数字技术研究

罗思(Roth,2010)及其同事采纳了伦敦人移动工具包中的主要元素—牡蛎卡—来分析在伦敦城市里的移动模式。牡蛎卡是在大伦敦地区乘坐公共交通工具用的电子票。罗思及其同事在研究中，从伦敦交通部门的记录中获取了203万张牡蛎卡的1120万条旅程信息。他们的分析结论认为，都市内的移动主要是围绕某些活动中心而展开的。该研究是通过由物理产品产生的基于位置的综合数据来推断个体行为与移动模式的典型案例。

对于移动工具包的研究是当前通过移动电话等普遍的普适计算设备进行的基于位置的研究的先驱。梅因沃林(Mainwaring)及其同事详细阐述了在洛杉矶、伦敦及东京这三个城市，移动工具包如何标志着用户与城市环境间的交互。通过该工具包，以及用户建立个人联系、探寻私人空间或“茧居”的方式，研究人员绘制了参与者使用商务卡、积分卡、公交卡及身份证等(Mainwaringet al.,2005:281)的旅行模式。

奥卡贝等人(Okabe et al.，2005)的分析扩展了有关移动工具包的讨论，进一步强调了位置在数据收集中的分量。然而，每个城市的参与者通过不同的媒介获得了自己的个人日记：洛杉矶的人们通过语音日记，伦敦市民通过纸和笔，东京市民则通过全球定位系统推动的移动博客系统。使用移动博客设备的参与者可以选择通过拍照、录视频或撰写文字信息来记录自己的个人日记。在此过程中，他们还提供了情境信息，比如，他们与谁在一起、在做什么。设备记录了全球定位系统的坐标，以及每条输入的时间与日期。伊托和奥卡贝的研究是对位置分析的有力佐证，从物理产品的空间移动与数据条目的数字跟踪两方面给出了证明。

全球定位系统

技术的不断进化产生了类似的跟踪研究，这些研究使用了全球定位系统。范德什佩克(Van derSpek,2009)及同事探讨了将全球定位系统当作衡量人们活动的传感技术的可能性。他们留意观察旅游者在历史名城中的行为模式，以便提升游客体验。他们开发了一些工具来测量城市改进，比如美化城市、增加街道附属设施与灯光，对游客的整体影响。研究人员通过街头采访与跟踪技术，绘制了“大公共空间”的地图(Van derSpek et al.,2009:3044)。

391

数字技术研究(世哲手册)

586

人们使用全球定位系统来理解旅行、活动及位置间的关联。沃尔夫(Wolf，2001)及其同事在早些时候进行的研究中，曾试图通过使用全球定位系统的数据记录仪来减少旅行调研。他们的研究试图使用全球定位系统中的点数据与地理信息系统来推断旅行目的。科昌(Kochan，2010)及其同事开发了PARROTS(旅游日程活动登记与记录的PDA系统)来收集各类活动与旅行数据，以及旅行过程中通过全球定位系统记录的位置数据。PARROTS能够自动记录位置数据，并使用户得以记录自己在每个位置所做的活动。将PARROTS的应答率与纸笔调查的应答率进行比较后，科昌及其同事发现，通过纸笔来调查时的退出率更低。他们还从中发现了更多已完成的旅程、更高质量的数据及即时访问电子数据的便捷性(Kochanetal.,2010:103)。

全球定位系统的作用不只是跟踪或感知人类活动—还可以对此进行预测。克鲁姆和霍维茨(Krumm andHorvitz,2004)实施了“预定目的地方法”，该方法可以在旅行进行过程中预测驾驶员要去哪里。阿什布鲁克和斯特纳(Ashbrook andStarner，2003)获得单个用户的GPS数据，继而“开发一些算法从这些数据中提取场所与位置信息”(Ashbrook andStarner,2003:283)。他们指出，通过这一方法“找到的位置，或许能够向用户揭示其语境意义”(Ashbrook and Starner,2003:283)。廖(Liao,2007)及其同事详细阐述了一个能够创造概率模型的系统，通过GPS数据来反映用户的旅行模式。他们使用GPS数据，试图推断用户的交通模式，预测用户何时将转为新的模式。他们的研究还预测了未来的动作，推断用户何时错误地偏离了自己的惯常行程。全球定位系统主要被用作理解人们在某些特定空间内或不同空间之间如何运动的手段。

参与式地理信息系统与城市断层扫描

类似的研究为用户提供了数据收集工具，用户也可以使用自己的设备，来收集基于位置的数据。沃克(Walker,2009)及其同事使用了混合研究方法，将定性方法与地理信息系统结合起来，以便更细致地了解学生前往学校的常规路径。为此，他们向青少年提供了移动电话。预装软件应用GeoBlog使得参与者能够撰写文字、拍照并给自己的图片加上注解。手机通过无线网络连接到蓝牙GPS设备，以追踪参与者的路线。沃克及其同事在研究中发现，真正确立了学生行程的叙述环境及沿途令人着迷的趣事的是此过程中的定性元素，即“谈话”。这种方法使各个级别的学习者“以不同方式参与到研究过程中，他们的参与提供了丰富的数据集，让我们更好地理解了偶然而复杂的上学路途”(Walkeretal.,2009:120)。

第25章 基于位置的环境与技术

392

587

城市断层扫描(Kriegeret al.，2010)使个体用户成为数据收集主体。使用当前的智能手机技术，城市断层扫描“利用了对城市生活的多媒体记录，使我们了解到城市活动的多个层面”(Krieger et al.,2010:22)。换言之，用户通过提供活动的多个“剖面”(Krieger et al.，2010:22)来记录城市生活。城市断层扫描取决于最近的智能手机提供的便利：高质量的视频记录、时空标签、3G无线网络及上传功能。视频一旦上传到某服务器，就能够呈现在网页上。克赖格(Kreiger)及其同事还发现，城市断层扫描记录了既定位置的人员流动情况。这种种案例都证明了使用基于位置的技术来收集数据的个体性与参与性。

移动电话与网络

移动电话与网络已经被用于研究人类行为及构成个人生活的日常位置。拉蒂(Ratti,2006:737)及其同事利用“手机的普及性来记录广泛的城市动态”。他们试图理解“从手机基础结构中产生的无穷无尽数据流”，以更好地呈现城市生活的流动性。他们通过研究，讨论了行人在城市里穿行的方式、人们面对干扰时如何自我组织以及“城市基础设施的关键点”(Ratti,2006:728)。

伊格尔和彭特兰(Eagle and Pentland,2006)在现实挖掘研究中，探讨了手机远程网络与短距离网络的使用情况。伊格尔和彭特兰探查了移动电话与这些网络的连接，继而利用这些数据来揭示了个人及组织引导行动的行为结构。他们使用一种信息度量熵，对“个人生活中可预测结构”的量进行了定量处理(Eagle and Pentland,2006:258)。他们通过持续记录用户的活动、位置及与他人的接近性，分析了人类行为的大范围动态变化(EagleandPentland,2006:263)。他们认为，这种数据收集方法可以提供广泛的可能性，从特定时间预测

数字技术研究(世哲手册)

588

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

可感知的城市

麻省理工学院的“可感城市实验室”(Martino et al.，2010)运用了各种数据收集方法，包括移动电话网络、众包材料等普遍系统，以及参与式感知及机会型感知。特别要指出的是，该实验室旨在更好地理解人在城市空间的流动，以及这些系统如何导致更有效及更可持续的生活环境。通过收集“小型城市行动者”与“本地化标签”，如全球定位系统、无线网络热点、蓝牙等信息，可感实验室的研究人员创建了“本地化动态流动”的可视化模型(Martino etal.,2010)。他们指出，这种可视化有效地描绘了以往需在传统地图上勾画的人类行为。

比如，哥本哈根车轮研究项目组(Outram et al.,2010)使用环境传感器来探测骑自行车者骑过城市时的一氧化碳、二氧化氮、湿度、噪音及湿度。哥本哈根车轮利用一个放在轮轴控制器中的传感器，与自行车把手上的智能手机连在一起。哥本哈根车轮对用户的健康有利，鼓舞着人们经常骑车，但除此之外，乌特勒姆(Outram)及其同事还发现了该设备的其他潜在好处，比如可帮助确定路线、还可测量城市里的热、噪音及污染的波动。不过，该项目的关键在于创造可视化形式，并将其覆盖在传统地图之上。这种可视化将数据转变为某种形式，这种形式一旦被参与者看到，即可引起移动模式与能量消耗的改变。

还有些研究使用数据可视化来探讨场所、行为及实时交互间的关系。他们研究了此类实时信息如何改变了人们的移动选择。“实时哥本哈根项目”(Martino et al.,2010)与“维基城市罗马”(Calabrese et al.,2008)展现了“城市的脉搏”(Martino et al.，2010:8)或夜间城市流的实时映射。城市可访问区域大型显示屏上供路人观看的可视化界面，在移动电话使用密度的基础上，详细刻画了人们在城市里的移动。观众可以根据可用信息来改变自己的行程。这样一来，他们就将周边城市环境不断变化的属性考虑在内。

可感城市实验室也观察到与之类似的其他项目。沃格协会与埃丝特·波拉克(Waag Society and EstherPolak,2002)提出的实时阿姆斯特丹项目利用全球定位系统分析了市民运动，并且仅凭人们的迁移创建了一份城市地图。

394

数字技术研究(世哲手册)

590

实时罗马项目(Rojasetal.，2008:4)根据2006年世界杯决赛意大利对法国，以及麦当娜演唱会期间手机日志的综合数据分析了罗马的“情绪景观”。诺尔德(Nold,2007)提出的“生物映射”概念使用皮肤电反应来测量人们对城市不同区域的心理反应。从许多方面来看，这项研究系将城市区域设想为流动的、波动的实体，受人类移动与情感强度的影响。

声音传感器

声音传感器也被用于各类不同的研究目的(Peltonen et al.,2002;Choudhury，2003)。“声音感知”系统(Lu et al.,2009)利用苹果手机iPhone的麦克风来区分音乐、语音等一般声音以及个别用户的独特声音。该研究不同于以往的研究，是对声音的实时划分，而不是线下分析与归类。“声音感知”系统通过其语音日记功能，使用机会型感知应用，通过用户的日常行为来记录声音事件。“声音感知”还可以作为一种声音探测器。在这种情况下，当“声音感知”探测到音乐时，设备会督促用户拍下当前位置的图片。继而，该图像被上传至某个门户网站，其他用户可以在该网站看到与音乐及位置相关的图像流。接着，用户可以看到该音乐的位置，并根据图像决定是否前往参加该位置正举办的活动。对声音的强调突出了与热门移动设备相关的机会型感知的基础工作。

通过CenceMe来感知距离

CenceMe(Campbell et al.,2006;Miluzzo et al.,2008)使用支持传感器的移动电话来推断用户行为，继而将这些行为共享到自己所选择的社交网站，如Facebook或Twitter上。CenceMe通过麦克风来收集声音样本，通过加速计来收集运动信息；该系统扫描用户附近的蓝牙与MAC(媒体存取控制)地址；当键盘被撤按或有电话打进来时，该系统也会拍下其GPS读数，以及“随机”照片。CenceMe分类器使用特定算法对声音、运动及图像进行归类。电话分类器对声音比特进行了检索，包括语音与背景噪音；活动分类器从加速计上捕捉数据，并将其归类为坐、站、走或跑。而且，既可以通过所捕捉到的与其他CenceMe用户的交谈来推断其所处社会情境，也可以判断用户是否单独一人。CenceMe还可以根据环境声音来对参加宴会的用户进行分类。加速计也可以确定用户是否正在舞会上跳舞。

第25章 基于位置的环境与技术

395

591

穆索莱西(Musoleisi,2008)及其同事试图扩展CenceMe的功能，将其与“第二人生”这个虚拟世界结合起来。在“第二人生”中，用户通过被称作“化身”的自我数字表征来彼此互动。正如穆索莱西及其同事所指出的，尽管在创造化身时，用户大约能够反映自己的物理存在，但他们无法将现实世界的行为转换到虚拟世界中。穆索莱西及其同事试图使用移动电话来架起现实世界行为与虚拟世界表征间的联系。通过CenceMe的活动推理功能，现实世界中的物理行为被映射到虚拟世界。比如，当用户在现实世界中跑步时，他的化身就在“第二人生”中奔跑。

典型的研究情境

我们一方面选择位置感知技术、健康与环境研究作为典型的研究新领域，另一方面，又选择教育及学习游戏来研究，这一点或许不足为奇。这两个领域都涉及分布广泛的系统，使用技术来改变人类行为与人类学习。讲到学习，这些技术在我们的生活中更是无处不在：Fitbit和耐克公司设计的手环等身体穿戴设备正日益普及。而且，值得注意的是，这些广泛领域本身正在发生“空间转向”(Soja，1996)，包括物理空间与虚拟空间的交叉。比如，两个领域都越来越感兴趣于研究实验室之外的个体及日常移动生活情境。人如何在不同时空过上健康的生活？人们如何跨越时空进行学习，这种学习情境该如何设计？这些对移动生活及分布式生活的广泛幻想，预示着健康、环境及教育研究的新方向。

健康与环境研究

基于位置的技术与健康信息之间的关联是个人层面数据收集的典型案例。此类数据收集形式使用了基于位置的技术，包括对移动网络追踪与感知技术的使用。安德森(Anderson,2007)及其同事对移动追踪进行了扩展，将经由移动实施的锻炼行为的追踪也包括进来。通过实施Shakra应用，他们试图设计一个系统来督促那些没有达到日常体育活动标准的成人，跟踪他们的日常活动，并加以归类。此类行为可以通过全球移动通信系统(GSM)信号强度

数字技术研究(世哲手册)

592

的波动推断出来。

还有些研究使用了商业计步器来激励用户获得更积极的生活方式。林(Lin,2006)及其同事创造了“Fishn'Steps”，该程序使用计步器收集到的步数来确定监测器上显示的虚拟鱼的成长。用户可以彼此竞争，因为他们能通过各自对应的鱼的长势来目睹健康状态的增加。类似的程序还有“Houston”(Consolvo et al.,2006)和“Chick Clique”(Toscos et al.,2006),这些程序强调了健康的社会含义，因为其使用计步器收集的数据来监测用户的步数，并通过移动电话与其他参与者共享这些数据。

另一些研究人员在身体健康研究的基础上进行了扩展，使用基于位置的技术来收集数据，以利于环境建设。张伯伦及其同事(Chamberlainet al.2007)提出的“ProfessorTanda”收集了环境数据及基于位置的数据，确定用户的环境足迹，继而劝说他们改变自己的旅行习惯。与之类似，弗勒利希(Froelich,2010)及其同事也探讨了生态反馈技术，该技术弥补了环境素养差异，自动感知用户活动，如驾车、淋浴等，通过计算机接口向用户提供适当的信息。

个人环境影响报告(PEIR;Mun et al.,2009)包括各种基于位置的感知功能—GPS定位、活动分类及其他情境数据—为用户提供有关环境影响与风险的个性化评估(Munet al.,2009:55)。个人环境影响报告着眼于“与移动相关的影响与风险，仅使用日常智能手机的内置商用传感器”(Munetal.，2009:56)。具体来讲，个人环境影响报告向用户揭示了两类环境影响因素:碳排放及敏感位置；以及两类环境风险因素：烟雾与快餐。第一类影响源于交通工具的使用，在学校及医院等场所附近留下碳排放及空气颗粒物排放；而第二类影响主要与用户接近空气颗粒物排放及快餐店有关。个人环境影响报告证明了“适应性的、有人类参与的感知系统的浮现，该系统将网站的分布式处理与个人对移动技术的使用等相结合，使人们参与探索先前未曾关注到的自身行为与周边环境之间的关系”(Mun etal.,2009:67)。

教育及学习游戏

基于位置的技术已被用于创造课堂内外的交互环境，尤其是通过增强现实环境。罗谢尔和佩亚(Roschelle andPea,2002)概述了学习场合的无线设备的可供性，描述了如何通过传感器与可穿戴设备等技术来增强物理空间。在“萨瓦纳：移动游戏和学习”项目中，费瑟(Facer，2004)及其同事探讨了使用移动技术如何能创造出迷人的学习体验。具体来讲，研究人员给学生们提供了手持设备—根据他们的物理位置——并告诉他们萨瓦纳的相关信息（如，“在你前方15米处有一头狮子，你打算怎么办？”)。这样，学生们“能够‘看”“听’嗅’到萨瓦纳的世界，就好比他们行走在真实的户外空间一般”(Faceret al.,2004:400)。

第25章 基于位置的环境与技术

396

593

克洛普弗和斯夸尔(Klopfer andSquire,2008:5)设计了“环境探测器”，这是一款多用户的手持增强现实模拟游戏，旨在支持科学学习。作为一款增强现实游戏，学生们使用个人数字助手来增强物理世界，手持设备上的数据与物理位置相关联，因而使用该设备能增加访问数据的虚拟层级。这个游戏本身模拟的是对有毒物质泄漏原因的调查，鼓励玩家自己进行桌面研究与实地调查，并参与有时间和预算约束的研究(2008:13)。

斯夸尔和简(Squire and Jan,2007)创造了“MadCityMystery”，这是一款增强现实游戏，鼓励学生们探究市民的死亡原因。学生们使用其设备，前往各个不同地点与市民互动，了解有关死亡的新信息。最后，学生们需要使用自己获得的证据，再加上科学探究、推理与逻辑论证技巧，来得出死亡原因。内在的反思机会及多层面挑战，进一步鼓励了用户的批判思维。同样，邓拉维(Dunleavy,2009)及其同事设计的“AlienContact!'”为学生们创建了一个可供探索的增强世界，学生们可以对虚拟人物进行采访、收集数字内容，解决各种数学、语言、艺术及科学谜团。这种环境使得研究人员得以了解教师和学生如何描述其在增强现实空间的教学体验。

问题与挑战

隐私

人们对基于位置技术的相关研究表现出一些担忧，而隐私是首当其冲的问题(Beresford,2005;Dobson,2000)。受到近来围绕苹果公司与苹果手机位置追踪功能的争议的刺激，美国明尼苏达州议员阿尔·弗兰肯(AlFranken，2011)近期起草了《2011位置隐私保护法案》。多布森和费希尔(DobsonandFisher)担心此类公开的位置信息可能引发的后果，创造了“位置奴”一词，声称这是一种“以位置控制为特征的新的奴役形式”，并且“现在已经赫然成为现实的、急迫的全球性威胁”(Dobson andFisher,2003:47)。阿哈斯和马克在讨论社会定位方法时，承认的确存在隐私泄露问题，但他们也指出，对于被盯梢的担忧往往是伴随着新技术而产生的：移动定位更直观，因为其本身就是一目了然的。

数字技术研究(世哲手册)

397

594

近来，加森及其同事(Gasson et al.,2011)撰写了“从支持全球定位系统的移动电话中获得的行为资料的隐私含义”。在他们对四个人进行的短期跟踪研究中，他们指出“(有可能)会泄露个人信息，有时甚至是敏感信息”(Gassonet al.，2011:255)。他们通过对四个人的跟踪，能够推断——但不是断定—他们的居住地、工作场所、性别、社会地位、家庭生活、日常工作。但对宗教、性取向及健康状况等更敏感的信息则把握不大。要了解某些个人信息及敏感信息，需要几个月甚至几年的时间。

前不久，基于位置的手机应用引起了人们对隐私的关注。如前所述，FourSquare及Facebook等应用能使用户在特定位置“签到”。要做到这一点，用户需主动登录该应用，将自己的当前位置上传到某社交网站；而这一点在某些批评人士看来，可能会给用户尚未采取安全保护措施的家庭带来潜在的安全隐患。其实，利用与个人位置相关数据的并不只是基于位置的应用。另一些应用也包括与位置数据相关的选项。比如，热门的拍照应用Instagram可以基于个人位置给图片贴上位置标签。在本文写作之时，又有一批新的应用与此类数据相结合，提供用于特定目的的位置信息。比如，索纳尔和巴尼奥(Sonarand Banjo)将Facebook、Twitter、Instagram 及FourSquare整合在起，显示附近的好友或好友的好友。

“地理围栏”概念也令部分用户开始担心隐私问题(Avalos,2012)。地理围栏意在使得一些公司在有用户靠近自己的店铺时，运用移动设备将这些客户作为销售目标。比如，Best Buy、McDonalds和Victoria'sSecret都可以与热门应用PandoraRadio关联，在有用户靠近其专营店时向用户推送广告信息。

第25章 基于位置的环境与技术

595