作者：Jiang, Shan, Joseph Ferreira, and Marta C. González.
來源：Data Mining and Knowledge Discovery, 2012, 25(3): 478-510.
本文利用芝加哥城區的居民活動調查數據來調查：
1，個人的日常活動結構
2，個人的日常活動的隨時間的變化
3，對個人活動進行聚類，並與其社會經濟屬性（職業、年齡、收入、受教育水平等）進行關聯
總體在工作日和週末可分別聚集爲8個和7個聚簇。
特點：
1，本方法沒有假設社會經濟屬性的分類，而是利用非監督分類的方法。
2，將活動類別與社會經濟屬性關聯來分析，總結了每個聚簇的社會經濟特點。
本應用可爲很多其他人類活動的模型服務，包括：
時間利用分析、人類移動性、應急處理和傳染病擴散。
下圖爲活動的類別，將原有的23類，聚集爲9類，分別用不同顏色表示。
下圖是工作日不同時間的芝加哥人類活動概覽。
下圖是週末不同時間的芝加哥人類活動概覽。
下圖是工作日和週末個人隨時間的活動圖。
下圖是工作日和週末活動圖的疊加。
其中用PCA和聚類分析聚集了個人活動的類別。
下圖爲工作日的活動模式，共爲8類。
本工作課用來豐富其它模型的要素，當然，傳感器數據必須包含詳細的GIS數據，比如土地利用數據或者POI數據等。
模型有傳染病擴散模型。