基于用戶畫像的氣象服務(wù)系統(tǒng)設(shè)計與開發(fā)

陳沖 陶慧青 張鋒 王偉 李俊徽

摘要：針對互聯(lián)網(wǎng)氣象服務(wù)手段與產(chǎn)品千篇一律現(xiàn)狀，提出了基于CRAP架構(gòu)的系統(tǒng)設(shè)計，將信息采集、云庫集成、分析系統(tǒng)與主動推送融合為一體提升氣象服務(wù)能力，系統(tǒng)依托天氣羅盤及智慧氣象等浙江省氣象局的服務(wù)平臺和出口積累的用戶行為數(shù)據(jù)，挖掘用戶訪問量、訪問偏好和訪問時長等信息，結(jié)合用戶畫像分析方案得出規(guī)律性特征，指導(dǎo)氣象服務(wù)信息技術(shù)開發(fā)策略和氣象服務(wù)產(chǎn)品研發(fā)，最終實現(xiàn)氣象服務(wù)產(chǎn)品個性化無感推送。經(jīng)實驗和應(yīng)用表明，利用基于用戶畫像的氣象服務(wù)系統(tǒng)較好地提升了用戶體驗，為互聯(lián)網(wǎng)式的氣象服務(wù)向智能化、智慧化氣象服務(wù)發(fā)展提供了參考。

關(guān)鍵詞：用戶畫像；氣象服務(wù)；CR AP；個性化；無感推送；智能

中圖分類號：P409；TP399文獻標(biāo)志碼：A文章編號：1008-1739（2021）23-61-5

0引言

隨著互聯(lián)網(wǎng)氣象服務(wù)發(fā)展，氣象產(chǎn)品趨同態(tài)勢嚴(yán)重[1-3]，用戶體驗感下滑，氣象服務(wù)與用戶需求不一致導(dǎo)致矛盾進一步加劇，如何掌握用戶對氣象信息的個性化需求成為公眾氣象服務(wù)的一大痛點[4-8]。

本文提出了基于CRAP架構(gòu)（Collection信息采集+RDS云庫集成+Analysis分析系統(tǒng)+Push-Service主動推送服務(wù)），對浙江氣象服務(wù)出口采集氣象用戶行為信息進行分析，完成靶向氣象服務(wù)產(chǎn)品自動化加工，最終再次通過服務(wù)出口實現(xiàn)個性化主動智能推送服務(wù)的方案。解決了分眾場景不同用戶對氣象服務(wù)產(chǎn)品的具體需求，實現(xiàn)氣象服務(wù)由用戶主動獲取氣象信息變?yōu)楦兄脩粜枨螅悄芡扑蛡€性化氣象信息，有效提升了用戶的體驗感。

1系統(tǒng)設(shè)計

1.1用戶行為采集系統(tǒng)

用戶行為采集系統(tǒng)即CRAP架構(gòu)中的Collection，本文針對天氣羅盤、智慧氣象[9]等浙江省氣象局服務(wù)平臺和出口的大量用戶日常使用偏好等基礎(chǔ)數(shù)據(jù)[10-13]，對其進行了分布式標(biāo)準(zhǔn)化分析、處理并存放于數(shù)據(jù)存儲中心統(tǒng)一管理，形成用戶畫像基礎(chǔ)數(shù)據(jù)庫。

數(shù)據(jù)采集方式主要是頁面標(biāo)簽法[14-16]，將定制化的JavaScript等代碼植入服務(wù)平臺，當(dāng)用戶對平臺頁面中的標(biāo)簽進行操作時，觸發(fā)采集機制，該辦法盡可能滿足了當(dāng)前平臺的服務(wù)模式，能夠在不影響用戶體驗的前提下較全面地采集用戶體驗的行為數(shù)據(jù)。對上述平臺的各大功能子模塊植入埋點，部分埋點位置如圖1～圖3所示。

當(dāng)用戶訪問平臺或者各模塊時，觸發(fā)當(dāng)前監(jiān)測事件，采集數(shù)據(jù)的腳本代碼才會被觸發(fā)，從而采集用戶行為數(shù)據(jù)。埋點技術(shù)有2個比較明顯的優(yōu)勢：每一個用戶的操作行為都是被單獨監(jiān)測采集的，在一個頁面文件中可能會存在多個函數(shù)被植入多段代碼，這樣可以保證監(jiān)測的每一個用戶的交互行為事件是獨立并且完整的；其次是每一個頁面都是獨立的，因此采集到的數(shù)據(jù)沒有重復(fù)性減少冗余，利于后期CRAP架構(gòu)中RDS云庫上的存儲。因此，本文在進行埋點之前先整理并設(shè)計好需要采集的數(shù)據(jù)類型，具體植入采集數(shù)據(jù)的位置等。部分信息采集字段如表1所示。

信息采集表的字段將為RDS建表字段設(shè)立奠定基礎(chǔ)，而RDS用戶行為記錄表則作為用戶推送服務(wù)產(chǎn)品研發(fā)的基礎(chǔ)依據(jù)，主要對用戶行為數(shù)據(jù)記錄統(tǒng)計，有助于確定用戶使用習(xí)慣、當(dāng)前狀態(tài)等信息，便于根據(jù)實際情況進行智能定制產(chǎn)品，也有助于后續(xù)改進或者優(yōu)化相應(yīng)的推送服務(wù)產(chǎn)品。

采集數(shù)據(jù)儲存于RDS阿里云庫與OSS對象存儲，由結(jié)構(gòu)化的數(shù)據(jù)庫表以及JSON、txt等數(shù)據(jù)類型組成，RDS記錄表如圖4所示。基于阿里云的存儲方案，使得系統(tǒng)支持高并發(fā)讀寫，性能優(yōu)良。同時，接口服務(wù)使用的是阿里云企業(yè)級分布式應(yīng)用（EDAS），具備高效、可靠、易拓展等巨大優(yōu)勢[17-23]。

1.2用戶行為采集系統(tǒng)

用戶行為分析系統(tǒng)即CRAP架構(gòu)中的Analysis分析系統(tǒng)，該系統(tǒng)主要針對存儲于RDS與OSS的用戶行為信息進行進一步分析與研究，從數(shù)據(jù)中了解用戶在氣象應(yīng)用時的瀏覽方式，訪問的氣象要素與行為習(xí)慣等信息自動研制定制化氣象服務(wù)產(chǎn)品，具體定制產(chǎn)品對應(yīng)方案如表2所示，并以API形式提供中間件，該分析方案的主服務(wù)部署于阿里云上自建的推送服務(wù)集群中，以較高性能與可靠性來獲取詳細的用戶行為信息及分析結(jié)果，用戶的行為分析系統(tǒng)整體架構(gòu)如圖5所示。

該系統(tǒng)的個性化推送產(chǎn)品所使用數(shù)據(jù)源眾多，因此該系統(tǒng)針對浙江省氣象局氣象實況、預(yù)報等數(shù)據(jù)特征，研發(fā)了針對性較高的解析與加工程序，同時將其解析中間件存儲于阿里云OSS，Hbase，Redis等供后期調(diào)用。對于數(shù)據(jù)庫中的數(shù)據(jù)，為了保證訪問程序性能與服務(wù)器性能，采用將數(shù)據(jù)存儲為JSON、XML等格式作為二次交換文件使用，用戶行為分析系統(tǒng)可視化流程如圖6所示。

用戶行為分析系統(tǒng)包含用戶訪問氣象要素分析、用戶訪問氣象頻道分析、用戶訪問時間、位置分析及其他功能使用率分析等。目前用戶行為分析系統(tǒng)智能分析的氣象服務(wù)產(chǎn)品方向達13個，含上下班天氣、氣象類指數(shù)、交通氣象安全、短臨天氣、環(huán)境、臺風(fēng)以及觀潮等。

1.3個性化氣象服務(wù)無感推送系統(tǒng)

2應(yīng)用情況

基于用戶畫像的氣象服務(wù)系統(tǒng)于2020年11月正式應(yīng)用于浙江省氣象服務(wù)中心開發(fā)的《智慧氣象》App、《天氣羅盤》App等服務(wù)出口，自該系統(tǒng)應(yīng)用起至2021年6月，《智慧氣象》App用戶累計活躍數(shù)達130萬，月均活躍數(shù)達20萬，相較于之前有了明顯提升，同時，基于《天氣羅盤》App的主動推送服務(wù)達到近30萬次。系統(tǒng)推送效果如圖8所示。

根據(jù)浙江氣象服務(wù)出口用戶活躍度數(shù)據(jù)庫查詢，集成了用戶畫像氣象服務(wù)系統(tǒng)的《智慧氣象》App、《天氣羅盤》App等服務(wù)出口，自2020年11月至今，用戶活躍度總體穩(wěn)步提升，用戶活躍度如圖9所示，因此，該系統(tǒng)有效提升了用戶的體驗感，得到了良好的服務(wù)回饋。

3結(jié)束語

實踐證明，基于用戶畫像的氣象服務(wù)系統(tǒng)較好地解決了分眾場景不同用戶對氣象服務(wù)產(chǎn)品的具體需求，實質(zhì)上是將氣象服務(wù)由用戶主動獲取氣象信息變?yōu)榱烁兄脩粜枨螅賹⒂脩羲铓庀蠓?wù)產(chǎn)品推送給用戶。一方面，該系統(tǒng)讓用戶無需再通過互聯(lián)網(wǎng)檢索其所需常規(guī)氣象信息；另一方面，系統(tǒng)提供的氣象信息正對性更強，用戶個性化服務(wù)特征更為顯著。為進一步加強應(yīng)用效果，下一步可以擴大收集范圍接入第三方的用戶行為數(shù)據(jù)，同時不斷完善CRAP技術(shù)架構(gòu)，開展大量的訓(xùn)練，改進應(yīng)用功能和服務(wù)體驗。

參考文獻

[1] COFINO A S，GUTIéRREZ J M，JAKUBIAK B， et al. Implementation of Data Mining Techniques for Meteorological Applications[M].Realizing Teracomputing，2003.

[2]方學(xué)鋒.試析互聯(lián)網(wǎng)與氣象服務(wù)的融合與發(fā)展[J].科學(xué)與財富，2017（33）：137.

[3]華巖.山東氣象局氣象服務(wù)產(chǎn)業(yè)發(fā)展戰(zhàn)略研究[D].濟南：山東大學(xué)，2006.

[4] WU X，CA O Y，GAO G，et al. Relationship Among Public Cognition， Perceived Value， and Meteorological Service Satisfaction[J].TropicalConservation Science，2019，12（5）： 1-5.

[5] NIE， FengYing. A Value-oriented Model of Big Data-driven Knowledge Management and Collaborative Services： Ameteorological Service Case[C]//International Conference on Information Management. Chengdu：IEEE， 2017：511-516.

[6]廖賢達，姚學(xué)民，黃學(xué)忠.行業(yè)氣象服務(wù)要點探討[J].氣象研究與應(yīng)用，2008，29（4）：86-89.

[7] BRUNO L，TORDK.Calculating Workplace Wbgt from Meteorological Data： A Tool for Climate Change Assessment[J].Ind Health，2012，50（4）：267-278.

[8]徐鵬，張瑋，沈文穎.全媒體時代公眾氣象服務(wù)發(fā)展淺析[J].科技傳播，2017，9（8）：87-88.

[9]馬琰鋼，沈萍月，鄧闖.基于ArcGIS Mobile的“智慧氣象”數(shù)據(jù)服務(wù)技術(shù)研究[J].數(shù)字技術(shù)與應(yīng)用， 2015（9）：62.

[10]李建，張鋒，陳沖，等基于AI智能語音交互氣象服務(wù)的研究與應(yīng)用[J].計算機技術(shù)與發(fā)展，2020，30（12）：197-202.

[11]尚燕敏，曹亞男，韓毅，等.基于主題和大眾影響的用戶動態(tài)行為傾向預(yù)測[J].計算機學(xué)報，2018，41（7）：1431-1447.

[12]廖祥文，鄭候東，劉盛華，等.基于用戶行為的情感影響力和易感性學(xué)習(xí)[J].計算機學(xué)報，2017，40（4）：955-969.

[13]孟祥武，李瑞昌，張玉潔，等.基于用戶軌跡數(shù)據(jù)的移動推薦系統(tǒng)研究[J].軟件學(xué)報，2018，29（10）：3111-3133.

[14]宋杰，王大玲，鮑玉斌，等.基于頁面Block的Web檔案采集和存儲[J].軟件學(xué)報，2008（2）：275-290.

[15]王雅坤.電商網(wǎng)站用戶行為實時監(jiān)控系統(tǒng)的設(shè)計與實現(xiàn)[D].北京：北京交通大學(xué)，2016.

[16]李冰.基于Android日志的APP用戶行為分析研究與實現(xiàn)[D].北京：北京郵電大學(xué)，2018.

[17]陳金光.基于阿里云的Kubernetes容器云平臺的設(shè)計與實現(xiàn)[D].杭州：浙江大學(xué)，2018.

[18]楊挺，王萌，張亞健，等.云計算數(shù)據(jù)中心HDFS差異性存儲節(jié)能優(yōu)化算法[J].計算機學(xué)報，2019，42（4）：721-735.

[19]黃華，彭蓉，馮在文.基于行為的大規(guī)模云工作流模型庫高效檢索方法研究[J].計算機學(xué)報，2018，41（6）：1018-1034.

[20]牛祿青.阿里云：創(chuàng)新云計算[J].新經(jīng)濟導(dǎo)刊，2013（3）： 66-68.

[21]駱小龍，虞開森，余金銘，等.基于阿里云的臺風(fēng)路徑實時發(fā)布系統(tǒng)研究[J].計算機時代，2015（2）：15-18.

[22]蘇鵬，劉甚靈，張春元.多云存儲網(wǎng)關(guān)設(shè)計和實現(xiàn)[J].計算機研究與發(fā)展，2015，52（S2）：43-48.

[23]翁湦元，單杏花，閻志遠，等.基于Kubernetes的容器云平臺設(shè)計與實踐[J].鐵路計算機應(yīng)用，2019，28（12）：49-53.