基于信息汇聚平台的快数据应用设计与实现

doi:10.11959/j.issn.1000-0801.2016027

摘要/Abstract

摘要：

用户行为信息中蕴含着巨大的价值，如何采集并加工用户行为信息，使之成为新的业务增长点，是运营商面临的重要课题。通过对信息汇聚、采集、加工等关键技术的研究，给出了基于信息汇聚平台的快数据应用的实现方案，能够通过用户开关机、位置变化、语音通话等行为触发用户关怀、企业名片、信息推送等业务，该方案已经广泛用于电信运营商的新兴业务领域，取得了显著的经济效益。

关键词: 移动通信, 大数据, 快数据

Abstract:

User behavior information contains great value.Telecom operators must collect and deal with this information to create new business growth point.Through the research of information collection and processing,the implementation scheme of fast data application was given.Services such as user care and information push were provided based on the behavior of position change and voice calls.The application was used in the new business field of China Telecom and achieved remarkable results.

Key words: mobile communication, big data, fast data

赵彦杰. 基于信息汇聚平台的快数据应用设计与实现[J]. 电信科学, 2016, 32(1): 170-174.

Yanjie ZHAO. Design and implementation of fast data application based on information aggregation platform[J]. Telecommunications Science, 2016, 32(1): 170-174.

图/表 4

图1

表1

图2

图3

接口	内容	应用
查询单个/多个用户的信息	用户号码、移动用户识别码、基站号、扇区号、小区基站经纬度、忙闲状态、开关机状态	通过用户号码或识别码获取用户位置（扇区号、小区基站纬度、小区基站经度）
查询某个基站/区域下的用户信息	用户号码集	结合用户位置信息，通过号码集进行信息推送或业务推广
当用户状态发生变化时通知	开关机状态、忙闲状态、位置信息、国际漫游	根据用户状态变化，触发用户关怀、业务提醒等服务
实时信令数据过滤转发接口	用户号码（语音通话、收发短信等）	根据用户行为，通过主被叫号码进行信息推送或业务推广

[1]	郑凤 . 移动互联网技术架构及其发展[M]. 北京：人民邮电出版社， 2013. ZHENG F . Mobile Internet Technical Architecture[M]. Beijing: Posts & Telecom Press, 2013.
[2]	尹立强，张海燕 . 移动通信[M]. 西安：西北工业大学出版社， 2013. YIN L Q , ZHANG H Y . Mobile Telecommunication[M]. Xi'an: Northwestern Polytechnical University Press, 2013.
[3]	张传福 . 移动互联网技术及业务[M]. 北京：电子工业出版社， 2012. ZHANG C F . Mobile Internet Technology and Business[M]. Beijing: Publishing House of Electronics Industry, 2012.
[4]	涂子沛 . 数据之巅：大数据革命，历史、现实与未来[M]. 北京：中信出版社， 2014. TU Z P . Big Data History,Reality and Future[M]. Beijing: China Citic Press, 2014.

[1]	韩璐, 陈威宇, 张斐, 何建锋, 苏怀振. 差异化需求下的非关系型分布式报送信息大数据分类方法[J]. 电信科学, 2023, 39(6): 114-121.
[2]	韩雪. 基于电力大数据的电力骨干通信网络毁伤韧性评估方法[J]. 电信科学, 2023, 39(5): 136-143.
[3]	缪新育, 胡昌军, 程华. 移动通信同步关键问题研究：技术、标准与测试[J]. 电信科学, 2023, 39(3): 80-88.
[4]	孙玉娣. 基于电信大数据的5G网络海量用户复访行为预测模型[J]. 电信科学, 2023, 39(2): 157-162.
[5]	鲁玉龙, 沈海燕, 张俊尧, 杨兴磊, 解亚龙, 杨玲玲. 智能铁路新一代移动通信关键技术探索与展望[J]. 电信科学, 2023, 39(1): 30-41.
[6]	李爱华, 吴晓波, 陈超, 魏彬, 史嫄嫄. 5G网络大数据智能分析技术[J]. 电信科学, 2022, 38(8): 129-139.
[7]	黄更生, 黄宇红, 郭漫雪, 郑健平, 葛欣. DT时代面向数据服务的新型基础设施架构[J]. 电信科学, 2022, 38(7): 138-145.
[8]	李攀攀, 谢正霞, 乐光学, 刘鑫. 基于深度学习的无线通信接收方法研究进展与趋势[J]. 电信科学, 2022, 38(2): 1-17.
[9]	赵海波, 相志军, 肖林松. 基于异构数据的电力短期负荷大数据预测方案[J]. 电信科学, 2022, 38(12): 103-111.
[10]	宋灵恩. 新型举国体制下建设网络强国的思考[J]. 电信科学, 2021, 37(5): 9-13.
[11]	刘志勇, 何忠江, 阮宜龙, 单俊峰, 张超. 大数据安全特征与运营实践[J]. 电信科学, 2021, 37(5): 160-169.
[12]	欧阳晔, 王立磊, 杨爱东, 马利克·萨哈, 大卫·贝兰格, 高同庆, 韦乐平, 张亚勤. 通信人工智能的下一个十年[J]. 电信科学, 2021, 37(3): 1-36.
[13]	刘晓军,武娟,徐晓青. 大数据架构剖析及数据安全融合技术[J]. 电信科学, 2020, 36(7): 146-155.
[14]	刘玉娇,宋坤煌,王向. 基于电力大数据的经济景气指数分析[J]. 电信科学, 2020, 36(6): 166-171.
[15]	伏玉笋. 移动通信网络评价准则与解决方案[J]. 电信科学, 2020, 36(11): 28-38.