“我吹過你吹過的風，我們算不算相擁？算，屬于密接。我走過你走過的路，我們算不算相逢？算，屬于次密接……”這是最近火爆五一的一個幽默段子，在疫情嚴峻的當下，聽聽小段子，我們輕輕一笑，淡然面對后，有多少人會不禁好奇一下，大數(shù)據(jù)是如何判定我們曾相擁或相逢的？

相擁或相逢，這極致的浪漫賦予共有者一個名稱----時空伴隨者。

什么是時空伴隨者？

時空交集與時空伴隨是相同概念，是公安和電信部門的專業(yè)術(shù)語。是指本人的電話號碼與確診號碼在同一時空網(wǎng)格（范圍是800米*800米）共同停留超過10分鐘，且最近14天任一方號碼累計停留時長超過30小時以上，查出的號碼為時空伴隨號碼。本人的綠色健康碼就會變成帶有警告性質(zhì)的黃色碼，并被系統(tǒng)標記為“時空伴隨者”。

通俗地說，比如感染者14天內(nèi)到過北京，而市民在14天的軌跡與其有交集，這其中，不論是身體上的擦肩而過，還是通訊信號上的漂移，都可能被認定為時空伴隨。而經(jīng)系統(tǒng)檢出后，就屬于風險人群中的時空伴隨者，健康碼就會變色。

因此，篩查“時空伴隨者”可以最大程度發(fā)現(xiàn)潛在風險人群，將有可能感染的人群納入到重點排查中，真正做到早期發(fā)現(xiàn)和防控關(guān)口前移。那么，通過手機號碼提供了什么數(shù)據(jù)讓我們找到這些“時空重合”的伴隨著呢？----手機信令。

手機信令中有哪些數(shù)據(jù)？

手機信令數(shù)據(jù)（Mobile Signal Data），是通過手機用戶在基站之間的信息交換來確定用戶的空間位置，類似下面那張網(wǎng)格圖。手機信令數(shù)據(jù)的數(shù)據(jù)空間分辨率多為基站，時間分辨率則可精確到秒，數(shù)據(jù)字段中包含時間和空間位置屬性，還有通話和信息記錄等信息，通過上述信息的關(guān)聯(lián)可以反推用戶的出行軌跡，能相對準確的記錄人流的時空軌跡。

手機信令數(shù)據(jù)通常包括四個標簽：用戶IMSI表示手機用戶的唯一標識碼，時間戳TIME表示使用手機并被基站記錄的時間，事件類型Event包括接打電話、收發(fā)信息或位置更新等記錄，基站小區(qū)編號CellID表示信令事件發(fā)生時所在的基站小區(qū)。

機信令數(shù)據(jù)格式(圖片來源于百度)

那么問題來了，如果讓手機處于飛行模式、拔卡或者關(guān)機，手機信令還依舊有效嗎？

這個問題的本質(zhì)其實就是：手機和基站到底有沒有進行“手機信令數(shù)據(jù)”的傳輸，說直白點，只要手機可以和基站交換數(shù)據(jù)。

無論是關(guān)閉流量，把卡還是處于飛行模式，我們不難發(fā)現(xiàn)，手機都可以進行臨時的緊急呼叫，甚至是剛買回來的手機，即便是你不插卡，也不代表手機就不和基站有信息傳遞。

不僅如此，為了信號穩(wěn)定，手機內(nèi)置了大量的天線，都是為了盡可能主動去找到基站，并保持聯(lián)系，而不是說等你要打電話的時候，它才開始找到基站。

換句話說，但凡你打開了手機，無論是飛行模式，還是拔卡，手機都是和基站交換了數(shù)據(jù)。

手機信令數(shù)據(jù)覆蓋度廣，與其他類型的數(shù)據(jù)相比，其具有實時性、完整性、出行時空全覆蓋性等其他數(shù)據(jù)源所不擁有的優(yōu)勢，在各類規(guī)劃中尤其是交通大數(shù)據(jù)分析中具有獨特的應(yīng)用優(yōu)勢。雖然精度到不了GPS定位那么高，但好在設(shè)備和人能夠進行對應(yīng)，我國的手機號碼也實行的是實名制登記，對疫情管理的需求來說相對比較匹配。

手機信令中的數(shù)據(jù)百分百準確嗎？

雖然手機信令數(shù)據(jù)覆蓋面廣，只要用戶開啟手機，即可捕獲出行信息。但是手機信令數(shù)據(jù)并不是100%準確的。

手機信令數(shù)據(jù)不準確主要有兩個原因。

原因一：人生活在城市交界位置，接收信號處于經(jīng)常漫游狀態(tài)，在城市的某些區(qū)域，基站數(shù)量較多，區(qū)域基站密度較大，相同的位置可能被多個基站信號所覆蓋，處于該區(qū)域的手機號會因為重疊覆蓋的各個基站信號強度、負荷問題發(fā)生切換，導(dǎo)致表現(xiàn)在信令數(shù)據(jù)上，該用戶真實位置沒有發(fā)生變化的情況下，產(chǎn)生多條位置切換的信令數(shù)據(jù)，即在通信領(lǐng)域最常遇到的“乒乓效應(yīng)”。

諸如5月6日，有些人在北京住的好好的，突然“被異地”， 北京健康寶打開后收到彈窗4。

在百度中輸入關(guān)鍵詞“健康寶彈窗 誤傷”，相關(guān)信息有490多萬條。

原因二：手機信令數(shù)據(jù)存在海量化的特點，運算量較大，運行時間較長，尤其是在大范圍、長時間的海量數(shù)據(jù)庫中進行運算時，容易造成數(shù)據(jù)冗余較多、精度降低等問題，對服務(wù)器和軟件的配置，以及對算法設(shè)計的精度保證等都有較高的要求，因此會帶來工作人力、時間等各項成本的提高。同時，在手機進行實名制登記后手機信令數(shù)據(jù)包含大量涉及用戶的個人隱私數(shù)據(jù)，如姓名、身份證號碼、性別、常居住地等信息，這些敏感信息極易造成個人隱私數(shù)據(jù)的泄露，需要要求加強算法的脫敏性設(shè)計。數(shù)據(jù)脫敏不僅僅是對于客戶隱私數(shù)據(jù)中的某些字段進行加密，還應(yīng)避免數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系造成其他信息的泄露，如客人的活動軌跡特征信息等。

如何提升信令數(shù)據(jù)的準確性？

手機信令大數(shù)據(jù)用于“疫情密接”人群分析最基礎(chǔ)的算法基礎(chǔ)就是提取完整的出行鏈。為保證出行鏈的準確性，在明確了需求確定的數(shù)據(jù)的時間和地點范圍后，明確數(shù)據(jù)庫中各分表的關(guān)系和要讀取的字段信息，首先要做的就是提升手機信令數(shù)據(jù)的準確性。

1、數(shù)據(jù)的篩選與清洗

根據(jù)研究的需求，提出相應(yīng)的數(shù)據(jù)需求清單，梳理數(shù)據(jù)需求清單，明確需要哪些數(shù)據(jù)、需要哪些字段。比如說，某地流入的數(shù)據(jù)、某地流出的數(shù)據(jù)、駐留期間的OD出行矩陣數(shù)據(jù)等等。

同時在數(shù)據(jù)實際生產(chǎn)過程中，會產(chǎn)生大量的無效或異常數(shù)據(jù)，包括字段缺失、信息重復(fù)、信息錯誤的數(shù)據(jù)，以及位置冗余數(shù)據(jù)、漂移數(shù)據(jù)和乒乓數(shù)據(jù)等。因此，需要針對這些數(shù)據(jù)開展清洗工作，預(yù)處理后投入使用。

2、對空間數(shù)據(jù)進行單元劃分

基站碰撞，某種意義上是基于地理位置檢索的碰撞。

目前地理位置檢索技術(shù)主要為基于GeoHash與Morton碼兩種方式，兩種方式各有優(yōu)缺點，但究其本質(zhì)，他們的索引在命中數(shù)據(jù)后（如某一基站的數(shù)據(jù)），在磁盤上的分布方式如下圖所示，為完全的隨機分布。

因上述數(shù)據(jù)在磁盤上是完全的隨機分布，若檢索基站對應(yīng)的數(shù)據(jù)點非常多，隨機IO很高，則會造成整體性能尤為低下。

故我們建議修改數(shù)據(jù)的存儲分布，如某一基站的數(shù)據(jù)，在磁盤上的存儲方式按空間單元中的行政邊界方法劃定。其中，行政邊界可以細化到區(qū)縣、街鎮(zhèn)、社區(qū)/行政村，并對單元數(shù)據(jù)進行全盤掃描，而后進行標準化格式轉(zhuǎn)換、將字段結(jié)構(gòu)、字段完整性進行查重修正并標準化。

通過這種方式，構(gòu)造硬盤上的連續(xù)讀取，可以大幅度的減少隨機讀取的次數(shù)。因常規(guī)磁盤連續(xù)讀取的性能遠遠高于隨機讀寫的性能，從而大幅度提升查詢響應(yīng)的速度。

但這種方法，只能解決數(shù)據(jù)的檢索性能問題，而密切接觸者查詢，在檢索數(shù)據(jù)完畢后，還需要根據(jù)用戶ID與時間進行碰撞，進一步篩選出密切接觸者。故僅僅經(jīng)緯度的數(shù)據(jù)分布干預(yù)也無法完全解決同行人員查詢性能問題，還需對更多數(shù)據(jù)進行關(guān)聯(lián)分析。

3、數(shù)據(jù)關(guān)聯(lián)分析

當數(shù)據(jù)的質(zhì)量合格后利用經(jīng)緯度字段將數(shù)據(jù)同空間單元進行關(guān)聯(lián)，建立對應(yīng)關(guān)系。手機信令數(shù)據(jù)反推密接規(guī)律的核心在于獲取出行鏈。所謂的出行鏈，是指研究范圍的一次單獨出行，比如上班出行，捕獲某手機用戶在上午某時刻離開之前未發(fā)生變動的活動范圍（如居民住所）內(nèi)，按照一定的速度位置發(fā)生不斷變化，采集到系列的對應(yīng)的位置出行信息，直到到達某個地點（辦公場所）后，其活動范圍在指定時間內(nèi)和指定閾值規(guī)定的小半徑范圍內(nèi)，即可認定從起始點到到達點之間的這次系列位置信息對應(yīng)的出行軌跡為一次完整的出行鏈。不同的出行鏈活動半徑差異較大，如在城區(qū)內(nèi)部的出行鏈，其出行距離一般為3-10公里，而城際出行，尤其是乘坐飛機、高鐵出行，其單次出行距離可能超過1000公里。因此對于不同研究范圍的出行鏈計算，最重要的是科學(xué)設(shè)定不同的閾值判定標準，從而準確提取出對應(yīng)的出行信息。

相似出行鏈：出行軌跡吻合度達80%以上，多出現(xiàn)在相同交通工具搭乘者，包括高鐵和飛機、出租車、自駕小汽車、公路客運班車等，但是他們在出行起點之前和終點之后的出行軌跡產(chǎn)生顯著的變化。相似出行鏈則是判定相同交通工具搭乘者的重要依據(jù)。

相同出行鏈：出行軌跡吻合度則高達95%以上，表現(xiàn)在除了提取的出行鏈內(nèi)的軌跡高度吻合外，且在出行鏈起始點之外的軌跡也存在較多的吻合性。較多原因是同名用戶擁有2臺以上手機的情況，同時也有可能是家庭內(nèi)部用戶的或者相同單位內(nèi)部的同事出行的情況。相同出行鏈是數(shù)據(jù)預(yù)處理工作中視具體情況可進行篩除或者去重。

遏制疫情，萬眾一心，我們堅信能打贏這場戰(zhàn)“疫”！