用于人群管理的物理距离监测：实时轨迹与群体分析

作为遏制 Covid-19 传播的一项措施，物理距离正在定义一种“新常态”。除非属于同一家庭，共享空间中的行人被要求保持最小（因国家而异）的成对距离。相应地，公共空间的管理者可能被赋予执行或监测该约束的任务。由于对公共空间中行人动态的隐私尊重型实时追踪日益成为现实，利用这些工具来分析对物理距离的遵守情况并比较人群管理措施的有效性是自然的。典型问题包括：“在非家庭成员的情况下，何种条件下违反了社交距离？”、“是否存在重复违规者？”以及“新的人群管理措施效果如何？”。值得注意的是，处理大型人群（例如火车站）会迅速带来计算挑战。本工作中我们有双重目标：首先，我们提出一个高效且可扩展的分析框架，通过稀疏图离线或实时处理行人追踪数据。该框架高效处理上述所有问题，通过向量加权图连接表示行人-行人交互。在此基础上，我们能以隐私合规方式区分距离违规者与家庭成员。其次，我们展示了对荷兰某火车站台中相互距离与暴露时间的透彻分析，通过径向分布函数等物理观测量比较疫情前与当前数据。该为分析公共交通设施中人群管理措施而开发的方法具有通用性与简洁性，能够处理超出物理距离的问题，例如对群体的隐私尊重型检测及其运动模式分析。