用于客观测量行为与环境以支持儿童期肥胖大规模研究的系统

物联网 技术的进步与新算法相结合，使得收集和处理高速率多源数据流成为可能，这些数据流以细粒度级别量化人类行为，并能更深入地洞察个体行为以及行为与环境之间的相互作用。在本文中，我们提出了一个集成系统，用于收集和提取多种行为和环境指标，旨在改善应对肥胖的公共卫生政策。数据收集采用基于智能手机和智能手表应用程序的被动方法，这些方法需要与用户进行最少的交互。我们的目标是详细描述设计原则、实施过程和集成算法的评估，特别是考虑到我们所面临的挑战，具体而言 集成多种技术、算法和组件于一个单一的统一系统之下，以及 大规模（大数据）要求。我们还展示了算法在数据集（多数为公开数据集）上的评估结果，例如计步时的绝对误差为 8-9 步，检测访问位置的 F1 分数为 0.86，以及总睡眠时间的误差小于 12 分钟。最后，我们还简要介绍了使用我们系统已经实现的研究，从而展示了其对公共当局和个体研究者的潜在价值。