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
在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07