ch2-面向人的移动感知应用.ppt

PEIR的实现技术 相关assets的模型化(Activity以外对计算有用) Roads和Specific Locations(特定位置) StreetPro维护相关数据 Weather：temperature和relative humidity National Oceano-graphic and Atmospheric Association (NOAA)维护一个天气实时数据库 Traffic conditions：交通流量 California Air Resources Board (CARB) 提出了一个Emissions Factors Model (EMFAC) Vehicle emissions：排放与参数(如型号等)的关系 PEIR的实现技术 开始计算那些Impact/Exposure airborne particulate matter emissions! PEIR的实现技术 数据的可视化：将PEIR展现出来 非常重要 个人数据显示 PEIR的实现技术 个人PEIR数据的发布与共享 基于Facebook的对比与排名 实例4 个人健康维持 UbiFit Garden Project 这个Project的来源 S. Consolvo et al., “Activity Sensing in the Wild: A Field Trial of Ubifit Garden,” Proc. 26th Annual ACM SIGCHI Conf. Human Factors Comp. Sys., 2008, pp. 1797–1806. 这个Project的背景 鼓励physical activity，从而提高人们的健康水平 on-body sensing ? inference ? 计算并可视化一些数值(如卡路里) ? 鼓励锻炼的执行 UbiFit Garden的Sensing与Inference 测量值为Steps(步数)，采用pedometer(步数计) Inference：加速度的一次周期性变化 将Sensing和Inference成为一个Mobile Sensing Platform (MSP) 用蓝牙形成PAN(Person Area Network) 置信度 UbiFit Garden中的花园 展现锻炼效果 蝴蝶表示锻炼达到的造诣 游戏性、娱乐性是“面向人”的典型特征之一! 实例5 旅游线路挖掘 Mining People’s Trips 这个Project的来源 Yuki Arase, Xing Xie, Takahiro Hara, Shojiro Nishio. Mining Peoples Trips from Large Scale Geo-tagged Photos. In ACM International Conference on Multimedia, Italy, Oct. 2010 Share!!! 论坛：Share观点；BT：Share带宽；社交网：朋友之间的Share；点击率：Share评价 这个Project的背景 可以Share更复杂的东西：复杂行为，隐式行为 Mining Trips’ Mining的基本思路 Tags：人给照片加的描述；Geo-tags：拍照位置的经纬度信息 Trip：一个位置序列(如故宫,颐和园,…)；Photo-trip：照片序列，在Trip上拍摄的geo-tagged Photo序列 Photo trip pattern：一个经常访问位置的序列 Trip theme：trip对应的主要目的，如文化古迹 抓取Photos Photo-trip Trip theme Trip pattern 向用户推荐 Flickr和Picasa网站上有很多旅游图片 Photo Trip的建模 Photo Trip的建模 PT = (?, T, P, L, A) ? = C1,C2,…,Cn Ci是城市 T = T1,T2,…,Tn-1 Ti是停留时间 P = P1,P2,…,Pn Pi在城市Ci拍摄的照片集 L = L1,L2,…,Ln Li是照片集对应的tag集 A 是trip的主题 Photo Trip的计算 从照片集合中找到一个子集，对应一个Trip 直观想法：用gap来分割出一个trip(因为一个trip在时间上的表现是连续的) gN ? K + (?i=-dd gN+i)/(2d+1) 首先将照片按照时间排序，gi是pi和pi+1之间的时间gap，K是一个阈值 Gap可以包含除时间之外的因素，如距离等 gi = (1- ?- ?)giTime + ?giDistance + ?giTag 两个照片之间公共tag的