
让大数据“说话”,创新无线电监管方式
如何利用大数据技术提升无线电频谱资源管理能力和水平,是当前无线电管理领域关注探讨的热点。日前,记者就大数据在无线电管理技术工作中的应用情况和趋势等话题,专访了国家无线电监测中心/国家无线电频谱管理中心主任刘岩。
发挥数据核心作用 实现“公平合规高效”
探讨如何应用大数据来管理频谱资源,首先要了解频谱管理的基本原则和手段是什么。国际电信联盟(ITU)在《无线电规则》中表述频谱管理的基本原则时,提到了三点:一是各主管部门应努力在确保业务必要需求得到满足的前提下,最低限度地使用频谱资源。二是在使用频谱资源时,各主管部门应牢记频率和卫星轨道资源是有限的。三是所有电台,在建立和使用时均不得对其他合法电台产生有害干扰。刘岩向记者介绍说,概括这三点原则,就是公平、合规、高效。公平,是强调各个国家、多种无线电业务在使用频率资源时的平等地位;合规,是要确保各类业务不受干扰侵害,维护无线电信息安全;高效,是指最大限度利用频率资源,促进使用效率不断提高。
为了践行这些原则,无线电频谱管理的基本手段主要体现在两个方面:一是在频谱管理的“事前”环节,加强对无线新技术、新应用的跟踪,做好需求研究和兼容性分析,为配置增量资源提供依据。二是在频谱管理的“事中、事后”环节,对那些已经投入使用的频率进行监督与评价,维护使用秩序,提高利用效率,即用好存量资源。不管是在“事前”还是“事中、事后”,促进频谱资源的有效利用都离不开管理数据的支持。想评估一个频段能不能用,在哪能用,什么时候能用,分给什么业务或系统用,归根到底,必须对其周边同频、邻频台站、业务情况进行数据搜集和分析。
“数据已成为频谱管理的核心要素,频谱资源的科学管理离不开对各类数据的综合利用和关联分析。”刘岩指出。
技术应用大国 沉淀数据“金矿”
未来,大数据环境下的信息搜集将改变传统无线电监测工作的方法。刘岩说,如今各种无线电技术和业务从无到有、不断演进,对人类社会的工业制造、农业、医疗、教育等发展起到了巨大的推动作用。如今,我国已经成为无线电技术与应用大国,拥有全球最大的移动通信和广播市场,在载人航天、探月遥测、定位导航等领域全球领先。随着移动互联网、物联网、新一代宽带移动通信、数字电视、智能交通运输等领域无线电技术的不断深入应用,这些应用将产生大量的数据,我国必将由技术应用大国成为数据大国。
“大数据时代,谁掌握数据,谁就能拥有核心竞争力,赢得发展主动权。大数据将成为新时期无线电管理技术发展的‘金矿’。”刘岩说。
挖掘数据“金矿” 强化管理手段
“虽然我们的数据在全面性、准确性等方面已达到历史新高,但在一些方面还存在问题。”刘岩介绍说,“比如,在数据分布上,频率、监测、台站、卫星等数据大都是分散、碎片式的;地方各级无线电管理机构对于建设全国统一完整的数据中心平台需求迫切,无线电设备厂商对于监测设备和监测数据库的标准规范呼声也很高;在数据挖掘和提炼上,现有频谱管理中对如何充分利用大数据、云计算等信息技术手段开展数据处理支持频谱资源配置和管理,还缺乏导向以及行之有效的方法。”
为解决这些问题,国家无线电监测中心/国家无线电频谱管理中心(简称中心)于今年年初提出了全面加强“四库一化”建设的任务,其中“四库”指的是频率、监测、台站、卫星等业务数据库,“一化”即全面提升无线电管理信息化水平,夯实无线电管理技术基础。事实上,就是要解决两个层面的问题:一是强化数据的搜集、交换与共享;二是推动数据的分析与应用。
据了解,在强化数据搜集、交换与共享方面,中心需要汇集整合各省、市、区无线电管理部门及无线电管理各专业领域的系统数据,把数据分门别类、有条不紊地存储起来并实现数据交换和有效共享,这要求大家必须遵循相应的数据库结构标准规范和数据接口服务规范。
“我们正在积极推进各类数据库规范标准化工作。今年上半年,台站数据库和超短波监测数据库结构标准规范、超短波数据服务规范已颁布实施,尤其是超短波数据服务规范,规范了超短波监测设备操作服务和监测数据服务,有助于实现硬件的标准化、数据采集的标准化,有助于设备互联互通、即插即用以及数据的共享。”刘岩说。目前这些工作已基本实现了部分监测数据与台站数据的交换与融合。
此外,设备检测、频率数据库规范已基本成型,短波数据库结构标准规范、卫星数据库的相关标准规范也已作为今年下半年的重头戏进行重点攻关。“这些标准与规范对于处理和分析无线电管理数据来说,意义重大。”刘岩说。
在推动数据分析与应用方面,中心正积极尝试以无线电管理行政和技术工作需求为导向,从海量数据中有效提取并加工出管理决策所需的数据信息。
刘岩说,“挖掘、提炼和分析”无线电业务应用中的海量数据,用全面、精准的数据支撑频率规划、分配与指配等管理工作,是实现公平、合规、高效的无线电管理的必由之路。
让数据“说话” 创新无线电监管方式
“大数据能够给现有无线电管理带来许多新思路。”刘岩说,“这方面我们能做的工作有很多,比如,勾画动态无线电环境地图服务,实现频谱场强与覆盖态势展示与预测;基于频谱实时监测与现有数据库数据,支撑未来动态频谱接入服务;通过核查无线电频率、台站等使用情况,评估频谱使用‘绩效’等。此外,大数据下的监测,还可以考虑与相关部门合作,在一些工作中将部分无线电接收设备作为监测节点。”
据记者了解,传统的无线电监测主要依托现有监测设施。目前,我国已经拥有近2000个固定监测站、上千个移动站、1700多个可搬移设备。而以公众移动通信为例,我国固定基站数量超过300万个,WLAN公共运营接入点数量超过600万个,两者的总量远超传统的监测设备数量。
刘岩认为,中心可以与移动通信运营商或铁塔公司合作开展部分监测工作,充分利用基站站址建设无线电电磁环境测量系统,测量我国不同区域的电磁环境,既可以避免监测站选址难的问题,又可以共享基础设施资源,如供电、机房、通信链路等。这些设备带来的潜在监测数据量将无比庞大。我们还可以利用手机APP用户定位等信息,测量各个路网的交通流量,从而更好地调配交通工具等资源,为智能交通服务。此外,还可以将无线电监测数据与周边人群健康状况关联,为研究电磁环境与人体健康之间的关系提供基础数据支撑。
回首过去,数据积累来之不易;畅想未来,数据应用前景广阔。刘岩说,当前,我们要以踏石留印、抓铁有痕的劲头狠抓数据建设工作,不断完善“四库一化”工作组织体制,不断强化标准、规范的制定和应用推广,切实以高效的大数据技术提升我国无线电频谱资源的科学管理水平。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10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 ...
2025-09-02