智能手机加速计数据检测重饮酒事件数据集2011-2019年-nautiyalamit
数据来源：互联网公开数据
标签：智能手机,加速计,重饮酒,检测,数据集,健康,机器学习,研究,预测
数据概述：
本数据集包含了使用智能手机加速计和SCRAM踝带收集的重饮酒事件数据。原始数据是从19名参与者中收集的，但其中6名参与者的SCRAM读数被判定为不可用，因此最终数据集包含13名参与者的数据。加速计数据以每秒40次的采样率收集，数据包括时间戳、参与者ID和来自加速计三个轴的样本（x, y, z）。手机类型数据记录在phone_types.csv文件中，数据来源于11部iPhone和2部Android手机。SCRAM读数通过踝带每30分钟收集一次，原始读数存储在raw_tac目录中，处理后的读数存储在clean_tac目录中。处理后的SCRAM读数经过零相位低通滤波以平滑噪声，并向后移动45分钟以更准确地匹配参与者的实际醉酒水平。
数据集包括14,057,567条加速计读数和715条SCRAM读数，共有13名参与者。
数据用途概述：
该数据集适用于重饮酒检测、健康数据分析和机器学习研究。研究人员可以利用此数据进行时间序列分析和分类预测，以识别重饮酒事件。具体研究示例包括使用随机森林模型预测参与者是否处于醉酒状态（TAC >= 0.08），研究结果显示模型的测试准确率达到77.5%。此外，该数据集还可用于健康监测系统的开发和改进，帮助识别和管理重饮酒行为。
数据集中的每个属性如下：
- all_accelerometer_data_pids_13.csv:
- time: 整数，Unix时间戳（毫秒）
- pid: 符号，13个参与者的ID（详细信息在pids.txt中）
- x: 连续值，时间序列
- y: 连续值，时间序列
- z: 连续值，时间序列
- clean_tac/*.csv:
- timestamp: 整数，Unix时间戳（秒）
- TAC_Reading: 连续值，时间序列
- phone_types.csv:
- pid: 符号，13个参与者的ID（详细信息在pids.txt中）
- phonetype: 符号，两种类型（iPhone, Android）
其他文件：
- raw/*.xlsx:
- TAC Level: 连续值，时间序列
- IR Voltage: 连续值，时间序列
- Temperature: 连续值，时间序列
- Time: 日期时间
- Date: 日期时间
缺失属性值：
无
目标分布：
TAC（经皮酒精含量）以g/dl为单位，0.08为驾驶时的法定醉酒限值
- 平均TAC: 0.065 ± 0.182
- 最大TAC: 0.443
- TAC内四分位数: 0.002, 0.029, 0.092
- 平均最后饮酒时间: 16.1 ± 6.9 小时
相关论文：
- Killian, J.A., Passino, K.M., Nandi, A., Madden, D.R. 和 Clapp, J. (2019) Learning to Detect Heavy Drinking Episodes Using Smartphone Accelerometer Data. In Proceedings of the 4th International Workshop on Knowledge Discovery in Healthcare Data co-located with the 28th International Joint Conference on Artificial Intelligence (IJCAI 2019), 35-42. [Web Link]
- 预测特征：三轴时间序列加速计数据
- 预测目标：时间序列经皮酒精含量（TAC）数据（实时醉酒水平测量）
- 研究结果：研究将每个时间序列分解为10秒窗口，并进行二分类预测，以判断窗口是否对应醉酒参与者（TAC >= 0.08）或清醒参与者（TAC < 0.08）。测试达到77.5%的准确率。
引用请求：
当使用此数据集时，请引用：
Killian, J.A., Passino, K.M., Nandi, A., Madden, D.R. 和 Clapp, J. (2019) Learning to Detect Heavy Drinking Episodes Using Smartphone Accelerometer Data. In Proceedings of the 4th International Workshop on Knowledge Discovery in Healthcare Data co-located with the 28th International Joint Conference on Artificial Intelligence (IJCAI 2019), 35-42. [Web Link]
