論文の概要: Digital Contact Tracing for Covid 19
- arxiv url: http://arxiv.org/abs/2105.15030v1
- Date: Sat, 22 May 2021 07:03:50 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-30 03:07:50.815980
- Title: Digital Contact Tracing for Covid 19
- Title（参考訳）: Covid 19用デジタルコンタクトトラクション
- Authors: Chandresh Kumar Maurya, Seemandhar Jain, Vishal Thakre
- Abstract要約: 新型コロナウイルス感染症(COVID19)は、新型コロナウイルスの感染が人為感染によるものと推定され、世界的な緊急事態を招いた。
旅行履歴,無症状,症状のないユーザと接触したユーザを追跡する必要があるが,将来的にはそうなる可能性がある。
本研究は,GPSとクラウドコンピューティング技術を用いた接触追跡手法を提案する。
- 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: The COVID19 pandemic created a worldwide emergency as it is estimated that
such a large number of infections are due to human-to-human transmission of the
COVID19. As a necessity, there is a need to track users who came in contact
with users having travel history, asymptomatic and not yet symptomatic, but
they can be in the future. To solve this problem, the present work proposes a
solution for contact tracing based on assisted GPS and cloud computing
technologies. An application is developed to collect each user's assisted GPS
coordinates once all the users install this application. This application
periodically sends assisted GPS data to the cloud. To determine which devices
are within the permissible limit of 5m, we perform clustering over assisted GPS
coordinates and track the clusters for about t mins to allow the measure of
spread. We assume that it takes around 3 or 5 mins to get the virus from an
infected object. For clustering, the proposed M way like tree data structure
stores the assisted GPS coordinates in degree, minute, and second format. Thus,
every user is mapped to a leaf node of the tree. We split the "seconds" part of
the assisted GPS location into m equal parts, which amount to d meter in
latitude(longitude). Hence, two users who are within d meter range will map to
the same leaf node. Thus, by mapping assisted GPS locations every t mins, we
can find out how many users came in contact with a particular user for at least
t mins. Our work's salient feature is that it runs in linear time O(n) for n
users in the static case, i.e., when users are not moving. We also propose a
variant of our solution to handle the dynamic case, that is, when users are
moving. Besides, the proposed solution offers potential hotspot detection and
safe-route recommendation as an additional feature, and proof of concept is
presented through experiments on simulated data of 10M users.
- Abstract（参考訳）: 新型コロナウイルス感染症(COVID19)は、新型コロナウイルスの感染が人為感染によるものと推定され、世界的な緊急事態を招いた。
必然的に、旅行履歴を持つユーザ、無症状で、症状のないユーザと接触したユーザを追跡する必要があるが、将来的にはそうなる可能性がある。
そこで本研究では,GPSとクラウドコンピューティング技術を用いた接触追跡手法を提案する。
アプリケーションが開発され、ユーザがこのアプリケーションをインストールすると、各ユーザのGPS座標が収集される。
このアプリケーションは定期的にアシストgpsデータをクラウドに送信する。
5mの許容限界内にあるデバイスを決定するため,GPS座標上でクラスタリングを行い,約 t mins のクラスタ追跡を行い,拡散の測定を可能にした。
感染した物体からウイルスを取り出すのに約3分か5分かかると仮定する。
クラスタリングでは、ツリーデータ構造のような提案されたM方法では、アシストGPS座標を次数、分数、第2の形式で格納する。
これにより、すべてのユーザがツリーのリーフノードにマップされる。
我々は、補助GPS位置の「秒」部分を、緯度(経度)のdメートルに相当するm等分部分に分割した。
したがって、dメートルの範囲内にある2人のユーザは、同じリーフノードにマップされる。
そこで,GPSの位置情報をt分毎にマッピングすることで,少なくともt分は,特定のユーザと接触したユーザ数を確認することができる。
私たちの作業の健全な特徴は、静的な場合、つまりユーザが動かない場合、nユーザに対して線形時間 O(n) で動作することです。
また、動的ケース、つまりユーザが動いているときを扱うためのソリューションの亜種を提案します。
さらに,提案手法はホットスポット検出や安全な経路推奨を付加機能として提供し,1000万ユーザのシミュレーションデータを用いて概念実証を行う。
関連論文リスト
- Robust Vehicle Localization and Tracking in Rain using Street Maps [2.2651698012357473]
本研究では,道路網を用いた地図情報を用いてドリフト速度推定値の補正を行う車両位置推定手法を提案する。
具体的には, 間欠的なGPS, ドリフトIMU, VO推定を統合したフレキシブルフュージョンアルゴリズムを提案する。
各国の地理的に多様な4つのデータセットに対して,提案手法を強く評価した。
論文 参考訳（メタデータ） (2024-09-02T08:15:12Z) - AndroCon: Conning Location Services in Android [0.4143603294943439]
本報告では,モバイル端末から1年間4万平方キロメートルの地域で半処理されたGPSデータを用いた縦断的研究について述べる。
データは航空機、クルーズ船、高度の高い場所から取得された。
われわれの研究であるAndroConは、lin-ear判別分析、無香のカルマンフィルター、勾配向上、ランダムな森林学習を組み合わせて、正確な環境と人間の活動センサーを提供する。
論文 参考訳（メタデータ） (2024-07-28T04:20:26Z) - G-MEMP: Gaze-Enhanced Multimodal Ego-Motion Prediction in Driving [71.9040410238973]
我々は、視線データを用いて、運転者の車両のエゴ軌道を推定することに集中する。
次に、GPSとビデオ入力と視線データを組み合わせた新しいマルチモーダルエゴ軌道予測ネットワークであるG-MEMPを開発する。
その結果,G-MEMPは両ベンチマークにおいて最先端の手法よりも優れていた。
論文 参考訳（メタデータ） (2023-12-13T23:06:30Z) - Point Cloud Forecasting as a Proxy for 4D Occupancy Forecasting [58.45661235893729]
有望な自己管理タスクの1つは、注釈のないLiDARシーケンスからの3Dポイントクラウド予測である。
本課題は,(1)センサ外在物(自動運転車の移動),(2)センサ内在物(特定のLiDARセンサに特有のサンプリングパターン),(3)シーン内の他の物体の形状と動きを暗黙的にキャプチャするアルゴリズムを必要とすることを示す。
センサ外在性および内在性に関する4D占有率予測のポイントクラウドデータをレンダリングすることにより、注釈のないLiDARシーケンスで占有率アルゴリズムをトレーニングし、テストすることができる。
論文 参考訳（メタデータ） (2023-02-25T18:12:37Z) - Argoverse 2: Next Generation Datasets for Self-Driving Perception and
Forecasting [64.7364925689825]
Argoverse 2(AV2)は、自動運転分野の研究の知覚と予測のための3つのデータセットの集合である。
Lidarデータセットには、ラベルなしのLidar点雲とマップ整列ポーズの2万のシーケンスが含まれている。
Motion Forecastingデータセットには、各ローカルシーンにおける自動運転車と他のアクター間の興味深い、挑戦的なインタラクションのために採掘された25万のシナリオが含まれている。
論文 参考訳（メタデータ） (2023-01-02T00:36:22Z) - ViFi-Loc: Multi-modal Pedestrian Localization using GAN with
Camera-Phone Correspondences [7.953401800573514]
本稿では,歩行者のより正確な位置推定を行うために,ジェネレーティブ・アドバイサル・ネットワークアーキテクチャを提案する。
訓練中は、歩行者のカメラと電話のデータ通信のリンクを学習する。
GANは5つの屋外シーンにまたがって1～2mの局所化誤差で3次元座標を生成する。
論文 参考訳（メタデータ） (2022-11-22T05:27:38Z) - GoRela: Go Relative for Viewpoint-Invariant Motion Forecasting [121.42898228997538]
精度や一般化を犠牲にすることなく、全てのエージェントとマップに対して効率的な共有符号化を提案する。
不均一空間グラフにおけるエージェントとマップ要素間の幾何学的関係を表現するために、ペアワイズ相対的な位置符号化を利用する。
我々のデコーダは視点非依存であり、レーングラフ上でエージェント目標を予測し、多様かつコンテキスト対応のマルチモーダル予測を可能にする。
論文 参考訳（メタデータ） (2022-11-04T16:10:50Z) - Unsupervised Visual Odometry and Action Integration for PointGoal
Navigation in Indoor Environment [14.363948775085534]
屋内環境におけるポイントゴールナビゲーションは、個人ロボットが特定の地点に向かうための基本的なタスクである。
GPS信号を使わずにPointGoalナビゲーションの精度を向上させるために、ビジュアル・オドメトリー(VO)を用い、教師なしで訓練された新しいアクション統合モジュール(AIM)を提案する。
実験により,提案システムは良好な結果が得られ,Gibsonデータセット上で部分的に教師付き学習アルゴリズムよりも優れていた。
論文 参考訳（メタデータ） (2022-10-02T03:12:03Z) - CODA: A Real-World Road Corner Case Dataset for Object Detection in
Autonomous Driving [117.87070488537334]
我々は、ビジョンベース検出器のこの重要な問題を露呈する、CODAという挑戦的なデータセットを導入する。
大規模自動運転データセットで訓練された標準物体検出器の性能は、mARの12.8%以下に著しく低下した。
我々は最先端のオープンワールドオブジェクト検出器を実験し、CODAの新しいオブジェクトを確実に識別できないことを発見した。
論文 参考訳（メタデータ） (2022-03-15T08:32:56Z) - OpenPifPaf: Composite Fields for Semantic Keypoint Detection and
Spatio-Temporal Association [90.39247595214998]
イメージベースの知覚タスクは、例えば、検出、関連付け、セマンティックキーポイントとして定式化することができる。
人間の体は 推定と追跡をする
一つの段階における意味的および時間的キーポイント関連を共同で検出する一般的な枠組みを提案する。
また,本手法は車や動物などのキーポイントのクラスに一般化し,総合的な知覚の枠組みを提供することを示す。
論文 参考訳（メタデータ） (2021-03-03T14:44:14Z) - Infostop: Scalable stop-location detection in multi-user mobility data [0.0]
本稿では、フローベースネットワークコミュニティ検出アルゴリズムInfomapを活用することにより、最先端ソリューションの限界を克服するInfostopアルゴリズムについて述べる。
本研究では,Infostopsによって検出されたユーザ数の増加と,従来のソリューションよりも時間の複雑さが遅くなることを示す。
論文 参考訳（メタデータ） (2020-03-31T17:02:19Z)
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。