京公网安备 11010802034615号
经营许可证编号:京B2-20210330
在2016世界移动通信大会上,一项神秘的研究成果引起国际业界的关注。在此之前,业界很难想象利用移动互联网用户的后台数据,可以预测人类的行动规律。
而这项研究的始创者是一位只有32岁的小伙子——国防科技大学信息系统与管理学院讲师吕欣。
让信息告诉我们人在哪
“人类的行为有一定规律性,可以被预测出来。”吕欣提起他的研究非常兴奋,“在一些重大突发事件中,预测人类的行动规律可以帮助我们定位人群,打通救援的第一道关口。”
2010年2月,正在德国参加欧洲物理学会议的博士生吕欣接到来自海地的电话。找他的是瑞典卡罗林斯卡学院的同学、一位医学博士,当时正在海地参加震后救援。这场地震造成22万人死亡,超过60万人短时间内逃到其他地区。由于当地社会管理落后,国际救援组织难以获知灾民去向并组织灾后救援行动。
“能否运用你在数据挖掘上的能力帮助我们找到他们?”这位同学告诉吕欣,当地主要手机运营商可以向救援组织提供300万用户地震前后约10亿条手机定位数据。
从数以亿计的手机信息中找出难民去向,显然不是易事。“当时,学术界一般认为自然灾害中人群移动行为是高度不确定的,试图从浩如烟海的数据中发现震后人群的移动规律,的确是一次不可思议的探索。”吕欣说,他与国外学者展开合作攻关,通过多次数据整理、分析得出结论,难民通常会选择去以往社会关系较为密切的地方,如亲戚朋友家、以前常去的公园等。事实证明,即便是在严重灾害发生后,人类的行为也并不是慌乱而不可预测的,相反却是非常理性并有迹可循的。
“分析采集大量历史数据可以预测人类的行为规律。”吕欣为这项发现欢欣鼓舞。最终,他的研究成果成功描述了地震前后海地灾区难民的人口流动信息,从而为国际援助组织和管理决策者提供了极为有效的决策支持。
以海地灾后手机数据分析为起点,吕欣及其合作者积极参与了2013年孟加拉国台风救灾、2014年西非埃博拉病毒防控、2015年尼泊尔大地震救灾等重大灾害救援与管理,生成的报告得到了当地政府和联合国相关组织的高度重视,被联合国人口基金会、联合国人道事务办公室等采用。
网络抽样可以更优化
2006年,吕欣以四川大学管理科学专业第二名的成绩被保送至国防科大信息系统与管理学院,师从管理学著名专家谭跃进教授,主要开展复杂网络方面的研究。复杂网络,就是在庞大复杂的网络环境中找到维系网络关系的核心节点。
2009年,吕欣赴瑞典卡罗林斯卡学院攻读博士学位,并在斯德哥尔摩大学社会学系担任助理研究员。经过缜密考虑,他转向研究网络数据挖掘与分析技术,主攻网络抽样方法。主要针对高危、特殊人群,通过他们在社交关系中的特点进行抽样分析,这对公共安全和网络安全工作来说是一项巨大的突破。
网络抽样作为比较成熟的网络数据挖掘方法,已经在相关领域得到普遍承认和广泛应用。然而,实际做好抽样不仅限于了解被抽样群体,而是要通过少数人群了解多数人群,其中涉及很专业的数学算法和计算机知识。
“因为以往做网络抽样时,很多假设条件在现实中根本不满足,就会导致推断存在误差,甚至与真实情况相去甚远。”吕欣解释说,“实际上,我做了一项改进方法,把推测更加逼近真实值的工作,大大优化了统计方法。”
短短几年时间,吕欣取得了一系列突破:在国际上首次对网络抽样方法的统计假设提出质疑,并采用在线网络数据对这项研究的偏差进行综合评估,在此基础上独立开发出一种使用中心网络数据的新方法,避免了传统方法的局限性。他还设计开发了国际上首个在线社会网络调查系统,关于Twitter在线社会网络挖掘技术的研究成果,在所有同时期的9.4万多篇论文中,其影响力位列前4%。
通过吕欣的一系列创新性改进,使用社会网络可以较容易地调查和发现以往研究人员难以接触的社会群体,如吸毒者等。并能通过有限的调查样本对总体情况进行估计,从而为公共安全、网络检测和控制等提供宝贵信息。该方法目前已在世界范围内得到广泛应用。
创新路上永无止境
将大数据分析成果应用于应急救援、社会管理,这只是吕欣科研工作中的一小部分。让大数据服务国防,为未来战争插上信息化翅膀,这是吕欣的强军梦。
“体系对抗、联合作战、信息化战争都会产生大量数据,如通信、侦查、人员、装备、指挥控制、火力对抗等等。只有全面、准确、及时地把握战场态势的发展变化,从庞大的数据中挖掘出对敌的关键节点,才能高效地组织对抗,破解战争迷雾,实现战争的精确设计。”吕欣说。
从走进国防科大的那一天开始,吕欣就高度关注网络理论的实际应用,创新地提出了战术通信网络时空演化模型、信息远距离传播算法以及网络最短路径节点合并算法,并在复杂网络抗毁性研究上做了部分工作,其战术通信网络模型的研究在我军一些部门已经得到应用。“高智慧、无人化将是未来战争的主要特点,大数据技术在完成超越传统指挥员反应能力的战场应对中大有可为。”吕欣认为。
2013年,吕欣在人类移动行为动力学及轨迹可预测性研究上取得突出成果,成功将大数据分析方法应用到重大自然灾害事件的应急管理中,开发出一套用于人群移动轨迹预测的马尔科夫模型。成果在《Nature》《PNAS》等国外高水平期刊上得以发表,成为学校首位先后两次在国际顶尖学术期刊上发表文章的学者。国外同行极力挽留他留下来工作,美国圣塔菲研究所等顶级科研机构也向他发出邀请。他都婉言拒绝,“无论何时,只要祖国需要,我就义无反顾”。回校后,他积极参与到军队相关任务攻关中,为总部决策提供了关键技术支撑。
为把研究成果服务到实际工作中,吕欣还积极参与国际公益活动。通过分析手机数据,定位人流移动,为自然灾害管理提供免费、及时、有效的决策支持。因为时差的关系,吕欣往往是在半夜收到国外合作者发来的灾区数据。为了加快研究进度、高效完成数据整理和分析,他经常连续把自己关在实验室,最终保证在12小时内完成数据分析和提交首份报告,并及时进行数据和报告的更新,为国际救援抢到了宝贵的黄金时间。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在用户从“接触产品”到“完成核心目标”的全链路中,流失是必然存在的——电商用户可能“浏览商品却未下单”,APP新用户可能“ ...
2026-01-14在产品增长的核心指标体系中,次日留存率是当之无愧的“入门级关键指标”——它直接反映用户对产品的首次体验反馈,是判断产品是 ...
2026-01-14在CDA(Certified Data Analyst)数据分析师的业务实操中,“分类预测”是高频核心需求——比如“预测用户是否会购买商品”“判 ...
2026-01-14在数字化时代,用户的每一次操作——无论是电商平台的“浏览-加购-下单”、APP的“登录-点击-留存”,还是金融产品的“注册-实名 ...
2026-01-13在数据驱动决策的时代,“数据质量决定分析价值”已成为行业共识。数据库、日志系统、第三方平台等渠道采集的原始数据,往往存在 ...
2026-01-13在CDA(Certified Data Analyst)数据分析师的核心能力体系中,“通过数据建立模型、实现预测与归因”是进阶关键——比如“预测 ...
2026-01-13在企业数字化转型过程中,业务模型与数据模型是两大核心支撑体系:业务模型承载“业务应该如何运转”的逻辑,数据模型解决“数据 ...
2026-01-12当前手游市场进入存量竞争时代,“拉新难、留存更难”成为行业普遍痛点。对于手游产品而言,用户留存率不仅直接决定产品的生命周 ...
2026-01-12在CDA(Certified Data Analyst)数据分析师的日常工作中,“挖掘变量间的关联关系”是高频核心需求——比如判断“用户停留时长 ...
2026-01-12在存量竞争时代,用户流失率直接影响企业的营收与市场竞争力。无论是电商、互联网服务还是金融行业,提前精准预测潜在流失用户, ...
2026-01-09在量化投资领域,多因子选股是主流的选股策略之一——其核心逻辑是通过挖掘影响股票未来收益的各类因子(如估值、成长、盈利、流 ...
2026-01-09在CDA(Certified Data Analyst)数据分析师的工作场景中,分类型变量的关联分析是高频需求——例如“用户性别与商品偏好是否相 ...
2026-01-09数据库中的历史数据,是企业运营过程中沉淀的核心资产——包含用户行为轨迹、业务交易记录、产品迭代日志、市场活动效果等多维度 ...
2026-01-08在电商行业竞争日趋激烈的当下,数据已成为驱动业务增长的核心引擎。电商公司的数据分析师,不仅是数据的“解读官”,更是业务的 ...
2026-01-08在数据驱动决策的链路中,统计制图是CDA(Certified Data Analyst)数据分析师将抽象数据转化为直观洞察的关键载体。不同于普通 ...
2026-01-08在主成分分析(PCA)的学习与实践中,“主成分载荷矩阵”和“成分矩阵”是两个高频出现但极易混淆的核心概念。两者均是主成分分 ...
2026-01-07在教学管理、学生成绩分析场景中,成绩分布图是直观呈现成绩分布规律的核心工具——通过图表能快速看出成绩集中区间、高分/低分 ...
2026-01-07在数据分析师的工作闭环中,数据探索与统计分析是连接原始数据与业务洞察的关键环节。CDA(Certified Data Analyst)作为具备专 ...
2026-01-07在数据处理与可视化场景中,将Python分析后的结果导出为Excel文件是高频需求。而通过设置单元格颜色,能让Excel中的数据更具层次 ...
2026-01-06在企业运营、业务监控、数据分析等场景中,指标波动是常态——无论是日营收的突然下滑、用户活跃度的骤升,还是产品故障率的异常 ...
2026-01-06