用于社会拥挤与病毒性疾病接触计算的可扩展算法基础设施——mContain案例研究
社会与信息网络
2023-05-22 v1
摘要
mContain由孟菲斯大学MD2K中心在COVID-19大流行早期开发（并少量部署），以帮助减少谢尔比县和孟菲斯大都会区的社区传播。该应用统计并显示与其他应用用户的每日邻近接触次数。为降低进入拥挤场所的几率，用户可在地图上查看繁忙地点的拥挤程度。若用户与其COVID-19检测提供方均同意共享检测结果，该应用可通知其他用户可能的COVID-19暴露情况。该智能手机应用收集位置和蓝牙数据并发送至云端，进行近实时处理并将决策发回以可视化和用户交互。负责从流批数据中进行实时人群估计与接触者追踪的后端算法基础设施使用开源云分析平台Cerebral-Cortex。本项目旨在呈现作者作为整个协作项目一部分在mContain应用的算法开发、设计与实现方面的贡献。我们描述了mcontain算法基础设施以及在开发和部署该应用用于实际使用时遇到的主要计算挑战。应用详情见https://mcontain.md2k.org/。
引用
@article{arxiv.2305.11182,
title = {Scalable Algorithmic Infrastructure for Computation of Social Crowding and Viral Disease Encounters -- mContain Case Study},
author = {Md Azim Ullah},
journal= {arXiv preprint arXiv:2305.11182},
year = {2023}
}
备注
Project Report, Requirements for Masters in Computer Science