論文の概要: COVID-19 Infection Exposure to Customers Shopping during Black Friday
- arxiv url: http://arxiv.org/abs/2211.00067v1
- Date: Sat, 22 Oct 2022 20:11:30 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 12:10:32.657714
- Title: COVID-19 Infection Exposure to Customers Shopping during Black Friday
- Title（参考訳）: ブラックフライデー中に買い物客に感染する新型コロナウイルス
- Authors: Braxton Rolle, and Ravi Kiran
- Abstract要約: 本研究は、安全対策を講ずることなく、店舗で買い物をする大勢の人々に新型コロナウイルスが広まるかを検討することを目的とする。
モックストアが作成され、いくつかの異なるショッピングセクションに分割され、2Dグリッドを使用して表現された。
顧客は店に入り、特定のアイテムを買い、チェックアウトし、店を出るようにシミュレートされた。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The outbreak of COVID-19 within the last two years has resulted in much
further investigation into the safety of large events that involve a gathering
of people. This study aims to investigate how COVID-19 can spread through a
large crowd of people shopping in a store with no safety precautions taken. The
event being investigated is Black Friday, where hundreds or thousands of
customers flood stores to hopefully receive the best deals on popular items. A
mock store was created, separated into several different shopping sections, and
represented using a 2-D grid where each square on the grid represented a 5 feet
by 5 feet area of the mock store. Customers were simulated to enter the store,
shop for certain items, check out, and then leave the store. A percentage of
customers were chosen to be infective when they entered the store, which means
that they could spread infection quantum to other customers. Four hours of time
was simulated with around 6,000 customers being included. The maximum distance
exposure could be spread (2 feet-10 feet), the minimum time of exposure needed
to become infected (2 - 15 minutes), and the total percentage of customers who
started as infective (1% - 5%) were all changed and their effects on the number
of newly infected customers were measured. It was found that increasing the
maximum exposure distance by 2 feet resulted in between a 20% to 250% increase
in newly infected customers, depending on the distances being used. It was also
found that increasing the percentage of customers who started as infective from
1% to 2% and then to 5% resulted in a 200% to 300% increase in newly infected
customers.
- Abstract（参考訳）: 過去2年間でcovid-19が流行し、人々の集まりを伴う大規模なイベントの安全性がさらに調査された。
本研究は、安全対策を講ずることなく、店舗で買い物をする大勢の人々に新型コロナウイルスが広まるかを検討することを目的とする。
調査中のイベントはブラックフライデー(ブラックフライデー)で、何百人もの顧客が人気商品のベストセラーをもらえることを願っている。
モックストアが作られ、いくつかの異なるショッピングセクションに分割され、グリッド上の各正方形がモックストアの5フィート×5フィートの面積を表す2次元グリッドを使用して表現された。
顧客は店に入り、特定のアイテムを買い、チェックアウトし、店を出るようにシミュレートされた。
店に入ると感染する顧客の割合が選ばれたため、他の顧客に感染の量子を広めることができた。
4時間のシミュレーションが行われ、約6,000人の顧客が参加している。
最大距離の露光は2フィート-10フィート)、感染に必要な露光時間(2分から15分)、感染性のある顧客(1%から5%)がすべて変化し、新たに感染した顧客の数に対する影響が測定された。
その結果,最大露光距離を2フィート増やすことで,新規感染者の20%から250%の増加がみられた。
また,新たに感染した顧客の割合が1%から2%に増加し,5%に増加し,200%から300%に増加した。
関連論文リスト
- Evaluating Amazon Effects and the Limited Impact of COVID-19 With Purchases Crowdsourced from US Consumers [42.80166440735519]
最近公開されたAmazonの購入履歴のデータセットを活用し、数千人の米国消費者からクラウドソースしています。
オンライン購入行動が時間とともにどのように変化したか、人口集団間でどのように変化したか、COVID-19パンデミックの影響、オンライン小売とオフライン小売の関係について検討する。
論文 参考訳（メタデータ） (2025-01-17T23:03:56Z) - A Cost-Efficient Approach for Creating Virtual Fitting Room using
Generative Adversarial Networks (GANs) [0.0]
新型コロナウイルス(COVID-19)パンデミックの後、多くの売り手はオンラインショッピングに移行したか、そのフィッティングルームを閉鎖した。
この服が購入後に購入者に不適当であるという事実から、私たちは、新しいAI技術を使って、モバイルアプリケーションという形でオンラインプラットフォームや仮想フィッティングルーム(VFR)を作り、Webページを使ってデプロイしたモデルを、物理的に試すことなく、あらゆる種類の布のアイテムを試すことができるオンラインストアに埋め込む方法を考えました。
論文 参考訳（メタデータ） (2024-02-01T20:18:06Z) - Identifying key players in dark web marketplaces [58.720142291102135]
この論文は、暗黒市場に関連するBitcoin取引ネットワークのキープレーヤーを特定することを目的としている。
取引量の大部分は、エリート市場参加者の小さなグループに集中していることを示す。
ダークウェブのマーケットプレースにおけるキープレーヤーの行動を理解することは、違法行為を効果的に破壊するために重要であることを示唆している。
論文 参考訳（メタデータ） (2023-06-15T20:30:43Z) - Strategic Facility Location with Clients that Minimize Total Waiting Time [52.3893099287099]
本研究では,非協調型施設位置ゲームにおいて,施設やクライアントが戦略的に行動する場所ゲームについて検討する。
サブゲーム完全平衡は、このゲームの全ての事例に存在せず、その存在はNPハードで決定できることを証明している。
論文 参考訳（メタデータ） (2022-11-25T10:43:57Z) - Clustering-based Aggregations for Prediction in Event Streams [0.537133760455631]
オンライン環境でのこのトレードオフに焦点を当てたフレームワークであるCAPiESを紹介します。
同時に多数のエンティティを予測することにより、予測精度は向上するが、有用性の潜在的コストは向上する。
現実のシナリオでは、16万以上の買い物客を持つスーパーマーケットと17万件以上の請求書を持つペイント工場の2つにトレードオフが存在することを示す。
論文 参考訳（メタデータ） (2022-10-18T10:30:42Z) - Characterization of Frequent Online Shoppers using Statistical Learning
with Sparsity [54.26540039514418]
本研究は,小売分析と統計学習のアイデアを疎結合に組み合わせ,買い物客のオンラインギフトストアへの買い物嗜好を学習する方法を報告する。
論文 参考訳（メタデータ） (2021-11-11T05:36:39Z) - SizeFlags: Reducing Size and Fit Related Returns in Fashion E-Commerce [3.324876873771105]
SizeFlagsは、顧客からの弱い注釈付き大規模データに基づく確率ベイズモデルである。
提案手法が14か国にわたるオンラインファッションにおけるサイズ関連リターンを減少させる上での強い影響を実証する。
論文 参考訳（メタデータ） (2021-06-07T11:43:40Z) - Leveraging Online Shopping Behaviors as a Proxy for Personal Lifestyle
Choices: New Insights into Chronic Disease Prevention Literacy [35.340408651740894]
本稿では,慢性疾患予防リテラシーの鮮明化に向けたライフスタイル選択の代案として,オンラインショッピング行動を活用することを提案する。
処方薬を初めて購入する前のライフスタイル関連情報を用いて、オンライン買い物客の過去のライフスタイル選択と、特定の慢性疾患に悩まされているかどうかを判断できる。
論文 参考訳（メタデータ） (2021-04-29T12:05:16Z) - Modelling COVID-19 transmission in supermarkets using an agent-based
model [0.0]
2020年3月初旬に新型コロナウイルス(COVID-19)が流行して以来、英国のスーパーマーケットは店舗でのウイルス感染を減らすためにさまざまな政策を実行してきた。
スーパーマーケットにおける顧客移動のエージェントベースモデルについて,簡単なウイルス伝達モデルを用いて定式化する。
本モデルを用いて, 店舗内におけるヒトとヒトの接触による感染数の推定を行った。
論文 参考訳（メタデータ） (2020-10-15T16:44:36Z) - Dark Web Marketplaces and COVID-19: before the vaccine [53.447910186085586]
2020年1月1日から11月16日までの間に、30のダークウェブマーケットプレースから抽出された851,199件の分析を行った。
新型コロナウイルス製品に直接関連した788のリストを同定し、製品カテゴリーの時間的進化をモニタリングする。
新型コロナウイルス(COVID-19)パンデミックの間、オンラインのシャドーエコノミーがどのように発展してきたのかを明らかにし、DWMの継続的なモニタリングの重要性を強調します。
論文 参考訳（メタデータ） (2020-08-04T14:27:41Z) - Face to Purchase: Predicting Consumer Choices with Structured Facial and
Behavioral Traits Embedding [53.02059906193556]
消費者の顔の特徴と履歴に基づいて消費者の購入を予測することを提案する。
階層型埋め込みネットワークに基づく半教師付きモデルを設計し、消費者の高レベルな特徴を抽出する。
実世界のデータセットを用いた実験結果から,消費者の購買行動を予測するために,顔情報の導入による肯定的な効果が示された。
論文 参考訳（メタデータ） (2020-07-14T06:06:41Z)
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。