2013-On Heterogeneity in Mobile Sensing Applications Aiming at Representative Data Collection

Paper

发布日期: 2026-10-26

轨迹里的一段空白，是人没出门，还是手机没记录？

论文名片｜Henrik Blunck、Mikkel Baun Kjærgaard、Niels Olof Bouvin、Paul Lukowicz、Tobias Franke、Markus Wüstenberg、Kaj Grønbæk，On Heterogeneity in Mobile Sensing Applications Aiming at Representative Data Collection，UbiComp 2013 Adjunct，1087—1098。DOI。

一个研究看到某类参与者的轨迹突然减少，可能会解释为他们出门变少了。但同一时间，也可能是手机耗尽电量、用户为了省电暂停采集，或软件更新后无法启动。若不区分这些原因，更多轨迹点也可能只让一个偏差越来越稳定。

这篇论文从三个移动感知部署项目出发，讨论用户、设备与项目自身怎样改变数据。它是一篇经验与方法论文，贡献在于把原本分散的工程问题变成可讨论的数据质量机制，而不是用一场统一实验量化每种偏差。

先说结论

参与者不只是被动携带传感器：谁愿意安装、何时打开、为什么暂停，都可能改变最终记录的人群与场景。
同一个应用在不同手机上运行，不保证得到相同观测；硬件、接口、系统与固件共同决定采样和能耗。
软件迭代也会改变数据口径。采集期间发生的修复、功能增加和更新不同步，可能造成表面上的行为变化。
三个案例提供了具体故障与使用经验，但没有给出普遍适用的偏差修正系数，也没有证明消除技术差异就能自动取得人口代表性。

三个项目，为什么适合看到不同问题？

作者直接参与了三个项目的开发和部署：大型活动导览与人群感知 SocioAF，面向出行与环境影响的公民科学项目 F.Oskar，以及节能位置与轨迹采集系统 EnTracked。

项目	目的与支持平台	文中部署规模	容易暴露的问题
SocioAF	人群感知和活动导览；Android、iPhone	1,000 人以上，多种手机	大型活动现场的设备兼容、界面与跨平台发布
F.Oskar	公民科学与交通行为；Android	约 50—100 人，多种手机	主动纠正记录、暂停采集、能耗与使用动机
EnTracked	节能定位与轨迹；Symbian、Android	约 10 人，较少手机型号	自适应采样、传感器与系统调度差异

这些数字来自 Table 1，描述各项目当时的部署，不能相加当作一个统一抽样调查，也不能把 EnTracked 的约十人试验解释为已覆盖广泛人群。研究选取的是作者熟悉的案例，而非随机抽取移动感知项目。

SocioAF活动导览应用界面

图 1｜用户为什么愿意带着一个采集应用参加活动？完整原图左侧为地图与活动设施标记，右侧为现场导览信息页。它说明应用同时向用户提供可见服务，采集发生在具体使用情境中；两幅界面没有面板字母，不提供任何人群密度或使用效果的定量验证。来源：原论文 Fig. 1。

导览、拥挤感知和环境出行反馈可以给用户安装应用的理由，但不同利益会吸引不同参与者。只记录下载量或总点数，并不能知道未安装者、早早退出者与持续参与者是否具有相同活动方式。

第一种异质性：不是每个人都用同一种方式参与

论文把用户异质性拆成三类：不同设备所对应的人群差异、应用使用方式差异，以及日常使用手机的差异。

第一类影响谁能进入样本。若项目仅支持某一平台或某些较新手机，目标人群中其他设备用户就无法加入；而设备选择又可能与年龄、技术熟悉程度、兴趣和经济条件有关。文中以公共活动里的年轻人、带孩子的家庭和祖辈等不同群体说明这种风险，并没有在这三个项目中给出设备与人口属性的统一效应估计。

第二类影响用户怎样上报与保留数据。有的人按研究者期待输入，有的人理解了不同的事件定义；同一段活动也可能难以归入界面给定的类别。F.Oskar 中，一个原本用于隐私保护的暂停功能，被用户用于节省电量。研究看到的空白于是可能反映电量压力，而非不愿暴露某类出行。

F.Oskar说明与交通方式纠正界面

图 2｜自动感知与用户参与怎样交织？左侧说明收集数据并提供选项；右侧展示交通序列与交通方式图标，允许用户增加或纠正识别结果。两个界面共同说明记录不只由传感器决定，也取决于用户是否理解、愿意操作及如何分类；图中曲线没有供本文使用的统一量纲，不能拿来计算交通方式识别准确率。来源：原论文 Fig. 2。

第三类影响手机是否真正跟着人、传感器是否可用。手机放在裤袋还是包中、是否经常随身携带、何时充电、是否关闭定位或蓝牙，都可能改变记录。F.Oskar 还出现蓝牙设置被应用影响后，用户给出负面评价甚至卸载的情况；设备电量耗尽也造成数据断档。

这些例子展示的是缺失生成过程：行为、设备状态与参与方式共同决定记录有没有出现。论文没有测得每种原因在全部缺失中占多少，因此不能进一步宣称某一种原因解释了大多数空白。

第二种异质性：相同应用，为什么不是相同仪器？

设备异质性又分平台、硬件、系统与设备版本。平台不仅提供不同接口，还涉及发布与后台功能等约束；硬件决定传感器、天线、算力与能耗；版本变化则可能在采集期间改变行为。

论文讨论的是 2013 年前后的平台环境，不能把当年的应用审核时长、后台接口限制或系统升级行为当作今天的产品说明。其可迁移价值在于机制：技术规则会改变哪些观测能够被采到。

SocioAF 的一个案例尤其直观。为满足当时发布与后台定位方面的限制，应用调整为位置变化至少约 100 米才上传。这会改变定位点的时间和空间密度。即使两组人在现实中走同一段路，上传策略不同也会留下不同数量的点；长时间不上传并不必然表示设备故障，也可能是尚未满足触发条件。

EnTracked 则尝试按所需精度与能耗自适应安排定位。将它迁移到不同平台时，即使界面上请求相同精度，底层如何取得位置、是否额外通信、系统何时允许传感器运行，都可能不同。相同的期望参数不是相同的实际采样频率，也不保证相同续航。

硬件差异同样重要。即使手机名称一致，也可能有不同的硬件或固件修订；天线、芯片与传感器不同，会使定位和识别结果难以直接比较。作者在 EnTracked 经验中还指出，较新设备可能因设计取舍而定位更差，所以设备更新不应被自动解释为测量质量提高。

界面性能也会进入数据质量链条：旧手机运行地图较慢，可能使人少用某项功能；如果只有某些手机能顺畅完成上报，技术性能就可能变成参与选择。论文列举了这种部署经验，却没有通过控制实验单独估计界面延迟对上报率的影响。

第三种异质性：项目自己也在不断改变测量方法

采集开始时的应用版本，未必就是结束时的版本。软件修复可能改变通信、能耗和界面；功能增加可能引入新传感器或不同数据表示；用户何时安装更新又不同步。

SocioAF 在两个出现问题的公共活动之后，经修复才达到较顺畅的运行状态，主要涉及通信与部分设备的界面问题。若把修复前后数据直接合并，数据增长可能来自上传恢复或更好的界面，不能仅解释为活动更热闹。

F.Oskar 的修复涉及非预期蓝牙使用和重复上传。后者不仅耗电，还可能增加用户流量费用；进一步加入本地压缩后，上传行为又发生改变。这些都属于采集系统变化，而非被研究者的活动变化。

EnTracked 的更新还有另一种目的：主动利用新传感器、接口或电池信息提高功能。这样的改进可能完全合理，但前后数据仍不再出自同一套测量过程。保留旧数据、记录版本、说明表示是否兼容，比简单宣布新版本更好更有利于后续比较。

不同平台还可能由不同开发与测试流程推进。一个平台先发布修复，另一个仍待审核，或者对某型号测试不足，都会在同一采集日产生并存的软件行为。项目内部的版本差异因此可以与用户、设备差异叠加。

三类问题怎样在分析中接起来？

Table 2 汇总的分类可以整理为下面这张阅读表：

顶层类型	论文识别的具体来源	对观测的潜在影响
用户	设备对应人群、应用使用、设备使用	样本进入、上报解释、暂停与退出、是否随身
设备	平台及接口和发布政策、硬件性能与感知能力、系统和设备版本	采样频率、精度、能耗、后台可用性与兼容
项目内部	软件生命周期、开发与测试流程	时间上的口径变化、跨平台更新不同步、表示改变

同一现象可能同时经过多条路径。例如某类用户使用较旧设备，应用地图较慢，用户因此更少操作或更早卸载；再经电量不足减少后台记录，最后研究看到这一类人的活动较少。不能只对缺失点补插值，就认为样本选择也被解决。

论文主张先建立共同词汇，再意识到、记录并调整异质性。它没有提出一个可以一次消除全部偏差的算法。选择支持多少设备、是否统一各平台功能、在设备端处理多少、原生还是跨平台开发，都有覆盖面、功能与资源之间的取舍。

也不应把异质性理解为所有真实人群差异都要消除。人的活动本来就不同；需要区分的是研究目标中的真实差异，与测量和参与机制造成的差异。让所有设备只运行最受限的一组功能，可能改善表面一致性，却也损失重要信息。

这些案例能支持到哪一步？

这篇论文的证据来自开发者参与的三个项目，能够具体说明代表性会怎样受到破坏，以及技术选择如何进入行为数据。它没有匹配对照组、统一指标或跨项目统计检验，因此不能量化某个平台比另一个平台总体偏差大多少，也没有验证一套调整方法必然恢复代表性。

设备与用户差异还可能纠缠。即使观测到某型号记录更少，原因也可能是持有者活动方式、使用习惯或设备能力，而不全是传感器。没有独立参照，单凭采集数据库很难区分这些解释。

代表性的目标也要先明确：研究对象是活动参加者、驾驶者、社区居民，还是某个年龄群？能覆盖所有手机，并不保证愿意安装应用的人代表这个目标总体。三个案例提供的是识别问题的框架，离完整抽样与误差校正仍有后续工作。

一句话总结

移动感知记录同时测到了人的行为与采集系统的行为；只有把用户、设备和项目迭代放回数据解释中，才能判断一段轨迹或空白究竟代表什么。

核心来源

Henrik Blunck, Mikkel Baun Kjærgaard, Niels Olof Bouvin, Paul Lukowicz, Tobias Franke, Markus Wüstenberg, Kaj Grønbæk. On Heterogeneity in Mobile Sensing Applications Aiming at Representative Data Collection. UbiComp 2013 Adjunct, 1087–1098。DOI。本文依据全文和三个部署案例；Fig. 1、2 均保留各自完整的双界面原图，Table 1、2 的案例与分类在正文解释。平台具体经历均置于论文当年的技术背景中。