电信科学 ›› 2022, Vol. 38 ›› Issue (Z2): 260-265.doi: 10.11959/j.issn.1000-0801.2022209

• AI技术与应用 • 上一篇    

基于信令数据的疫情防控时空伴随者挖掘模型

蒋春平1, 吴珉杰2, 韦泳良1, 黄煜骁1   

  1. 1 中国电信股份有限公司上海分公司，上海 200120
    2 上海理想信息产业（集团）有限公司，上海 200135
  • 修回日期:2022-04-10 出版日期:2022-12-01 发布日期:2022-12-01
  • 作者简介:蒋春平（1975- ），男，中国电信股份有限公司上海分公司云网运营部高级工程师，主要从事大数据和 AI 平台规划与建设、数据中台及其数据应用的规划、架构、建设与运维工作
    吴珉杰（1987- ），男，上海理想信息产业（集团）有限公司工程师，主要从事大数据及AI产品研发及应用推广方面的工作
    韦泳良（1997- ），男，现就职于中国电信股份有限公司上海分公司云网运营部，主要从事大数据和人工智能能力建设、数据分析挖掘建模等方面的工作
    黄煜骁（1993- ），男，中国电信股份有限公司上海分公司云网运营部工程师，主要从事大数据和 AI 应用能力建设、项目规划和管理等方面的工作

  • Revised:2022-04-10 Online:2022-12-01 Published:2022-12-01

在线阅读

2

PDF下载

132

摘要：

针对现有的时空伴随人员挖掘算法进行优化，使用 Spark 计算框架提升计算效率，并将时间切片算法进行优化，尽可能保留充足信息，减少计算所需的数据量，从而提升计算效率；通过重点人员驻留点计算、重点人员伴随者计算相结合，并用Haversine公式将不同运营商之间的伴随人员进行关联挖掘，并设计了基站密度分类算法。通过上述优化思路使得该算法模型与现有算法相比，更高效、覆盖面更广、更精准，对疫情防控工作的开展更具有现实意义。

关键词: 信令数据, 时空伴随, 大数据, Spark, 数据挖掘, 疫情防控

中图分类号: 

No Suggested Reading articles found!