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
在传统零售行业同质化竞争激烈、大众营销转化率持续走低的背景下,依托经验与直觉的粗放式营销逐渐失效。美国塔吉特百货(Target ...
2026-10-10随着智能客服、数字化服务、用户精细化运营的快速普及,传统零散、非标准化的客户服务数据与业务体系逐渐难以支撑高效服务治理。 ...
2026-10-10 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-10-10CDA数据分析师 出品 作者:李诗怡 定义区别 · 场景举例 · 指标分类 · 计算方法 知识体系总览 模块 包含内容 一、核 ...
2026-10-09在数据分析工作流中,业务数据大多存储在各类关系型数据库内,例如MySQL、PostgreSQL、SQLite等。Pandas是Python生态中主流的数 ...
2026-10-09在数字化精细化运营时代,海量用户存在需求差异、行为差异、价值差异与偏好差异。如果企业采用“一刀切”的统一营销、统一服务、 ...
2026-10-09 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-10-09指标体系是企业数字化分析、业务监控、经营决策的核心基础框架,是将零散数据转化为可衡量、可对比、可落地业务价值的关键体系。 ...
2026-10-08随着市场竞争日趋饱和,同质化低价竞争逐渐陷入内卷僵局,传统以价格、渠道、促销为核心的营销模式边际效益持续递减。在此背景下 ...
2026-10-08 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-10-08你有没有想过,手机里点外卖、刷社交软件、转一笔账,背后到底是谁在替你"记着账"? 答案其实很简单:数据库,以及跟它对话的那 ...
2026-10-07CDA数据分析师 出品 作者:李诗怡 一、数据分析四大思维 1. 对比思维:没有对比就没有分析 核心观点:单独一个数字没有意义,有 ...
2026-10-05Kimball 是方法,星型模型是它产出的形状。 很多人把"Kimball vs 星型模型"当成一道选择题——这本身就是个误会:Kimball 是动词 ...
2026-10-05写在开头 老板在微信上甩来一句: "帮我看下为什么销量跌了。" ” 你回工位,打开 SQL,开始写。查订单表、拉近三个月、按 ...
2026-10-03CDA数据分析师 出品 作者:李诗怡 1. 事实表 vs 维度表 对比维度 事实表 维度表 核心问题 记录“业务发生了什么事” 描述 ...
2026-10-02做数据聚合时,PySpark的groupBy()确实能完成统计,这也是它的本职工作。但它有一个根本性局限:每一组数据,最终只能返回一行 ...
2026-10-01热力地图是数据可视化中极具辨识度与实用性的空间分析图表,结合地理空间维度与数据密度特征,通过颜色深浅、色阶渐变直观展示数 ...
2026-09-30 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-09-30同样是“银行数据岗”,在国有大行总行数据中心、在一家城商行的零售部、在银行系金融科技子公司、在保险公司,工作内容、成长节 ...
2026-09-29在数据分析与统计学研究中,数据往往不是独立存在的,不同变量之间普遍存在相互关联、相互影响的关系。相关性统计分析是挖掘变量 ...
2026-09-29