程度、以及实际成交价格。这可以校准公开数据的偏差，并获取更精确的地理信息（平台对跑腿员显示的位置通常更具体）。
3. 物理动线观察：利用课余时间，他有计划地步行或骑行穿越校园主要区域（宿舍区、教学区、商业街、快递点、校门），用手机简单记录观察到的现象：各个快递代收点（近邻宝、菜鸟驿站、零星代收点）的人流高峰时段、学生排队长度；校内外卖骑手的聚集和流动模式；公告栏上手工张贴的“求代取”、“求帮忙”小广告的位置和频率。这些物理世界的“信号”与线上数据相互印证。
4. 历史数据分析：他联系了高中学生会时期合作过的、现在也在本校就读的学长，获取了之前“快递中心”项目的部分历史运营数据（日均单量、高峰时段、主要快递公司占比），作为校园物流基本盘的参考。
第二步：数据清洗与地理编码。
原始数据杂乱且存在噪声（如模糊的位置描述、重复或虚假订单、测试数据）。古民进行处理：
1. 位置标准化：将“南三宿舍”、“二