基于電信大數(shù)據(jù)的位置類應(yīng)用服務(wù)策略

（中國(guó)移動(dòng)（深圳）有限公司，廣東 深圳 518048）

1 背景介紹

1.1 電信大數(shù)據(jù)

大數(shù)據(jù)是指大小超出典型數(shù)據(jù)庫(kù)軟件的采集、儲(chǔ)存、管理和分析等能力的數(shù)據(jù)集合。由于處在大數(shù)據(jù)產(chǎn)業(yè)鏈中的數(shù)據(jù)傳遞和交換中心的地位，因此電信運(yùn)營(yíng)商天然具有豐富的數(shù)據(jù)資源，可以進(jìn)行基于大數(shù)據(jù)的業(yè)務(wù)的獨(dú)特優(yōu)勢(shì)[1]。

運(yùn)營(yíng)商大數(shù)據(jù)主要包含：用戶基本信息（姓名、性別、手機(jī)號(hào)碼等）、計(jì)費(fèi)信息（資費(fèi)數(shù)據(jù)、套餐訂購(gòu)數(shù)據(jù)等）、業(yè)務(wù)信息（業(yè)務(wù)使用情況、互聯(lián)網(wǎng)訪問(wèn)情況等）、位置信息（所在基站和小區(qū)位置等）、管理信息（財(cái)務(wù)數(shù)據(jù)、成本分?jǐn)倲?shù)據(jù)等）。

運(yùn)營(yíng)商傳統(tǒng)的IT架構(gòu)中，主要通過(guò)BI（Business Intelligence，商業(yè)智能）系統(tǒng)完成數(shù)據(jù)的管理和分析[2]。在企業(yè)級(jí)數(shù)據(jù)倉(cāng)庫(kù)基礎(chǔ)上，運(yùn)營(yíng)商逐步引入了Hadoop[3]、Storm[4]、Spark[5]等平臺(tái)和技術(shù)，以滿足大數(shù)據(jù)ETL（Extract-Transform-Load，抽取、轉(zhuǎn)換和加載）、大數(shù)據(jù)查詢、大數(shù)據(jù)分析計(jì)算等過(guò)程中的實(shí)時(shí)性和準(zhǔn)確性要求。

1.2 嘗試開(kāi)展對(duì)外應(yīng)用服務(wù)

對(duì)于運(yùn)營(yíng)商而言，電信大數(shù)據(jù)存在對(duì)內(nèi)支撐和對(duì)外應(yīng)用服務(wù)兩個(gè)層面。一直以來(lái)大數(shù)據(jù)都在幫助運(yùn)營(yíng)商內(nèi)部各個(gè)業(yè)務(wù)部門(mén)進(jìn)行各種各樣的商業(yè)決策（如何安排每年上千億的網(wǎng)絡(luò)投資、如何分配數(shù)百億的營(yíng)銷資源等），這是大數(shù)據(jù)價(jià)值的傳統(tǒng)陣地和主要的關(guān)注點(diǎn)。

隨著移動(dòng)互聯(lián)網(wǎng)的快速發(fā)展和運(yùn)營(yíng)商內(nèi)部“管道化”形勢(shì)的日趨嚴(yán)峻，挖掘運(yùn)營(yíng)商內(nèi)部數(shù)據(jù)資產(chǎn)的商業(yè)價(jià)值，對(duì)外提供應(yīng)用服務(wù)，實(shí)現(xiàn)數(shù)據(jù)資產(chǎn)貨幣化，已經(jīng)成為國(guó)內(nèi)電信運(yùn)營(yíng)商轉(zhuǎn)型的普遍方向[6]。

2 對(duì)外服務(wù)的形式和業(yè)務(wù)領(lǐng)域

運(yùn)營(yíng)商開(kāi)展的大數(shù)據(jù)對(duì)外服務(wù)主要有以下方式：

（1）DaaS（Database as a Service，數(shù)據(jù)即服務(wù)）[7]模式，即以API（Application Programming Interface，應(yīng)用程序編程接口）等方式為數(shù)據(jù)需求方提供脫敏數(shù)據(jù)；

（2）SaaS（Software as a Service，軟件即服務(wù)）[8]模式，即根據(jù)需求方要求，開(kāi)發(fā)軟件產(chǎn)品并開(kāi)放給需求方使用；

（3）PaaS（Platform as a Service，平臺(tái)即服務(wù)）[9]模式，即建設(shè)大數(shù)據(jù)開(kāi)放平臺(tái)，吸引第三方合作伙伴一起為需求方提供服務(wù)，以多租戶方式進(jìn)行管理；

（4）咨詢服務(wù)模式，即根據(jù)需求方要求，提供定制化咨詢報(bào)告等服務(wù)。

當(dāng)前運(yùn)營(yíng)商已開(kāi)展了面向政府機(jī)構(gòu)（如旅游、交通、公安等政府管理部門(mén)）和商業(yè)企業(yè)（如航空公司、大型商場(chǎng)、互聯(lián)網(wǎng)金融公司等）的大數(shù)據(jù)對(duì)外服務(wù)的嘗試，業(yè)務(wù)應(yīng)用覆蓋交通管理、城市規(guī)劃、旅游管理、會(huì)員營(yíng)銷、后向廣告、產(chǎn)品和服務(wù)推薦、金融授信、身份驗(yàn)證等各個(gè)領(lǐng)域。

3 位置類應(yīng)用服務(wù)策略

用戶開(kāi)關(guān)機(jī)、通話等業(yè)務(wù)過(guò)程中的位置切換等這些行為所產(chǎn)生的網(wǎng)絡(luò)信令，能夠深刻地洞察用戶日常生活軌跡，所以它構(gòu)成了運(yùn)營(yíng)商現(xiàn)在最有價(jià)值的數(shù)據(jù)之一。面向外部行業(yè)的對(duì)外服務(wù)策略都是圍繞這些數(shù)據(jù)來(lái)制定的。

3.1 數(shù)據(jù)處理及模型構(gòu)建

用戶位置信息相關(guān)的信令數(shù)據(jù)包括A口數(shù)據(jù)、Mc口數(shù)據(jù)、SGSN（Serving GPRS Support Node，服務(wù)GPRS支持節(jié)點(diǎn)）數(shù)據(jù)、Gn口數(shù)據(jù)、LTE日志（TD網(wǎng)絡(luò)特有）、SGs口數(shù)據(jù)等，通過(guò)解析信令接口數(shù)據(jù)的LAC（Location Area Code，位置區(qū)碼）+CI（Cell ID，小區(qū)號(hào)）字段，可定位用戶的位置。當(dāng)用戶位置變化或發(fā)生業(yè)務(wù)時(shí)，會(huì)引起位置信令數(shù)據(jù)的更新。用戶位置更新表結(jié)構(gòu)如表1所示：

表1 用戶位置更新表結(jié)構(gòu)

基礎(chǔ)模型一：用戶位移軌跡模型。將同一用戶一定時(shí)間周期內(nèi)的LAC+CI字段進(jìn)行拼接，可得到用戶在此時(shí)間周期內(nèi)的位置移動(dòng)路徑。應(yīng)用中可根據(jù)實(shí)際需求設(shè)定時(shí)間周期間隔，如設(shè)置為24小時(shí)，即可得到用戶在一天時(shí)間內(nèi)的位置軌跡。

基礎(chǔ)模型二：用戶常駐地模型。根據(jù)用戶在各小區(qū)的駐留時(shí)長(zhǎng)及時(shí)間段特征（如白天時(shí)段09:00～18:00和夜間時(shí)段00:00～6:00），可識(shí)別出用戶的住所、上班地點(diǎn)等常駐地信息。

3.2 應(yīng)用服務(wù)場(chǎng)景及方案

以用戶位置信息為基礎(chǔ)，運(yùn)營(yíng)商可面向多個(gè)外部行業(yè)及公共服務(wù)領(lǐng)域提供大數(shù)據(jù)應(yīng)用服務(wù)。

（1）旅游行業(yè)

輔助景區(qū)進(jìn)行游客信息實(shí)時(shí)動(dòng)態(tài)監(jiān)測(cè)分析，一方面可以幫助景區(qū)管理人員實(shí)時(shí)掌握本景區(qū)游客流量、行進(jìn)線路等信息，及時(shí)開(kāi)展人流疏導(dǎo)等及時(shí)服務(wù)；另一方面為旅游管理部門(mén)提供大數(shù)據(jù)支持，不僅能夠及時(shí)了解各景區(qū)人流情況，提升監(jiān)管能力，還能夠?qū)τ慰蛠?lái)源、游客特征等進(jìn)行全方位分析統(tǒng)計(jì)，為景點(diǎn)改進(jìn)、城市形象提升、旅游推廣等工作提供有效支撐。實(shí)現(xiàn)方法是：首先根據(jù)景區(qū)附近的LAC+CI篩選用戶；然后根據(jù)這些用戶在景區(qū)區(qū)域內(nèi)的歷史駐留時(shí)長(zhǎng)，剔除景區(qū)工作人員群體及其他非游客特殊群體后，識(shí)別出游客的群體；最后結(jié)合地圖展示等可視化技術(shù)，可直觀展示各景區(qū)及景區(qū)各區(qū)域的游客密度和游覽軌跡。

圖1是結(jié)合GIS地圖技術(shù)的景區(qū)人流監(jiān)測(cè)分析的應(yīng)用示例。

圖1 某景區(qū)內(nèi)各景點(diǎn)人流監(jiān)測(cè)分析

（2）征信服務(wù)

大數(shù)據(jù)技術(shù)使得“一切數(shù)據(jù)皆信用”成為可能[10]。基于用戶的常駐地、日常軌跡等信息，輔助構(gòu)建征信體系，為第三方提供授信決策，如婚戀網(wǎng)虛假會(huì)員識(shí)別、租車(chē)公司免押金租車(chē)、第三方小額貸款等。此類應(yīng)用服務(wù)中，位置類數(shù)據(jù)僅僅是征信體系構(gòu)建的一部分，但在設(shè)計(jì)信用評(píng)估標(biāo)準(zhǔn)時(shí)，位置類大數(shù)據(jù)所反映的用戶特征往往在評(píng)分標(biāo)準(zhǔn)中會(huì)占據(jù)較大的評(píng)估權(quán)重。

圖2展示了如何利用五類電信大數(shù)據(jù)來(lái)輔助銀行、互聯(lián)網(wǎng)金融公司等機(jī)構(gòu)開(kāi)展信貸審批。其中，電信位置類大數(shù)據(jù)作為重要的組成部分，為金融信貸審批提供了重要的補(bǔ)充參考。通過(guò)實(shí)際案例可知，假如某位用戶居住地經(jīng)常發(fā)生變化、工作地點(diǎn)經(jīng)常發(fā)生變化、月均上班天數(shù)很少，那么金融機(jī)構(gòu)在進(jìn)行貸款額度審核時(shí)，往往會(huì)認(rèn)為其具有較高的逾期風(fēng)險(xiǎn)。金融機(jī)構(gòu)信貸發(fā)放完成后，還可以通過(guò)電信位置類大數(shù)據(jù)來(lái)跟蹤用戶拿到貸款后的日常生活軌跡變化情況，及時(shí)跟蹤并對(duì)可能的風(fēng)險(xiǎn)進(jìn)行預(yù)警。

圖2 征信案例：輔助金融機(jī)構(gòu)信貸審批的電信征信大數(shù)據(jù)體系

（3）交通路網(wǎng)監(jiān)測(cè)

輔助交通管理部門(mén)對(duì)路網(wǎng)運(yùn)行狀態(tài)進(jìn)行實(shí)時(shí)監(jiān)測(cè)，及時(shí)發(fā)布路網(wǎng)擁堵情況預(yù)警（如節(jié)假日期間的高速路網(wǎng)流量監(jiān)控及預(yù)警）和交通疏導(dǎo)方案。實(shí)現(xiàn)方法是：根據(jù)各路網(wǎng)走向，將路網(wǎng)沿線小區(qū)的LAC+CI按順序進(jìn)行排列，并利用地圖等手段評(píng)估和記錄小區(qū)間的距離。當(dāng)用戶進(jìn)入路網(wǎng)小區(qū)后，根據(jù)用戶的動(dòng)態(tài)位移方向可識(shí)別出用戶是否按特定道路行進(jìn)，對(duì)于按道路行進(jìn)中的用戶，可根據(jù)小區(qū)間切換的時(shí)間差計(jì)算出用戶的位移速度，通過(guò)量的疊加能夠計(jì)算出道路的通行狀態(tài)。基于電信大數(shù)據(jù)來(lái)進(jìn)行交通路網(wǎng)監(jiān)測(cè)，具有數(shù)據(jù)樣本量大、數(shù)據(jù)質(zhì)量高、成本低、覆蓋廣等優(yōu)勢(shì)，并且能夠在較短的時(shí)間內(nèi)完成建設(shè)實(shí)施。

（4）面向商戶的服務(wù)

一方面，通過(guò)計(jì)算地市范圍內(nèi)各區(qū)域的人口密度特征及人流量特征，輔助商戶進(jìn)行店鋪選址，如彩票零售點(diǎn)選址。在開(kāi)展這類應(yīng)用時(shí)，往往還需要結(jié)合外部數(shù)據(jù)共同進(jìn)行分析，如已有的類似門(mén)店分布情況、類似區(qū)域的銷售數(shù)據(jù)等。

另一方面，利用常駐地歸屬來(lái)幫助商戶篩選目標(biāo)用戶，具體做法是找到某商戶附近的常駐地用戶（在附近區(qū)域居住或上班），并以廣告形式向其推薦商戶的產(chǎn)品和服務(wù)。

（5）公共服務(wù)領(lǐng)域

除了以盈利為目標(biāo)的商業(yè)應(yīng)用外，電信大數(shù)據(jù)應(yīng)用服務(wù)的另一個(gè)重要方向是公共服務(wù)[11]。在城市應(yīng)急管理領(lǐng)域，通過(guò)對(duì)各個(gè)交通小區(qū)的人口聚集密度、人群移動(dòng)特征等的實(shí)時(shí)監(jiān)測(cè)，輔助應(yīng)急管理部門(mén)及時(shí)進(jìn)行人群疏散；在公安刑偵領(lǐng)域，輔助公安部門(mén)開(kāi)展反恐、刑偵抓捕及指定人群分析等工作；在城市規(guī)劃建設(shè)領(lǐng)域，基于位置數(shù)據(jù)開(kāi)展區(qū)域人口流動(dòng)分析、城鎮(zhèn)及城鄉(xiāng)聯(lián)系強(qiáng)度分析、城市區(qū)域人口規(guī)模分析、人口居住地分布情況分析、人口職業(yè)分析、流動(dòng)人口情況分析等，輔助規(guī)劃部門(mén)開(kāi)展社會(huì)人口研究、道路規(guī)劃、商圈規(guī)劃、學(xué)校規(guī)劃。

圖3是某省運(yùn)營(yíng)商A的所有用戶在某個(gè)節(jié)假日的位置分布熱力圖，將為后續(xù)旅游出行規(guī)劃、節(jié)假日出行引導(dǎo)等公共服務(wù)領(lǐng)域的工作提供參考依據(jù)。

圖3 某省用戶在某個(gè)節(jié)假日的位置分布熱力圖

3.3 主要技術(shù)困難

已有運(yùn)營(yíng)商分公司嘗試開(kāi)展位置類應(yīng)用服務(wù)項(xiàng)目，遇到的主要技術(shù)困難包括如下：

（1）網(wǎng)絡(luò)側(cè)信令數(shù)據(jù)接口不完整

識(shí)別TD網(wǎng)絡(luò)的4G用戶位置時(shí)，需要用到SGs口數(shù)據(jù)和LTE上網(wǎng)日志，但有分公司網(wǎng)絡(luò)側(cè)的4G信令尚未接入，導(dǎo)致對(duì)4G用戶的位置和位移無(wú)法識(shí)別。

（2）網(wǎng)絡(luò)側(cè)信令數(shù)據(jù)接入和處理難以滿足實(shí)時(shí)性要求

交通路況監(jiān)測(cè)、景區(qū)人流監(jiān)測(cè)等應(yīng)用場(chǎng)景對(duì)數(shù)據(jù)處理的實(shí)時(shí)性有很高要求。一方面，每天需要實(shí)時(shí)采集幾十億條甚至上百億條規(guī)模的網(wǎng)絡(luò)側(cè)信令數(shù)據(jù)；另一方面，需要借助分布式并行處理、流處理等技術(shù)在ETL、數(shù)據(jù)匯總、數(shù)據(jù)分析計(jì)算等環(huán)節(jié)進(jìn)行實(shí)時(shí)處理。但有分公司在支撐能力方面無(wú)法滿足實(shí)時(shí)性要求，導(dǎo)致某些應(yīng)用服務(wù)難以投入生產(chǎn)。

（3）位置定位精準(zhǔn)性有待提升

基于LAC+CI的位置定位，由于定位原理本身的特點(diǎn)，有可能存在幾十米至幾百米范圍的誤差，再加上對(duì)基站、小區(qū)地理位置信息更新和維護(hù)過(guò)程中產(chǎn)生的一些人為錯(cuò)誤，往往會(huì)影響位置定位的精準(zhǔn)性，這將難以滿足公安刑偵和特殊事件處理等公共安全相關(guān)應(yīng)用服務(wù)場(chǎng)景中的定位高精準(zhǔn)性要求。

下一階段如果能夠從技術(shù)層面解決上述問(wèn)題，將大大提升運(yùn)營(yíng)商的對(duì)外應(yīng)用服務(wù)能力，同時(shí)最大限度地發(fā)揮電信大數(shù)據(jù)的價(jià)值。

4 結(jié)束語(yǔ)

基于電信大數(shù)據(jù)的位置類應(yīng)用服務(wù)，對(duì)于網(wǎng)絡(luò)側(cè)信令數(shù)據(jù)的采集、解析、處理，在實(shí)時(shí)性、精準(zhǔn)性等方面有很高的要求，并且需求方往往要求能夠結(jié)合可視化圖形工具進(jìn)行動(dòng)態(tài)展示，目前個(gè)別分公司已深入開(kāi)展相關(guān)嘗試，效果逐步被認(rèn)可。

根據(jù)分公司實(shí)施過(guò)程中遇到的困難來(lái)看，除了在技術(shù)層面的系統(tǒng)支撐能力有待提升外，與第三方公司的合作模式、用戶隱私保護(hù)、對(duì)外提供數(shù)據(jù)的安全脫敏處理策略、平臺(tái)開(kāi)放性與規(guī)范性管理策略、分公司間的數(shù)據(jù)共享策略等都是需要進(jìn)一步探討和解決的問(wèn)題，運(yùn)營(yíng)商總部后續(xù)需要給予分公司更多的規(guī)范和指導(dǎo)。

[1] 李政,李繼兵,丁偉. 基于大數(shù)據(jù)的電信運(yùn)營(yíng)商業(yè)務(wù)模式研究[J]. 移動(dòng)通信, 2013(5): 64-67.

[2] 雷蕾,熊偉. 淺談電信行業(yè)大數(shù)據(jù)時(shí)代商業(yè)智能系統(tǒng)數(shù)據(jù)管理策略[J]. 移動(dòng)通信, 2014(9): 69-71.

[3] 朱珠. 基于Hadoop的海量數(shù)據(jù)處理模型研究和應(yīng)用[D].北京: 北京郵電大學(xué), 2008.

[4] Anderson Q. Storm real-time processing cookbook[M].Birmingham: Packt Publishing, 2013.

[5] 丁圣勇,閔世武,樊勇兵. 基于Spark平臺(tái)的NetFlow流量分析系統(tǒng)[J]. 電信科學(xué), 2014(10): 48-51.

[6] 喬宏明. 運(yùn)營(yíng)商在大數(shù)據(jù)產(chǎn)業(yè)中的定位芻議[J]. 移動(dòng)通信, 2014(13): 15-18.

[7] Hacigumus H, Mehrotra S, Iyer B. Providing database as a service[A]. Proceeding of 18th International Conference on Data Engineering[C]. Washington DC: IEEE Computer Society Press, 2002: 29-38.

[8] 曹帥,王淑營(yíng),劉述雅. 面向產(chǎn)業(yè)鏈協(xié)同SaaS平臺(tái)的業(yè)務(wù)流程定制技術(shù)[J]. 計(jì)算機(jī)應(yīng)用, 2013,33(5): 1450-1455.

[9] Wei Yi, Blake M B. Service-Oriented Computing and Cloud Computing: Challenges and Opportunities[J].Internet Computing, 2010,14(6): 72-75.

[10] 劉新海,丁偉. 大數(shù)據(jù)征信應(yīng)用與啟示——以美國(guó)互聯(lián)網(wǎng)金融公司ZestFinance為例[J]. 清華金融評(píng)論,2014(10): 93-98.

[11] 何廷潤(rùn). 當(dāng)前大數(shù)據(jù)應(yīng)用發(fā)展的局限性分析[J]. 移動(dòng)通信, 2014(13): 29-32.