nid="35054" src="http://www.chisa.edu.cn/scholary/indepth/202208/W020220809590467018426.jpeg" style="display: block; clear: both; margin: 0px auto; max-width: 640px;" width="932" type="app_image" OLDSRC="W020220809590467018426.jpeg" />
原文链接（点击“阅读原文”直接获取）
https://journal.hep.com.cn/fese/EN/10.1007/s11783-022-1542-7
文章出版：Front. Environ. Sci. Eng. 2022, 16(5): 63
原文信息
题目：
On the potential of iPhone significant location data to characterize individual mobility for air pollution health studies
作者：
Elizabeth Eastman1, Kelly A. Stevens1, Cesunica Ivey2, Haofei Yu1：
1 University of Central Florida, USA
2 University of California-Berkeley, USA
通讯作者邮箱：
haofei.yu@ucf.edu
关键词：
Air pollution exposure (空气污染暴露);
Human mobility (个人空间活动);
iPhone Significant Location (iPhone重要地点);
Smartphone data (智能手机数据)
文章亮点
•本文评测了iPhone个人空间活动位置数据的准确度
•iPhone数据能够记录到最重要的个人微环境及访问时间
•使用iPhone数据能够精确计算个人对室外颗粒物污染的暴露
•美国较大部分人群有iPhone位置数据
•iPhone位置数据在空气污染与健康研究中有较大潜力
文章简介
精确计算个人暴露对空气污染和健康研究有重要意义。污染物浓度在空间时间上变化较大，而个人在空间和时间上的移动则会显著影响其对污染的暴露。详细的个人移动数据能够帮助更好地计算暴露，但对很多研究，尤其是回顾性流行病学研究，此类数据很难得到。
iPhone系列手机是最受欢迎的智能手机的一种。重要地点（Significant Location）是iPhone操作系统内部的一项功能。经用户同意后，iPhone Significant Location (iSL) 会自动记录手机用户经常访问的地点。考虑到iPhone手机的巨大市场占有率以及此类数据自动和被动收集的特性，iSL数据在空气污染和健康研究中的潜力显而易见。
本研究对比了从一名志愿者的iPhone手机收集的一个月的iSL数据和相应的GPS追踪器位置数据，并评测了iSL数据在记录个人空间时间活动的准确性。结果表明：
（1）iSL准确记录了16个最重要的微环境。志愿者在这些微环境中停留了93%的时间。
（2）与使用GPS数据的结果对比，应用iSL数据计算的暴露误差仅为0.012%。
（3）初步调查（n = 349）结果表明，72%的美国iPhone使用者有iSL数据。
本研究的结果证明，iPhone Significant Location数据在空气污染和健康研究，尤其是回顾性流行病学研究中，有很大的应用前景。
nid="35055" src="http://www.chisa.edu.cn/scholary/indepth/202208/W020220809590974507100.png" style="display: block; clear: both; margin: 0px auto; max-width: 640px;" type="app_image" OLDSRC="W020220809590974507100.png" />
文章摘要图
作者简介
余昊菲，美国中佛罗里达大学助理教授。研究方向为空气污染模拟，传感器网络，污染物排放清单和健康影响评价。主持美国国家自然科学基金等多个项目。个人主页：
https://www.ucfairqualitylab.com/