基于 WLAN 日志的 COVID-19 大流行期间超级传播者检测
社会与信息网络
2021-03-30 v2 计算机与社会
摘要
在 COVID-19 等大流行期间，识别疾病的“超级传播者”是社会迫切关注的问题。超级传播者代表一群社交接触远多于其他人的人群。WLAN 基础设施的广泛部署使得通过人们无处不在的移动设备进行非侵入式接触者追踪成为可能。该技术为检测超级传播者提供了前景。在本文中，我们提出了一个基于 WLAN 日志的超级传播者检测通用框架。在我们的框架中，我们首先联合考虑人类的对称与非对称交互，利用 WLAN 日志构建接触图。接下来，我们在接触图上采用三种顶点中心性度量来生成三组超级传播者候选者。最后，我们利用 SEIR 模拟来确定这些候选者中的超级传播者群体，根据模拟结果，他们是对疾病传播最关键的个体。我们已实现该框架，并在一个来自大规模大学的包含 4100 万条日志条目的 WLAN 数据集上对其进行评估。我们的评估表明，大学校园中存在超级传播者。他们在学期初的几周内发生变化，但在学期其余时间保持稳定。数据还表明，对称与非对称接触者追踪均可发现超级传播者，但后者在每日接触图上表现更好。此外，评估显示三种顶点中心性度量对于长期（即每周）接触图没有一致差异，这使得在我们的框架中纳入 SEIR 模拟成为必要。我们相信我们提出的框架及这些结果可为公共卫生管理者在有效检测、干预和疫苗接种政策方面提供及时指导。
引用
@article{arxiv.2102.11171,
title = {WLAN-Log-Based Superspreader Detection in the COVID-19 Pandemic},
author = {Cheng Zhang and Yunze Pan and Yunqi Zhang and Adam C. Champion and Zhaohui Shen and Dong Xuan and Zhiqiang Lin and Ness B. Shroff},
journal= {arXiv preprint arXiv:2102.11171},
year = {2021}
}
备注
Accepted to Elsevier High-Confidence Computing Journal