面向智能健康管理：基于海量多源手机数据的宏观微观公众运动行为综合分析与提升研究

The "Medium and long-term planning for the prevention and treatment of chronic diseases in China (2017-2025)", which was issued by the State Council in 2017, pointed out that the prevention and treatment of chronic diseases should take the improvement of physical activity level as the core mission, motivating people to follow a healthy behavior lifestyle self-consciously, and provide personalized health interventions. Although the efficacy of physical activity in chronic disease prevention and treatment has been proved scientifically, valid physical activity enhancement measures are of lack in reality. The development of new techniques, such as the mobile internet, bigdata, and artificial intelligence, offers support to innovations in the novel generation of physical activity behavior change theory and methodology. Based on more than 10 million multi-source phone data, our project will at first offer a macro insight into the public physical activity, and screen for the population who have low physical activity level. Then, we will make complements to the traditional physical activity behavior change theory and the measurement of constructs under the bigdata environment, figuring out the personalized reason for one’s low physical activity level. Further, we will design a physical activity intervention mechanism under the bigdata environment, build a bigdata demonstration platform to analyze physical activity behaviors, and conduct social experiments in the large population scale to promoting physical activity level. The success of our research will contribute to the society by reducing the cost of social medical insurance caused by the chronic diseases, while improving health conditions of the national population.

2017年国务院办公厅发布的《中国防治慢性病中长期规划（2017-2025年）》中指出慢病防治基本原则包括促进群众自觉形成健康的行为和生活方式，开展个性化健康干预。身体运动对慢性防治的有效性虽已得到科学证明，但现实中政府却缺乏对公众有效的运动促进手段。移动互联网、大数据、人工智能等新技术的发展为大数据环境中运动行为改变理论发展和应用创新提供了机遇。因此，本项目将基于千万量级多源手机数据，综合分析公众运动行为，并筛选运动水平低下的人群；在大数据环境下完善传统运动行为改变理论及构念测定方法，分析这类人群运动水平低下的个性化原因；设计大数据环境下的群体运动行为干预机制、搭建大数据示范平台，对这类人群开展大规模运动水平提升实验，在现实环境中验证研究效果。本研究的成功开展将具有降低慢病井喷造成的社会医保花销、提高国民健康水平的现实意义和应用前景。

2017年国务院办公厅发布的《中国防治慢性病中长期规划（2017-2025年）》中指出慢性病防治基本原则包括促进群众自觉形成健康的行为和生活方式，开展个性化健康干预。运动对慢性防治的有效性虽已得到科学证明，但现实中政府却缺乏对公众有效的运动促进手段。移动互联网、大数据、人工智能等新技术的发展为大数据环境中运动行为改变理论发展和应用创新提供了机遇。. 本项目基于千万量级多源手机数据，综合分析公众运动行为，主要解决了以下几个研究问题：（1）面向运营商手机用户行为数据特点，研究从海量用户中筛查运动水平偏低个体的系列大数据分析方法；（2）面向运动水平低的个体，从行为理论角度研究运动行为的阻碍因素，主要在模糊未来收益对跨期选择决策的影响及人格等心理因素对个体日常移动行为的影响等研究方向做出突破，推进影响运动行为的内在心理因素方向的理论前沿；（3）面向基于手机APP的运动行为提升，综述了运动健康类APP的个性化研究和使用影响因素研究，并实证研究了行为改变技术中使用反馈对手机APP沉溺的影响；（4）面向海量用户运动水平提升的目标，以上述行为理论和行为改变机理为基础，提出一系列个性化、智能化的行为改变方法，其中包括以深度强化学习为技术路线的细粒度手机行为预测方法及面向运动水平提升的个性化推荐方法，以帮助设计大数据环境下群体运动行为干预机制。. 本项目的研究成果不仅发表于管理科学、信息系统、人工智能等交叉学科领域的一系列高质量期刊，还转化为行为数据分析及应用服务平台。它一方面通过微信小程序、短信等方式评估及提升公众的运动水平，另一方面为运营商大数据的商业模式创新提供了参考与技术支持。平台核心大数据分析方法更转化为公安、旅游类衍生应用直接服务于社会实践。在移动互联网普及的大背景下，本项目研究成果将具有降低慢病井喷造成的社会医保花销、提高国民健康水平的现实意义和应用前景。