0 引言
2017年10月，黨的十九大報告指出，污染防治攻堅戰是這一時期的“三大戰役”之一。2017年12月，中央經濟工作會議指出，打好污染防治攻堅戰，重點是打贏藍天保衛戰。2018年3月，政府工作報告再次強調堅決打好三大攻堅戰，推進污染防治取得更大成效，鞏固藍天保衛戰成果，攜手行動，建設天藍、地綠、水清的美麗中國。
近幾年，空氣質量、大氣污染已成為社會各界廣泛關注的問題，一些研究機構、大型企業以及創業公司都紛紛瞄準了這一領域，投入大量人力物力開展研究并推出了相關產品。如一些大型研究機構利用大數據分析優勢，融合物聯網技術，提供高精度空氣質量預報，實時監測城市區域的污染物來源和分布狀況；阿里云以“蔚藍地圖”APP為載體，使用戶可查詢和分享城市及大氣污染源的實時監測數據；此外，一些創新企業的精細化PM2.5檢測以及面向公眾的空氣檢測設備也引發大量關注，但現有產品多集中于空氣質量的實時監測和高精度預報，缺乏和環保數據、社會公眾數據的深度融合，導致產品無法有針對性地、定制化地評估大氣污染對社會、企業及公眾影響，不能精準觸達到個人。
根據行業及產品調研分析，本文將基于運營商用戶數據特征，結合大氣環境、空氣質量數據，進行大氣污染防控領域的方案研究，并探討其應用場景。
1 運營商用戶數據特征
移動互聯網的快速發展促進了信息和數據呈爆炸式增長，作為承載的移動互聯網的核心，運營商具備先天的數據優勢，相比于BAT等互聯網公司和第三方評測公司，運營商的數據具備覆蓋全面性以及統計完備性等優勢；相比于終端公司，則有更多更合理的數據采集便利。運營商數據主要包括運營支撐系統（OSS）域數據以及業務支撐系統（BSS）域數據。OSS域主要是網絡相關的數據，比如基站的基礎信息數據、地圖圖層及道路數據、移動網絡實時話統數據、移動用戶的XDR業務記錄數據等；BSS域數據包含用戶身份信息的用戶基本信息表、用戶每月出賬賬單、用戶語音業務和數據業務詳單等。
從用戶的維度來看，運營商數據包含了人的相關信息，可分為靜態數據和動態數據。其中，靜態數據和動態數據中的通信消費信息來自于運營商的BSS域，動態數據中的業務偏好信息來自于運營商的OSS域，其分類及來源如圖1所示。
圖1 運營商用戶數據特征
a） 靜態數據：主要包括用戶基本信息以及網絡信息等方面數據。用戶基本信息是不以電信網絡為依托的數據信息，脫離電信網絡該信息依然有效；用戶網絡信息是必須依附于電信網絡才具有價值的數據信息。這2類信息具有穩定不變或者變化緩慢的特點，如：用戶性別、用戶職業、付費模式、終端信息、套餐信息、網絡制式、手機號碼、用戶級別等在用戶在網期間不會發生變更，或者有可能會發生變更但變更概率很低或變更周期較長；用戶年齡、入網時間等屬性隨時間自然變更，無需預測。
b） 動態數據：用戶不斷變化的行為信息，譬如一個用戶每月使用的通信費用，這些費用包含流量費用、語音費用、短信費用以及其他增值費用等，依據簽約信息，每個人能夠使用的流量、語音、短信等數量的多少，用戶的哪些行為特征或偏好影響他們每天消費信息（包括使用了哪些應用及其時間、地點）。這些信息是每天、每月都發生變化且無明顯的規律性，需要通過大數據挖掘的方式將其內在聯系或特征展現出來。
在動態數據中，業務偏好信息及位置信息包含了人使用移動智能終端做業務的行動軌跡。在出門帶手機即可的現階段，人們用智能手機進行業務交互的頻次很高，因此其業務軌跡可以用來判定人群職住信息，在不同時刻的大概地理范圍。業務類別和APP類別是指人們在使用智能手機時喜歡用哪一類業務、哪一類APP，每次使用某一業務/APP的時長，一段時間內使用業務/APP的頻次，由此可推斷其關注點和興趣點。
2 基于運營商大數據的大氣污染防控方案
基于跨行業、多源、異構的大氣環境質量監測和預報數據、運營商數據、企業數據等進行融合分析，搭建大氣環境質量監測預報、影響評估與跟蹤分析的大數據平臺。基于此大數據平臺實現精細化大氣環境預報、溯源及科學污染防控，以達到更全面的對企業、群體個人的影響評估、預防以及重點污染區域的持續跟蹤，并能為政府和企業提供個性化的產能動態規劃和調整方案。基于運營商大數據的大氣污染防控方案如圖2所示。
圖2 大氣污染防控思路與方案圖
a） 數據整合：通過對跨行業數據進行關聯整合，包括空氣質量數據、運營商數據、企業數據等，實現信息的地理化交互關聯，從而實現數據的深度關聯分析。
b） 平臺搭建：對整合后的數據進行規范化存儲和自動化解析及入庫。將成熟的數據挖掘算法形成固化模型，并通過Hadoop、Impala等大數據技術，實現多參數、智能化、實時性的大數據分析平臺。
c） 分析及挖掘：通過用戶畫像、用戶軌跡、業務偏好等與大氣質量現狀分析、大氣質量精細化預測模型相結合，實現對個人群體的影響評估及預防、對敏感人群的污染趨勢預測推送、對污染區域的疏散預警等。通過大氣數據與企業數據的關聯，輔助實現污染溯源分析、污染源的產能動態規劃等。
d） 產品及服務：基于數據分析及挖掘結果，明確細化產品需求，針對政府、企業和個人等不同服務對象，形成一系列面向政府、企業和公眾的數據產品及服務，以達到輔助政府決策、提高企業產能、便捷服務民生的效果。
3 運營商數據在大氣污染防控的應用探討
基于整合后的多方數據源，形成基礎數據調用庫。搭建大數據平臺，完成數據的規范化存儲、自動化解析和入庫、關鍵信息提取。通過上層數據分析及挖掘，形成一系列面向政府、企業和公眾的數據產品及服務。主要的應用方向如表1所示。
表1 主要的應用方向
以下將著重探討運營商數據在污染區域的人群防控和企業停開工的監察管理方面的應用。
3.1 污染區域的人群防控
目前，當城市遇到嚴重污染天氣，每個人都會收到該城市空氣質量嚴重污染提示短信，而實際情況是不同區域空氣質量在不同時間是不一樣的，有時差別還特別大。如果統一對城市的居民進行空氣質量嚴重污染的提示推送，可能會對一些人提供錯誤的信息，不夠精細化。
基于運營商數據，可獲取人們的實時活動范圍，這樣便能對城市空氣嚴重污染的區域中的人群進行精準的實時空氣嚴重污染信息推送，實現空氣質量信息的精準化推送，為人們的出行提供參考。同時，我們能精確獲取空氣嚴重污染區域的人群信息以及他們的特征，為空氣質量影響評估提供更精確的數據和依據。
3.1.1 污染區域人群畫像
通過對嚴重污染區域的人群進行用戶畫像及軌跡追蹤，可將污染天氣對人群的影響進行評估，從而進行有效的人群疏散及衛生防疫工作。圖3是嚴重污染區域的人群分布熱力示意圖。
圖3 某污染區域內人群聚集熱力圖
分析嚴重污染區域的人群情況，比如影響人數，人群性別占比、年齡分布、每小時的用戶數量、不同時段的用戶數分布等，進而評估對污染區域人群的影響。
3.1.2 易感人群污染防控
根據用戶性別、年齡分布，公眾開放場所如公園、步道等的聚集情況，活躍時段、使用APP數據（如用戶搜索目的地天氣、目的地導航）等信息，以及醫療場所周圍的軌跡信息，鎖定易感人群，并向其推送空氣質量信息及防污染產品廣告信息，提醒其及時采取衛生防疫措施。
針對幼兒園、中小學校、養老院、醫院等易感人群聚集，且運營商數據不易捕獲的區域，可通過企業全息名片庫進行圈定，對其周圍企業污染情況進行跟蹤，減少對于易感人群的危害程度。
3.1.3 大氣污染預測人群防控
將人群指數的預測情況與空氣質量（PM2.5濃度）的預測情況，以及空氣質量監測站實時監測數據進行地理化匹配，分析空氣污染的預測以及實時污染情況對人群的影響程度，同時平臺會實現高密群體影響的實時告警，從而實現污染對人群影響的有效防控。
預測分析未來空氣污染的人群影響情況，如圖4所示。
圖4 某地未來空氣污染的人群影響預測分析示意圖
從圖4可見，早高峰出行時，空氣質量為黃色（2級），對人群影響不大。中午時段，移動用戶主要集中在幾大商業辦公區域，同時從空氣質量預測情況看，未來3小時可能會有中度霧霾從南向北來襲，此時可向熱點區域常駐人員進行消息推送。晚高峰時段，城區已經進入中度霧霾。傍晚時段，人群逐漸分散，霧霾也逐漸減弱。
3.2 企業產能動態調整及監察
結合地方企業信息，建立污染區域企業全息名片庫，包含企業分布、企業性質、企業規模、排放氣體種類、排放量等。結合用戶聚集、軌跡、業務特征等數據監控重點區域的工廠開工情況，對重污染天氣下隱瞞開工的企業進行識別。通過污染物溯源信息，對不同天氣條件下，工廠開工方案提供建議，實現工廠產能動態規劃，在保證空氣質量的前提下，減少對社會經濟的影響。
3.2.1 企業開工監察
隨著各地空氣重污染應急預案的推出，每遇空氣重污染時，各地政府需對污染排放的企業進行指導，特別是當空氣污染達到一定的預警級別，應急預案就會對相應的一些制造業企業進行停產和限產。以往的做法是政府相關部門進行實地檢查、抽查，來判斷相關企業是否按照要求進行停產或限產措施。但是企業分布很廣，執法工作人員有限，每次只能完成小比例的抽查工作，監管很難到位。而運營商有用戶群體的特征信息，通過建模訓練企業停工、開工時的用戶群體的聚集狀態、語音及數據業務特征、業務APP使用情況等一系列特征，即可初步判斷企業的開工概率。通過與實際停開工情況進行對比，得到模型的準確度，進而再改進模型，提高判斷的準確率，大大提高監管效率，節省人力物力和財力，為藍天計劃提供保障。
3.2.2 企業產能動態調整
隨著時代的發展，人們對于環保問題愈發重視，但是目前的企業停產限產措施也拉低了地方的GDP，如何平衡好GDP和環保兩者的關系，就顯得非常重要。
可以通過分析空氣污染溯源，結合人群聚集特征，針對不同類型的企業進行有針對性的檢查指導，實現企業精準的產能動態調整，保證空氣質量的同時，也兼顧企業產能的輸出。比如根據污染物溯源分析，某日空氣污染主要污染物來源為道路移動源而非工業移動源，因此可對樞紐路段進行車輛限行以減輕空氣污染，而并非工廠停工。從而使污染防治做到有的放矢，提高防治效率。
4 結束語
本文從“人”的角度介紹了運營商數據的特征，并基于運營商數據進行大氣污染防控的思路和方案研究，最后對基于運營商數據的大氣污染防控進行應用探討。作為能夠觸及到人群末端的運營商，存儲著人群的畫像、軌跡等信息，通過將精準化大氣質量實時及預測數據與運營商數據結合，能夠將大氣質量對公眾的影響精確到特定人群，實現精準觸達，并且將空氣污染的影響評估精確到每個人和區域；同時，可根據企業數據，實現企業產能的動態調整，保障藍天的同時也保證企業產能。為“藍天保衛戰”貢獻力量，運營商一直在行動。
參考文獻：
［1］ 柴發合.中國大氣污染防治工作進展與展望［Z/OL］. http：//www.sohu.com/a/235433227_99899283. 2018/6/12.
［2］ IBM綠色地平線［Z/OL］. http：//www-31.ibm.com/ibm/cn/cognitive/greenhorizon/.
［3］ 北京市人民政府.北京市空氣重污染應急預案（2017年修訂）［Z/OL］.http：//zhengce.beijing.gov.cn/zhengce/197/1861/1921/1005141/1283071/index.html. 2017/9/15.
［4］ 劉覓，楊海川，李振華. 運營商構建電信大數據生態之道［J］. 電信科學，2018（1）：109-119.
［5］ 常杪，馮雁，解惠婷，等. 大數據驅動環境管理創新［J］. 環境保護，2015，43（19）：25-29.
［6］ 張云勇. 電信運營商大數據發展建議［J］. 電信科學，2018（1）：103-108.
［7］ 郭華. 運營商大數據在旅游行業應用探索研究［J］. 移動通信，2015（6）：27-31.
［8］ 胡兵. 基于大數據的環境污染趨勢評估［J］. 中國資源綜合利用，2018（6）.
［9］ 尹文君，張大偉，嚴京海，等. 基于深度學習的大數據空氣污染預報［J］. 中國環境管理，2015，7（6）：46-52. 
