基于 Wi-Fi 智能手机的即时邻近检测

用于暴露通知和接触者追踪的智能手机应用已被证明在控制 COVID-19 大流行方面有效。然而，类似于现有应用所广播的蓝牙低能耗（BLE）令牌仍可在远离发送设备处被接收到。本文提出一类新方法，用于检测两个启用 Wi-Fi 的设备是否处于即时物理邻近状态，即根据美国疾病控制与预防中心（CDC）的定义相距 2 米或更近。我们的目标是提升基于智能手机的暴露通知和接触者追踪系统的准确性。我们提出一组以成对的 Wi-Fi RSSI 指纹作为输入的二值机器学习分类器。我们通过经验验证，单一分类器无法很好地泛化到可检测 Wi-Fi 接入点（APs）数量差异巨大的多种不同环境。然而，针对可检测 AP 数量处于特定范围内的情况而定制的专用分类器，能够显著更准确地检测即时物理邻近。因此，我们设计了三种分类器，分别用于可检测 AP 数量低、中、高的情况。这些分类器区分相距 2 米或更近记录的 RSSI 指纹对，与在蓝牙范围内但距离更远处记录的指纹对。我们刻画了它们在该任务上的平衡准确率介于 66.8% 与 77.8% 之间。