論文の概要: Analyzing the Impact of Covid-19 Control Policies on Campus Occupancy and Mobility via Passive WiFi Sensing

• arxiv url: http://arxiv.org/abs/2005.12050v5
• Date: Tue, 22 Feb 2022 01:00:37 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-18 12:32:03.760894
• Title: Analyzing the Impact of Covid-19 Control Policies on Campus Occupancy and Mobility via Passive WiFi Sensing
• Title（参考訳）: パッシブWiFiセンシングによるキャンパス利用と移動性に及ぼすCovid-19コントロールポリシーの影響分析
• Authors: Camellia Zakaria, Amee Trivedi, Emmanuel Cecchet, Michael Chee, Prashant Shenoy, Rajesh Balan
• Abstract要約: 本稿では,Wi-Fiインフラの運用によるユーザ占有率と移動性の分析が,安全コンプライアンスの監視・維持に有効であることを推察する。 スマートフォンをユーザ位置のプロキシとして使用することにより、粗粒Wi-Fiデータの室内占有スペクトルを十分に反映できることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mobile sensing has played a key role in providing digital solutions to aid with COVID-19 containment policies. These solutions include, among other efforts, enforcing social distancing and monitoring crowd movements in indoor spaces. However, such solutions may not be effective without mass adoption. As more and more countries reopen from lockdowns, there remains a pressing need to minimize crowd movements and interactions, particularly in enclosed spaces. This paper conjectures that analyzing user occupancy and mobility via deployed WiFi infrastructure can help institutions monitor and maintain safety compliance according to the public health guidelines. Using smartphones as a proxy for user location, our analysis demonstrates how coarse-grained WiFi data can sufficiently reflect indoor occupancy spectrum when different COVID-19 policies were enacted. Our work analyzes staff and students' mobility data from three different university campuses. Two of these campuses are in Singapore, and the third is in the Northeastern United States. Our results show that online learning, split-team, and other space management policies effectively lower occupancy. However, they do not change the mobility for individuals transitioning between spaces. We demonstrate how this data source can be put to practical application for institutional crowd control and discuss the implications of our findings for policy-making.
• Abstract（参考訳）: モバイルセンシングは、新型コロナウイルスの封じ込め政策を支援するデジタルソリューションを提供する上で重要な役割を果たしてきた。 これらのソリューションには、ソーシャルディスタンシングの実施、屋内空間での群衆の動きの監視などが含まれる。 しかし、そのような解決策は大量導入なしでは有効ではないかもしれない。 ロックダウンを再開する国が増えている中、特に囲まれた地域では、群衆の動きや交流を最小限に抑える必要がある。 本稿では,wi-fiインフラによる利用者の移動状況の分析が,公共衛生ガイドラインに準拠した安全コンプライアンスの監視と維持に役立つと推測する。 スマートフォンをユーザーの位置情報のプロキシとして利用することにより、新型コロナウイルスの異なるポリシーが制定された際に、粗い粒度のWiFiデータが屋内占有スペクトルを十分に反映できることを示す。 研究は,3つの大学キャンパスの職員と学生の移動状況を分析した。 これら2つのキャンパスはシンガポールにあり、3番目はアメリカ合衆国北東部にある。 以上の結果から,オンライン学習,分割チーム,その他の空間管理政策が効果的に占有率を低下させることが示された。 しかし、それらは空間間で遷移する個人の移動性を変えない。 我々は,このデータソースを組織的クラウド制御の実用的応用に適用する方法を実証し,政策立案における知見の意義について考察する。

関連論文リスト

• Differentially Private Data Release on Graphs: Inefficiencies and Unfairness [48.96399034594329]
  本稿では,ネットワーク情報公開の文脈における偏見と不公平性に対する差別的プライバシの影響を特徴づける。 ネットワーク構造が全員に知られているネットワークリリースの問題を考えるが、エッジの重みをプライベートにリリースする必要がある。 我々の研究は、これらのネットワーク化された決定問題におけるプライバシーに起因する偏見と不公平性に関する理論的根拠と実証的な証拠を提供する。
  論文  参考訳（メタデータ） (2024-08-08T08:37:37Z)
• Mapping the Invisible: A Framework for Tracking COVID-19 Spread Among College Students with Google Location Data [4.176653295869846]
  本研究は,自家製のGoogle履歴位置情報エクストラクタを開発することで,キャンパス内大学生のウイルス拡散を効果的に抑制する方法を提案する。 潜在的な接触を判定し、個々の感染リスクを評価し、対馬政策の有効性を評価する機能を提供している。
  論文  参考訳（メタデータ） (2024-05-13T15:58:13Z)
• Wireless Crowd Detection for Smart Overtourism Mitigation [50.031356998422815]
  この章では、モバイルデバイスのワイヤレスアクティビティに基づいたオーバツーリズムを監視するための、低コストなアプローチについて説明する。 群集センサは、無線技術のトレース要素を検出することで、周囲のモバイルデバイスの数をカウントする。 いくつかの技術で検出プログラムを実行し、指紋解析の結果は匿名データベースにのみローカルに保存される。
  論文  参考訳（メタデータ） (2024-02-14T13:20:24Z)
• On Inferring User Socioeconomic Status with Mobility Records [61.0966646857356]
  本稿では,DeepSEIと呼ばれる,社会経済に配慮したディープモデルを提案する。 DeepSEIモデルはディープネットワークとリカレントネットワークと呼ばれる2つのネットワークを組み込んでいる。 実際の移動記録データ、POIデータ、住宅価格データについて広範な実験を行う。
  論文  参考訳（メタデータ） (2022-11-15T15:07:45Z)
• Modelling and Optimisation of Resource Usage in an IoT Enabled Smart Campus [0.0]
  IoT(Internet of Things)テクノロジは、コストを削減し、ユーザエクスペリエンスを向上する新たな機会を開くものだ。 この論文は、UNSWシドニーを生きた実験室として利用し、理論と実験を通じてこの機会を探求する。
  論文  参考訳（メタデータ） (2021-11-07T13:30:46Z)
• Mobility-Aware Cluster Federated Learning in Hierarchical Wireless Networks [81.83990083088345]
  我々は,無線ネットワークにおける階層型フェデレーション学習(HFL)アルゴリズムを特徴付ける理論モデルを開発した。 分析の結果,HFLの学習性能は,ハイモービル利用者の学習能力が著しく低下していることが判明した。 これらの問題を回避するため,我々はMACFLアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-08-20T10:46:58Z)
• Modeling Classroom Occupancy using Data of WiFi Infrastructure in a University Campus [1.8352113484137622]
  本稿では,WiFiセンサのインフラから教室の占有度を推定する機械学習モデルを開発する。 何千ものアクセスポイント(AP)からなる高密度でダイナミックな無線ネットワークからメタデータを解析する。 教室におけるAPのマッピング精度は84.6%であり, 部屋占有率の推定精度は, 対称平均絶対パーセンテージ誤差(sMAPE)が13.10%であるビームカウンタセンサに匹敵する。
  論文  参考訳（メタデータ） (2021-04-19T06:15:45Z)
• Privacy and Robustness in Federated Learning: Attacks and Defenses [74.62641494122988]
  このトピックに関する最初の包括的な調査を実施します。 FLの概念の簡潔な紹介と、1脅威モデル、2堅牢性に対する中毒攻撃と防御、3プライバシーに対する推論攻撃と防御、というユニークな分類学を通じて、私たちはこの重要なトピックのアクセス可能なレビューを提供します。
  論文  参考訳（メタデータ） (2020-12-07T12:11:45Z)
• Urban Sensing based on Mobile Phone Data: Approaches, Applications and Challenges [67.71975391801257]
  モバイルデータ分析における多くの関心は、人間とその行動に関連している。 本研究の目的は,携帯電話データから知識を発見するために実装された手法や手法をレビューすることである。
  論文  参考訳（メタデータ） (2020-08-29T15:14:03Z)
• WiFi-based Crowd Monitoring and Workspace Planning for COVID-19 Recovery [1.90365714903665]
  この記事では、ソフトウェア定義ネットワーク(SDN)によるWiFiアクセスポイントを24/7センサーとして使用して、物理空間の使用を監視し、分析する、新しいIoTクラウド監視ソリューションを紹介します。 プロトタイプと群衆の行動モデルは、大学キャンパスで5億以上の記録を用いて開発されている。
  論文  参考訳（メタデータ） (2020-07-23T20:45:44Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。