基于信令数据的疫情防控时空伴随者挖掘模型

蒋春平; 吴珉杰; 韦泳良; 黄煜骁

doi:10.11959/j.issn.1000-0801.2022209

您当前的位置：

首页 >

文章列表页 >

基于信令数据的疫情防控时空伴随者挖掘模型

AI技术与应用 | 更新时间：2024-06-05

- 基于信令数据的疫情防控时空伴随者挖掘模型
- 暂无标题
- 电信科学 2022年38卷第Z2期页码：260-265
- 作者机构：
  
  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
- 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" ]
- 基金信息：
- DOI：10.11959/j.issn.1000-0801.2022209
  中图分类号： TP393
- 网络出版日期：2022-12，
  
  纸质出版日期：2022-12-30
- 稿件说明：
移动端阅览
蒋春平, 吴珉杰, 韦泳良, 等. 基于信令数据的疫情防控时空伴随者挖掘模型[J]. 电信科学, 2022,38(Z2):260-265.
蒋春平, 吴珉杰, 韦泳良, 等. 基于信令数据的疫情防控时空伴随者挖掘模型[J]. 电信科学, 2022,38(Z2):260-265. DOI： 10.11959/j.issn.1000-0801.2022209.

DOI：

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。

Abstract

关键词

Keywords

references

LAUBE P , IMFELD S . Analyzing relative motion within groups of track able moving point objects [M ] // Geographic information science . Heidelberg : Springer , 2002 : 132 - 144 .

夏轩 . 基于 MapReduce 的人类移动轨迹特征分析方法的研究 [D ] . 南京:南京邮电大学 , 2017 .

Wikipedia . Harversine formula [EB ] . 2017 .

浏览量

146

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

电信政企营销客户关系图谱构建

RPA+AI在网络爬虫领域应用的探讨

基于大数据的用户感知综合评价方法

基于Hadoop的信令详单实时查询平台构建方法