除了导航，GPS跟踪另一个臭名昭著的用途是，商家通过本地“特殊交易”通知从消费者钱包中吸金。这些通知也会消耗我们电池的寿命。谁能想到，同样的GPS技术所产生的数据，可以用来悄无声息地监视我们的情绪，并检测——甚至预测——人们的抑郁状态?
这是英国伯明翰大学和伦敦大学学院正在开展的研究课题的前景。如果设计人员能够将研究成果应用于智能手机，或者甚至是具有GPS功能的个人健康监视器，它们将有助于启动干预——并有可能拯救生命。
“悄无声息”这个词很重要：向任何一个开心着的健康监视器佩戴者或智能手机用户询问他们的心理状态很容易，但当抑郁情绪袭来时，得到响应的可能性会迅速降低。这时就很难获得足够的数据来作出准确的判定，而必须通过另外一种不要求直接用户交互的方式进行监视。
这正是GPS和运动跟踪的切入点，因为抑郁的另外一种症状就是移动活动的减少。当然，不活动的原因可能有很多：生病了，扭到脚了，在新产品发布的前几周有高强度的工作，或只是天气不好并痴迷于连续剧《权力的游戏》。
或者，也许——只是也许——那个人已经完全从世界上隐退，正在郁郁寡欢地经过没有回头路的那个点。一个黑暗之地，他们在那里冒着风险危害着他们自己或其他人。在一个人的生命中值得留出一段时间来弄明白狂欢作乐和郁郁寡欢之间的区别，然后预测出后者(图1)。
图1：这个团队试图找出THIST期间活跃与抑郁之间的关系，以及活动与2月28日获得的PHQ分值之间的关系。
当然，指出脚扭和郁闷之间的区别是很棘手的。这正是这项研究工作如此具体和复杂的原因，它涉及到空间统计、GPS跟踪和运动模式。它还要求参与者充分合作，回答广泛用于量化抑郁状态的“PHQ-8”抑郁测试所提出的问题。
一款叫做MoodTraces的安卓应用被开发出来与28位用户一起完成了这项任务，现在你仍然可以用这款应用亲自试一试。一些有趣的事是，他们专注于节省智能手机的电量，因为基于GPS的位置数据获取相当耗能。为了有助于节能，这款安卓应用采用了三种主要机制来最大程度地减少电池能量消耗：
1.只有在用户从一个地方移动到另一个地方时这款应用才取样(假设应用设备有某种移动触发机制)。见图2a。
2.应用可以使用真实的GPS数据或网络供应商提供的位置数据，而后者消耗更少的能量。如果其中一个信号丢失时还可以来回切换(图2b)。
3.MoodTraces向“无源定位提供商”申请，这样它就能在其它应用或服务申请定位更新时无源接收这些更新。这种方法独立于两个状态机的状态。
图2：状态机用来选择定位采样率(a)和定位提供商(b)。S = 静态，M = 移动中，U = 不确定
上图文字解释：具有高把握的两种动态活动
定位发生很大变化
定位没有发生很大变化
具有高把握或者位置不改变的两个“静止”状态
自从上次尝试GPS以来过了很长时间
网络（右图）
不能获得GPS定位
基于状态的采样率
基于状态的提供商
我们在这里不打算讨论数学和统计知识，不过你可以通过阅读这个团队去年(2015年)9月份在日本大阪举行的ACM国际联合大会提交的有关计算无处不在的论文来理解这方面的内容。这篇论文的标题是：《抑郁的轨迹：通过智能手机移动轨迹分析方法随时监视抑郁状态》(“Trajectories of Depression: Unobtrusive Monitoring of Depressive States by means of Smartphone Mobility Traces Analysis”)(L Canzian, M. Musolesi.)
然而，研究成果特别鼓舞人心：
进一步的评估表明，对于大多数用户来说，这些个性化的模型能够精确地检测出只代表移动指标的PHQ分值的变化。值得指出的是，在经过一段时间训练后，这些模型不要求人与设备进行直接交互就能够监视人的抑郁状态。
这是很伟大的成果。目前在非常流行乃至无处不在的计算社区中已经开展了很多研究工作，期待找出使用智能手机数据检测和预测心理状态与心理健康状况的方法。很多作者在他们的参考文献中提到了许多方法，包括检测和监视躁郁症。然而，这些作者说出了他们目前的工作和以前的研究之间4点明显区别：
1.以前的研究很多注重的是情绪或压力检测，而不是“分析和预测个人抑郁状态的变化”。
2.大多数引用的工作要求用户交互。
3.这次研究是预测性的，提出了一种根据移动数据预测抑郁状态的机制。
4.在躁郁症研究中，对象是确诊了的。这些对象是从普通人群中挑选出来的，只有少数患有严重的抑郁症，因此这种技术可以用来监视没有抑郁症的人的PHQ分值，并在症状出现时留意早期诊断。
下一步：实际应用
这些成果只是一个起点：下一步是在现场数字移动干预中面向应用的项目。这些干预可能来自卫生保健院的电话交谈，或更加“传统的”身体干预。
这个团队还设想整合进更强的周边环境意识，不管是通过其它传感器(如加速度计)还是通过短消息记录。当然，这会引起常见的隐私问题，以及抑郁症患者才有的特定问题，这些问题使得情况更加隐晦：患者实际上不想被监视，也不想互动，特别是不想被“干预”。克服这些障碍是需要研究的另外一类课题了。
与此同时，如果你正在考虑可以应用这项研究成果的一款应用或一个设计，它们以建立在所采集数据上的普通训练模型为基础，可能用来消除在应用部署中对训练阶段的需求。数据当然越多越好，但与闪烁提示“现在在……方面节省20%”相比，这也许是更好地使用GPS技术和电池能量的一种方式。