電信數(shù)據(jù)中用戶(hù)行為特征測(cè)量與分析

宋 竹，秦志光，羅嘉慶，張悅涵

電信數(shù)據(jù)中用戶(hù)行為特征測(cè)量與分析

宋 竹，秦志光，羅嘉慶，張悅涵

(電子科技大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院 成都 611731)

通話(huà)和上網(wǎng)是電信運(yùn)營(yíng)商的重要業(yè)務(wù)，研究通話(huà)和上網(wǎng)的行為規(guī)律有助于提升電信運(yùn)營(yíng)商的業(yè)務(wù)規(guī)劃和管理水平。現(xiàn)有的研究工作通常只關(guān)注于手機(jī)通話(huà)或上網(wǎng)行為，很少同時(shí)對(duì)兩類(lèi)行為進(jìn)行關(guān)聯(lián)的分析。該文提取了電信數(shù)據(jù)中手機(jī)通話(huà)與上網(wǎng)的基本特征，對(duì)通話(huà)和上網(wǎng)行為的頻率分布進(jìn)行了曲線(xiàn)擬合。通過(guò)比較兩類(lèi)行為的擬合參數(shù)與相關(guān)系數(shù)，發(fā)現(xiàn)了工作日與周末、以及周六與周日顯著不同的用戶(hù)行為特征。通過(guò)對(duì)通話(huà)和上網(wǎng)時(shí)間的歸一化，定義了用戶(hù)的使用偏好，發(fā)現(xiàn)54%的手機(jī)用戶(hù)更多的傾向于使用手機(jī)通話(huà)，而31%的用戶(hù)則傾向于使用手機(jī)上網(wǎng)。

曲線(xiàn)擬合; 頻率分布; 測(cè)量; 電信數(shù)據(jù); 統(tǒng)計(jì)分析; 用戶(hù)行為

如今智能手機(jī)在人們的日常生活中扮演著越來(lái)越重要的角色，隨著移動(dòng)網(wǎng)絡(luò)技術(shù)的提升及智能手機(jī)的普及，移動(dòng)互聯(lián)網(wǎng)業(yè)務(wù)也逐漸成為繼手機(jī)通話(huà)和短信之后的重要電信業(yè)務(wù)。通過(guò)對(duì)用戶(hù)的電信通話(huà)和流量賬單數(shù)據(jù)進(jìn)行測(cè)量分析，可以幫助提取和挖掘手機(jī)用戶(hù)的行為特征、發(fā)現(xiàn)用戶(hù)的行為模式，對(duì)電信運(yùn)營(yíng)商的商業(yè)策略?xún)?yōu)化、服務(wù)水平提升也有重要的指導(dǎo)意義。

本文通過(guò)對(duì)中國(guó)某電信運(yùn)營(yíng)商4天的電信通話(huà)和流量賬單數(shù)據(jù)的測(cè)量分析，著重關(guān)注用戶(hù)細(xì)粒度的宏觀通話(huà)行為和移動(dòng)互聯(lián)網(wǎng)行為頻率分布的特點(diǎn)與差異，并使用相關(guān)系數(shù)、傅里葉函數(shù)和多項(xiàng)式函數(shù)等對(duì)頻率分布進(jìn)行深入研究。不同于經(jīng)典的時(shí)間間隔頻率分布的分析，采用在線(xiàn)時(shí)間頻率分布來(lái)探索手機(jī)通話(huà)行為與移動(dòng)互聯(lián)網(wǎng)行為的特征與規(guī)律。

1 相關(guān)工作

現(xiàn)有的研究大多專(zhuān)注于手機(jī)通話(huà)或移動(dòng)互聯(lián)網(wǎng)的使用。近來(lái)基于手機(jī)通話(huà)的研究包括：關(guān)注手機(jī)通話(huà)間隔的分布以研究大尺度的集體行為和異常事件的發(fā)生[1]、對(duì)不同時(shí)間序列的手機(jī)用戶(hù)行為模式進(jìn)行研究[2]、討論不同時(shí)間因素對(duì)手機(jī)用戶(hù)移動(dòng)軌跡的影響[3]以及對(duì)加權(quán)的無(wú)向移動(dòng)網(wǎng)絡(luò)的研究[4]。文獻(xiàn)[5]使用出度、去話(huà)的比例以及通話(huà)的差異3種指標(biāo)來(lái)量化個(gè)體用戶(hù)的行為并對(duì)用戶(hù)進(jìn)行分類(lèi)。目前為止，對(duì)手機(jī)用戶(hù)行為特征定義的參數(shù)主要為時(shí)間間隔、時(shí)間、軌跡及通話(huà)使用等。

近來(lái)關(guān)于使用移動(dòng)互聯(lián)網(wǎng)的研究包括對(duì)移動(dòng)互聯(lián)網(wǎng)的統(tǒng)計(jì)分析[6]和移動(dòng)互聯(lián)網(wǎng)用戶(hù)的行為分析[7]。文獻(xiàn)[8]定性研究了活躍的手機(jī)互聯(lián)網(wǎng)用戶(hù)，并提出了一種初步框架來(lái)理解用戶(hù)的動(dòng)機(jī)和行為。文獻(xiàn)[9]對(duì)移動(dòng)互聯(lián)網(wǎng)服務(wù)擴(kuò)散模式進(jìn)行研究。文獻(xiàn)[10]主要關(guān)注于劃分移動(dòng)互聯(lián)網(wǎng)的用戶(hù)群體。文獻(xiàn)[11]研究不同年齡群體用戶(hù)使用移動(dòng)互聯(lián)網(wǎng)的行為模式。文獻(xiàn)[12]討論了造成日本移動(dòng)互聯(lián)網(wǎng)用戶(hù)獨(dú)特行為模式的原因。文獻(xiàn)[13]研究基于不同時(shí)間的不同手機(jī)用戶(hù)上網(wǎng)行為模式。文獻(xiàn)[14]對(duì)移動(dòng)互聯(lián)網(wǎng)數(shù)據(jù)的時(shí)間模式，地理位置和移動(dòng)性進(jìn)行統(tǒng)計(jì)分析。文獻(xiàn)[15]研究移動(dòng)互聯(lián)網(wǎng)與傳統(tǒng)互聯(lián)網(wǎng)不同的用戶(hù)行為。文獻(xiàn)[16]研究用戶(hù)訪問(wèn)各類(lèi)網(wǎng)頁(yè)的行為。文獻(xiàn)[17]測(cè)量分析了不同類(lèi)型與不同設(shè)備的流量使用特征。文獻(xiàn)[18]通過(guò)基于上下文的算法推測(cè)用戶(hù)的3種移動(dòng)互聯(lián)網(wǎng)使用模式。文獻(xiàn)[19]研究手機(jī)用戶(hù)訪問(wèn)各類(lèi)網(wǎng)頁(yè)的行為隨時(shí)間的變化。目前為止，對(duì)移動(dòng)互聯(lián)網(wǎng)用戶(hù)行為特征定義的主要參數(shù)為時(shí)間、時(shí)間間隔、地理位置及訪問(wèn)行為等。

可以看出，分析手機(jī)通話(huà)行為與上網(wǎng)行為特征的參數(shù)有相似性，但目前并沒(méi)有研究同時(shí)分析手機(jī)通話(huà)和上網(wǎng)行為的關(guān)系和差異。本文與上述工作不同在于本文著重于相關(guān)聯(lián)的分析手機(jī)通話(huà)和手機(jī)上網(wǎng)的行為特征，通過(guò)基于時(shí)間的宏觀頻率分布來(lái)探索不同行為間的關(guān)系和差異，以及造成差異的原因。

2 統(tǒng)計(jì)分析

2.1 數(shù)據(jù)來(lái)源

本文使用統(tǒng)計(jì)分析的方法對(duì)電信數(shù)據(jù)集進(jìn)行分析。該數(shù)據(jù)集是由中國(guó)某城市某電信運(yùn)營(yíng)商提供的匿名手機(jī)用戶(hù)的實(shí)際賬單數(shù)據(jù)，涵蓋了該城市2011年12月1日至4日1 012個(gè)基站的所有賬單記錄。該運(yùn)營(yíng)商在該地區(qū)擁有150萬(wàn)活躍用戶(hù)，是當(dāng)?shù)刂匾碾娦胚\(yùn)營(yíng)商之一。

數(shù)據(jù)集包含通話(huà)賬單數(shù)據(jù)和流量賬單數(shù)據(jù)，其中通話(huà)賬單數(shù)據(jù)包括：主叫號(hào)碼、被叫號(hào)碼、通話(huà)建立時(shí)間、通話(huà)持續(xù)時(shí)間和所在基站信息。流量賬單數(shù)據(jù)包括：用戶(hù)號(hào)碼、聯(lián)網(wǎng)建立時(shí)間、聯(lián)網(wǎng)持續(xù)時(shí)間、下載流量、上傳流量、所在基站信息。在數(shù)據(jù)預(yù)處理中排除了特殊號(hào)碼、信息不完整、以及被中斷的記錄。其中被中斷的記錄是指用戶(hù)使用呼叫等待等業(yè)務(wù)造成同一時(shí)間內(nèi)有多個(gè)通話(huà)記錄的情況。

2.2 數(shù)據(jù)特征

電信數(shù)據(jù)集中存在龐大的用戶(hù)數(shù)量，其中通話(huà)賬單數(shù)據(jù)中有40萬(wàn)用戶(hù)，流量賬單數(shù)據(jù)中有29.5萬(wàn)用戶(hù)，其中用戶(hù)有無(wú)通話(huà)記錄或無(wú)流量記錄。

用戶(hù)數(shù)量隨出話(huà)次數(shù)的分布如圖1所示，可看出用戶(hù)數(shù)量的分布與出話(huà)次數(shù)成反比。

圖1 用戶(hù)數(shù)量隨出話(huà)次數(shù)的分布

圖2 95%累計(jì)百分比的上網(wǎng)時(shí)長(zhǎng)頻率分布

圖3 95%累計(jì)百分比的通話(huà)時(shí)長(zhǎng)頻率分布

本數(shù)據(jù)集中每次通話(huà)和上網(wǎng)信息都以記錄的形式保存，故同時(shí)對(duì)基于用戶(hù)和記錄的通話(huà)和上網(wǎng)數(shù)據(jù)特征進(jìn)行統(tǒng)計(jì)，分別統(tǒng)計(jì)了通話(huà)數(shù)據(jù)和流量數(shù)據(jù)的95%累計(jì)百分比的時(shí)長(zhǎng)頻率分布，如圖2和圖3所示。可以看出，兩者的使用時(shí)長(zhǎng)分布有很明顯不同。圖3可以看出明顯的泊松分布，通話(huà)時(shí)長(zhǎng)的眾數(shù)出現(xiàn)在15 s；相反，圖2的頻率分布規(guī)律不太明顯，上網(wǎng)時(shí)長(zhǎng)的眾數(shù)出現(xiàn)在59 s，同時(shí)在650～700 s處出現(xiàn)了使用頻率的高峰。

2.3 用戶(hù)偏好

為了量化用戶(hù)通話(huà)和上網(wǎng)兩種不同行為的模式和關(guān)系，定義iP作為個(gè)體用戶(hù)使用移動(dòng)互聯(lián)網(wǎng)的比重，用以歸一化用戶(hù)使用手機(jī)通話(huà)和移動(dòng)互聯(lián)網(wǎng)的時(shí)間，即用戶(hù)的使用偏好。ix和iy分別代表示個(gè)體用戶(hù)i的總上網(wǎng)時(shí)長(zhǎng)和總通話(huà)時(shí)長(zhǎng)，iP可表示為：

式中，n表示用戶(hù)數(shù)量。iP值越高，代表用戶(hù)更傾向使用移動(dòng)互聯(lián)網(wǎng)；iP值越低，代表用戶(hù)更傾向使用手機(jī)通話(huà)。通過(guò)對(duì)用戶(hù)的使用偏好進(jìn)行統(tǒng)計(jì)，發(fā)現(xiàn)大量用戶(hù)的使用偏好值Pi集中在0～10%和90～100%兩個(gè)區(qū)間。超過(guò)86%的用戶(hù)傾向于使用手機(jī)通話(huà)或使用移動(dòng)互聯(lián)網(wǎng)，且用戶(hù)中傾向于使用手機(jī)通話(huà)的用戶(hù)比例大于傾向使用移動(dòng)互聯(lián)網(wǎng)的用戶(hù)比例。這一結(jié)論符合帕累托分布，即80/20法則。

2.4 頻率分布

有別于其他粗粒度的分析，在測(cè)量中X軸的精度通常精確到秒，這有利于觀察細(xì)粒度下的用戶(hù)行為模式和其他細(xì)微的變化，尤其是一些粗粒度下無(wú)法觀測(cè)的短時(shí)間內(nèi)的波動(dòng)。通話(huà)頻率分布與移動(dòng)互聯(lián)網(wǎng)頻率分布如圖4所示。

通過(guò)對(duì)通話(huà)數(shù)據(jù)頻率分布的觀察，可以很容易識(shí)別出通話(huà)頻率分布的模式，類(lèi)似于“典型人體生理節(jié)律”的雙峰分布。在細(xì)粒度的分布圖中，發(fā)現(xiàn)了一些差異(如通話(huà)頻率分布在24:00-4:00的時(shí)間段中除了第一天都是遞減的，其成因是由于統(tǒng)計(jì)的初始累加過(guò)程)。為了避免這種不確定的誤差影響，所有24:00-4:00這個(gè)生理不活躍時(shí)期的數(shù)據(jù)都在之后的研究中被排除。

可以看出，通話(huà)數(shù)據(jù)的頻率分布從4:00-11:00左右呈現(xiàn)迅速的增長(zhǎng)直至頻率的最高峰(第1天出現(xiàn)在10:28時(shí)；第2天出現(xiàn)在10:53時(shí)，第3天出現(xiàn)在11:00時(shí)；第4天出現(xiàn)在11:06時(shí))。此后活躍用戶(hù)的數(shù)量呈下降趨勢(shì)直到14:00左右。在14:00-16:00時(shí)期內(nèi)，工作日與周末的通話(huà)頻率分布有明顯不同。在這一時(shí)期周末的通話(huà)頻率分布平穩(wěn)降低，而工作日的通話(huà)頻率分布則在上升。觀察到工作日出現(xiàn)在18:00左右的第二次峰值在周末的頻率分布圖上并不明顯(第1天出現(xiàn)在17:36時(shí)；第2天出現(xiàn)在17:28時(shí)，第3天出現(xiàn)在17:12時(shí)；第4天出現(xiàn)在17:05時(shí))。在18:00-20:30這一時(shí)間段，4天的分布都呈現(xiàn)下降趨勢(shì)，其中周末的下降趨勢(shì)更加平緩。在20:30以后，4天的通話(huà)頻率分布都迅速降低至一天中的最低點(diǎn)。

反觀移動(dòng)互聯(lián)網(wǎng)的頻率分布并不像通話(huà)頻率分布那樣有規(guī)律。最顯著的差異是第1天、第3天、第4天的頻率分布出現(xiàn)大幅度波動(dòng)，而這種現(xiàn)象在粗粒度的頻率分布圖中并不明顯。

圖4 通話(huà)數(shù)據(jù)頻率分布與移動(dòng)互聯(lián)網(wǎng)數(shù)據(jù)頻率分布圖

3 特征分析

3.1 相關(guān)性分析

通過(guò)圖4可發(fā)現(xiàn)工作日與周末的通話(huà)頻率分布有顯著差異。為了量化通話(huà)頻率的不同，采用相關(guān)系數(shù)來(lái)評(píng)估通話(huà)頻率分布的相似性。用相關(guān)系數(shù)R來(lái)描述樣本x和y的相似性：

系數(shù)R的大小由協(xié)方差C決定：

相關(guān)系數(shù)R越趨于1，兩組樣本越相似。分別計(jì)算每組通話(huà)頻率分布的相關(guān)系數(shù)如表1所示。其中最高的R值分別為0.990 5與0.989 9，分別是第1天與第2天，第3天與第4天的相關(guān)系數(shù)，證明了工作日與周末的通話(huà)頻率分布有明顯差異，而這些差異是由用戶(hù)行為的宏觀差異所造成。

表1 通話(huà)頻率分布的相關(guān)系數(shù)

對(duì)于移動(dòng)互聯(lián)網(wǎng)的頻率分布，同樣分別計(jì)算每組分布的相關(guān)系數(shù)，如表2所示。可以看出，移動(dòng)互聯(lián)網(wǎng)頻率分布的相關(guān)系數(shù)遠(yuǎn)低于通話(huà)頻率分布。其最高的R值為第1天與第3天的相關(guān)系數(shù)0.859 2。且在通話(huà)頻率分布圖中觀測(cè)到的工作日之間與周末之間的相似；工作日與周末不同的現(xiàn)象在移動(dòng)互聯(lián)網(wǎng)頻率分布中并未發(fā)現(xiàn)。

表2 移動(dòng)互聯(lián)網(wǎng)頻率分布的相關(guān)系數(shù)

3.2 傅里葉擬合

從圖5可以發(fā)現(xiàn)，所有通話(huà)數(shù)據(jù)統(tǒng)計(jì)點(diǎn)分布為一個(gè)雙峰曲線(xiàn)，類(lèi)似于“典型的人體生理節(jié)律”分布，此分布可以用5階傅里葉函數(shù)很好的擬合，5階傅里葉函數(shù)FFourier表示為：

式中，ia和ib代表振幅；w代表頻率；0a代表位移。

傅里葉函數(shù)通常是在信號(hào)處理中通過(guò)簡(jiǎn)單三角函數(shù)的疊加達(dá)到近似描述對(duì)象的目的。本文將通話(huà)頻率分布和移動(dòng)互聯(lián)網(wǎng)頻率分布近似的看作信號(hào)，即可使用傅里葉函數(shù)來(lái)描述用戶(hù)通話(huà)的宏觀現(xiàn)象。第1天為例，通話(huà)頻率分布的擬合曲線(xiàn)如圖5所示，擬合參數(shù)如表3所示。

圖5 第1天通話(huà)頻率分布的傅里葉擬合圖

式(4)中的a0，ai，bi和w都是自由參數(shù)，表3中每行擬合值相似的參數(shù)都使用*號(hào)和+號(hào)標(biāo)注出。可以看出第1天和第2天有7組相似參數(shù)(a0,a1,b1, a3,b3,a4和a5)，第3天和第4天有5組相似參數(shù)(a0, a3,b3,b4和a5)。除此之外，第2天和第3天有3組相似參數(shù)(b2,b5和w)，第1天和第4天有1組相似參數(shù)(b2)。此外，未被標(biāo)注的參數(shù)表示通話(huà)頻率分布中最突出的特征(如a0,a2,b5和w是第1天頻率分布的顯著特征)。

表3 通話(huà)頻率分布的擬合參數(shù)和指標(biāo)

雖然使用傅里葉函數(shù)進(jìn)行曲線(xiàn)擬合可以用來(lái)近似的描述信號(hào)(細(xì)粒度的頻率分布可以近似的看作信號(hào))，但擬合參數(shù)所代表的客觀意義很難定義，即這些參數(shù)在本文研究中只是用做測(cè)量的指標(biāo)，而其具體的物理意義將在接下來(lái)的工作中使用信號(hào)分析的方法來(lái)進(jìn)行研究和探討。

3.3 多項(xiàng)式擬合

為了更進(jìn)一步的研究細(xì)粒度下數(shù)據(jù)集的通話(huà)頻率分布特征，本文選擇了通話(huà)頻率分布中兩個(gè)重要的時(shí)間段分別進(jìn)行研究，一個(gè)是8:00-10:00的頻率分布增長(zhǎng)時(shí)期，另一個(gè)是22:00-24:00的頻率分布衰減時(shí)期。

在此時(shí)間段內(nèi)，頻率的變化呈現(xiàn)一種較均勻的線(xiàn)形增長(zhǎng)或衰減趨勢(shì)，故采用一次多項(xiàng)式函數(shù)對(duì)增長(zhǎng)和衰減時(shí)期的通話(huà)頻率進(jìn)行擬合，一次多項(xiàng)式函數(shù)FPolynomial表示為：

式中，參數(shù)k代表擬合曲線(xiàn)的斜率，在這里可以理解為宏觀用戶(hù)的活躍(衰減)速度。||k值越高，代表宏觀用戶(hù)的活躍(衰減)速度越快，||k值越低，代表宏觀用戶(hù)的活躍(衰減)越慢；a代表曲線(xiàn)位移。以第1天為例，其增長(zhǎng)時(shí)期和衰減時(shí)期的擬合曲線(xiàn)如圖6～圖7所示，4天的擬合參數(shù)如表4和表5所示。

可以看出第1天、第2天、第3天、第4天的通話(huà)頻率增長(zhǎng)區(qū)域的k值有明顯不同。第3天與第4天的k值遠(yuǎn)遠(yuǎn)小于第1天和第2天。即用戶(hù)在工作日的活躍程度增長(zhǎng)速度高于用戶(hù)在周末的活躍程度增長(zhǎng)速度。同時(shí)，衰減區(qū)域第1天和第4天的k值則遠(yuǎn)低于第2天和第4天，結(jié)果表明，當(dāng)天用戶(hù)的活躍程度取決于第2天是否為周末。即當(dāng)?shù)?天為周末，當(dāng)天用戶(hù)的活躍程度增長(zhǎng)更慢，衰減也更慢；當(dāng)?shù)?天不為周末，當(dāng)天用戶(hù)的活躍程度增長(zhǎng)更快，衰減也更快。

此外，增長(zhǎng)區(qū)域中第3天的k值低于第4天；衰減區(qū)域中第3天的k值高于第4天，即用戶(hù)在第3天的活躍程度較第4天上升更慢，衰弱也更慢。結(jié)果表明，用戶(hù)在第3天(周六)較第4天(周日)更為“放松”。

圖6 第1天增長(zhǎng)區(qū)域的多項(xiàng)式擬合圖

圖7 第1天衰減區(qū)域的多項(xiàng)式擬合圖

表4 擬合的參數(shù)和指標(biāo)

表5 擬合的參數(shù)和指標(biāo)

4 結(jié) 論

通過(guò)測(cè)量與分析電信數(shù)據(jù)中用戶(hù)行為的特征，定義了用戶(hù)的使用偏好，發(fā)現(xiàn)了用戶(hù)使用手機(jī)通話(huà)和使用移動(dòng)互聯(lián)網(wǎng)的傾向；通過(guò)比較頻率分布的相關(guān)系數(shù)與擬合參數(shù)，發(fā)現(xiàn)手機(jī)通話(huà)用戶(hù)在工作日和周末的活躍程度不盡相同，而且周六用戶(hù)的活躍程度與周日的也有明顯差異。

[1] CANDIA J, GONZALAZ M C, WANG P, et al. Uncovering individual and collective human dynamics from mobile phone records[J]. Journal of Physics A: Mathematical and Theoretical, 2008, 41(22): 1-15.

[2] JO H H, KARSAI M, KERTESZ K, et al. Circadian pattern and burstiness in mobile phone communication[J]. New Journal of Physics, 2012, 14(1): 20-37.

[3] ONNELA J P, SARAMAKI J, HYVONEN J, et al. Analysis of a large-scale weighted network of one-to-one human communication[J]. New Journal of Physics, 2007, 9(6): 179-201.

[4] MOTAHARI S, ZANG H, REUTHER P. The impact of temporal factors on mobility patterns[C]//45th International Conference on System Science(HICSS). Hawaii: IEEE, 2012.

[5] OLMEDILLA D, FRIAS-MARTINEZ E, LARA R. Mobile web profiling: a study of off-portal surfing habits of mobile users[C]//Proceedings of the 18th International Conference on UMAP. Big Island, USA: Springer Berlin Heidelberg, 2010: 339-350.

[6] DUGGAN M, SMITH A. Cell internet use 2013[EB/OL]. [2014-01-01]. http://www.pewinternet.org/2013/09/16/cellinternet-use-2013/.

[7] TAYLOR C A, ANICELLO O, SOMOHANO S, et al. A framework for understanding mobile internet motivations and behaviors[M]. New York: ACM, 2008.

[8] GHOSE A, HAN S P. An empirical analysis of user content generation and usage behavior on the mobile internet[J]. Management Science, 2011, 57(9): 1671-1691.

[9] HSU S L, DOONG H S, WANG H. Exploring diffusion patterns of 3G wireless Internet service adoption[C]//2nd International Conference on Computer Engineering and Technology(ICCET). Assisi-Perugia: IEEE, 2010.

[10] WANG C. Surfing mobile internet motivated by fashion attentiveness: an empirical study of mobile internet use in China[C]//8th Asia-Pacific Regional ITS Conference. Taipei, China: [s.n.]: 2011.

[11] PURCELL K, SMITH A, ZICKUHR K. Social media & mobile internet use among teens and young adults[M]. Washington, USA: Pew Internet & American Life Project, 2010.

[12] ISHII K. Internet use via mobile phone in Japan[J]. Telecommunications Policy, 2004, 28(1): 43-58.

[13] HALVEY M, KEANE M T, SMYTH B. Predicting navigation patterns on the mobile-internet using time of the week[C]//Special interest tracks and posters of the 14th international conference on World Wide Web. New York: ACM, 2005.

[14] DE J E, VAN P M, ROOS M. Time patterns, geospatial clustering and mobility statistics based on mobile phone network data[C]//Federal Committee on Statistical Methodology research conference. Washington, USA: Statistics Netherlands, 2012.

[15] HALVEY M, KEANE M T, SMYTH B. Mobile web surfing is the same as web surfing[J]. Communications of the ACM, 2006, 49(3): 76-81.

[16] JIANG Z Q, XIE W J, LI M X, et al. Calling patterns in human communication dynamics[J]. Proceedings of the National Academy of Sciences, 2013, 110(5): 1600-1605.

[17] CHUNG J Y, CHOI Y, PARK B, et al. Measurement analysis of mobile traffic in enterprise networks[C]// Network Operations and Management Symposium (APNOMS), 2011 13th Asia-Pacific. Taipei: China, IEEE, 2011: 1-4.

[18] VERKASALO H. Contextual patterns in mobile service usage[J]. Personal and Ubiquitous Computing, 2009, 13(5): 331-342.

[19] HALVEY M, KEANE M T, SMYTH B. Time based patterns in mobile-internet surfing[C]//Proceedings of the SIGCHI Conference on Human Factors in Computing Systems. Delft: ACM, 2006: 31-34.

編 輯 葉 芳

Measurement and Analysis of User Behaviors in Mobile Data

SONG Zhu, QIN Zhi-guang, LUO Jia-qing, and ZHANG Yue-han

(School of Computer Science and Engineering, University of Electronic Science and Technology of China Chengdu 611731)

Mobile calls and mobile-internet surfing are two important telecom services. The study of user behaviors on mobile calls and mobile-internet surfing is of great value to telecom operators in improving business planning and business management. Previous studies on user behaviors mainly focus on either mobile calls or mobile-internet surfing. There is little research that is conduced into the study of the interaction between mobile calls and mobile-internet surfing. In this paper, we first capture the basic features of the user behaviors in mobile calls and mobile-internet surfing. Through the curve fitting of frequency distributions of mobile calls and mobile-internet surfing, we find that there exist significant differences of user behaviors between workdays and weekends. We also normalize and compare the time that users spend on mobile-internet surfing and mobile calls. The results show that over 54% of users prefer using mobile calls, and over 31% of users prefer using mobile-internet surfing.

curve fitting; frequency distribution; measurement; mobile data; statistical analysis; user behavior

TP399

A

10.3969/j.issn.1001-0548.2015.06.024

2014 ? 02 ? 24；

2015 ? 09 ? 15

國(guó)家863項(xiàng)目(2011AA010706)；國(guó)家自然科學(xué)基金(61170041)

宋竹(1983 ? )，男，博士生，主要從事數(shù)據(jù)分析及智能交通方面的研究.