
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
机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01