在后来的研究中，现实挖掘数据集(Eagle and Pentland,2006)被用于确定人类行为的重复结构(Eagle and Pentland,2009)。伊格尔和彭特兰将人们的这些行为称作“特征行为”(eigenbehaviors)。有了这样的“行为漫画”(EagleandPentland,2009:1058)，我们就可以预测个体接下来会有什么行为。接着，伊格尔和彭特兰论证了特征行为如何可以运用到穿过某个“行为空间”(EagleandPentland,2009:1058)的群体身上，以及“提炼人类日常行为模式的基本结构，推断群体联系，预测接下来的用户行为”(Eagle and Pentland,2009:1059)。
肖瓦尔(Shoval,2007)在有关“人类感知”，即利用移动电话的综合数据来探究人类行为的讨论中指出，阿哈斯和马克(Ahas andMark,2005)是最早采用这种数据收集方法的。阿哈斯和马克在研究中介绍了社会定位方法(SPM)，通过对移动电话位置坐标与用户社会身份的分析，来研究移动电话用户的时空流动。在各个研究中，使用移动通信的主要动力都是创造轻量级、低成本的系统，通过用户自己的手机来追踪用户的移动模式。
借由感知提升的位置与人类数据
传感器可自动检测、衡量并观察距离最近的各类事件，包括动作、压力、温度、声音及污染物。传感器涵盖范围广阔，从机会型传感器到参与式人为驱动的传感器都属其中(Lane etal.,2008)。当前的各类应用使用了基于传感器的技术来收集、处理、共享并呈现感知信息(Parker et al.,2006)。比如，Jetsam(Paulos andJenkins,2005)是早期出现的一种机会型感知应用，该应用试图通过一种增强型垃圾桶来呈现城市公共垃圾，旨在向城市居民证明他们是如何参与到了“新涌现的数字城市图景”中(Paulos and Jenkins,2005:350)。该研究早于移动设备兴起之前。移动设备的无处不在及其不断进化的感知能力，已经使其成为城市及社会情境中以人为核心的感知系统在这里，人是感知活动的焦点—的理想工具（Campbell et al.，2006；Eisenman et al.，2006)。继而，移动设备向参与数据收集的人们提供了与所处社会环境相互作用的新机会，“特别关乎个人、群体及地区的利益，因为他们试图理解周边世界的社会与物理过程”(Reddyet al.,2011)。
393
第25 章 基于位置的环境与技术
同事的位置，到辅助计算流行病学研究，后者旨在“建立更精确的病原体空气传播模型”(Eagle andPentland,2006:263)。
589