基于信令数据的疫情防控时空伴随者挖掘模型

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

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
- Telecommunications Science Vol. 38, Issue Z2, Pages: 260-265(2022)
- 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：
- 基金信息：
- DOI：10.11959/j.issn.1000-0801.2022209
  CLC： TP393
- Published Online：2022-12，
  
  Published：30 December 2022
- 稿件说明：
移动端阅览
[J]. Telecommunications science, 2022, 38(Z2): 260-265.
DOI：

[J]. Telecommunications science, 2022, 38(Z2): 260-265. DOI： 10.11959/j.issn.1000-0801.2022209.

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 .

Views

146

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

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

Method of Building Signaling Big Data Real-Time Query Platform Based on Hadoop

Related Author

朱伟宝

张晨

刘媛

熊峻峰

周铭

胡一伟

龚旭

丁沈媛

Related Institution

Department of Computer Engineering，Guangdong Communication Polytechnic

China Mobile Group Guangdong Co.，Ltd.

⁰