CN112887485B - 一种基于电子痕迹的接触跟踪方法 - Google Patents
一种基于电子痕迹的接触跟踪方法 Download PDFInfo
- Publication number
- CN112887485B CN112887485B CN202110106927.3A CN202110106927A CN112887485B CN 112887485 B CN112887485 B CN 112887485B CN 202110106927 A CN202110106927 A CN 202110106927A CN 112887485 B CN112887485 B CN 112887485B
- Authority
- CN
- China
- Prior art keywords
- elevator
- electronic
- inquirer
- data
- patient
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000005070 sampling Methods 0.000 claims abstract description 27
- 208000015181 infectious disease Diseases 0.000 claims abstract description 11
- 230000002265 prevention Effects 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims description 34
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000005314 correlation function Methods 0.000 claims description 6
- 201000010099 disease Diseases 0.000 claims description 5
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 5
- 239000000523 sample Substances 0.000 claims description 5
- 230000001413 cellular effect Effects 0.000 claims description 4
- 238000003491 array Methods 0.000 claims description 3
- 238000011534 incubation Methods 0.000 claims description 3
- 239000013610 patient sample Substances 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 2
- 238000004891 communication Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 5
- 230000010267 cellular communication Effects 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 208000035473 Communicable disease Diseases 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 238000000060 site-specific infrared dichroism spectroscopy Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
Landscapes
- Public Health (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Signal Processing (AREA)
- Databases & Information Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Indicating And Signalling Devices For Elevators (AREA)
- Alarm Systems (AREA)
Abstract
一种基于电子痕迹的接触跟踪方法，属于无线通信技术领域。首先，智能终端读取自身惯性传感器数据：若数据无变化则等待；若数据发生变化则以时间t为采样周期，记录智能终端所接收到的所有固定网络设施的电子信号特征。其次，若有人被确诊则将其去过楼宇的所有电梯门前的网络设施的信号特征建立电梯数据库，将其电子痕迹记录数据和电梯数据库发布给公众。最后，查询者通过将自身电子痕迹与病患电子痕迹进行对比，估计并标注出查询者可能存在的感染接触行为，估计感染的可能性，上传防疫中心。本发明能够评估不同查询者感染的可能性，不需要使用查询者和病患的位置信息，保证隐私性；可以覆盖室内外环境；能够实现自动反馈，减少查询者逃避防疫措施的可能。
Description
技术领域
本发明属于无线通信技术领域，涉及到防疫寻人，特别涉及到一种基于电子痕迹的接触跟踪方法。
背景技术
目前的针对呼吸道传染病的防疫寻人工作往往是通过“新闻发布+主动上报”来实现的，存在颗粒度较粗，且只能关注到人群密集点的问题，以及严重依赖民众自觉，配合度较低的问题。接触跟踪技术的研究可以提供更加精准的寻人服务。而目前研究的接触跟踪方法，都是通过统计查询者和病患位置信息或者通过记录短距通信系统连接数据的方法来实现的。这两种方法都在一定程度上需要暴露查询者和病患的隐私，而且还会挤占查询者和病患的用户机的电能，从而会导致用户不愿配合的问题。另外，基于位置信息的接触跟踪还面临着室内定位技术不成熟的挑战。
本发明提出一种基于电子痕迹的接触跟踪方法，利用人们普遍随身携带的智能终端(如智能手机)内集成的惯性传感器(如三轴陀螺仪，三轴加速计)，以及无线网络接收机(如WIFI接收机，蜂窝网络接收机等)，通过对比用户间惯性传感器和无线网络接收机数据的相似度，就可以在不依赖位置信息的情况下，推测人员接触密切的程度。为防疫寻人提供细颗粒度，节能，室内外无缝且高隐私度的接触跟踪方法。
发明内容
本发明的目的是提供一种细颗粒度、节能、室内外无缝且高隐私度的接触跟踪方法。
本发明的技术方案通过以下实现：
一种基于电子痕迹的接触跟踪方法，该方法基于广泛集成在智能终端(如智能手机)中的惯性传感器和无线网络接收机实现。本发明的用户机即是智能终端(如智能手机)，通过估计用户机的电子信息相似程度分析用户(包括病患和查询者)的接近程度。具体包括以下步骤：
步骤1：智能终端读取自身惯性传感器数据：若数据无变化则等待；若数据发生变化则以时间t为采样周期，记录下智能终端所接收到的所有固定网络设施的电子信号特征。所述的变化指的是前后两次读取惯性传感器的结果存在不同，此时可以认为智能终端发生了移动，从而也代表携带智能终端的用户发生了移动。
所述的记录过程以疫病的潜伏期时间T为记录周期，循环覆盖记录；其中，一个采样周期内采集的所有上述电子信号特征构成一个电子采样，将周期内的所有记录的集合称之为电子痕迹。
所述的固定网络设施的特征是：信源位置固定且信号强度不变，包括但不限于WiFi信号、蜂窝网络信号、广播信号、电波表授时信号。
所述的信号特征包括信号的时间戳、类型、ID、信号强度、惯性传感器测量值。
步骤2：若有人被确诊，则将其去过的楼宇的所有电梯门前的网络设施的信号特征建立电梯数据库，记为F(x,y)，其中x为电梯编号，y为楼层编号。所述的信号特征包括信号类型、ID、信号强度。
步骤3：将确诊病患的电子痕迹记录数据和电梯数据库发布给公众。
步骤4：查询者通过将自身的电子痕迹与发布的病患电子痕迹进行对比，估计并标注出查询者可能存在的感染接触行为。从而估计感染的可能性，并将此可能性上传给防疫中心，从而为实现精准通知，分级干预提供信息支持。
进一步的，所述步骤4的对比可以由智能终端完成也可以上传给服务器后由服务器完成，其过程如下：
由于用户进入电梯后无线电信号会被屏蔽，从而无法通过固定网络设施的电子信号特征的相似度推断用户间的接触情况。因此首先需要将用户进入电梯的情况进行识别，并通过惯性传感器数据的相似度来分析用户间是否有过同乘电梯的行为。4.1步到4.4步的作用就是识别病患电子痕迹中，病患处于电梯中的部分，并记录其惯性传感器数据的特征。当用户处于电梯中时，其特征是所有固定网络设施信号强度记录为空。
4.1)找出病患电子采样中所有固定网络设施信号强度记录为空的数据游程段S(1)～S(h)，则认为该段时间内病患进入了乘电梯数据段，其中h为数据段的总数，此数值是不能预知的，由用户数据本身决定。所述的数据游程段指的是固定网络设施信号强度记录持续为空的数据段。
4.2)记录所有病患电梯数据段S(1)～S(h)的前一个时间点的病患电子采样P(1)～P(h)。
4.3)对所有P(1)～P(h)与所有F(x,y)做相似度计算。对于任意P(a)而言，a＝1～h，与其相似度最高的F(A,B)中的A值会被记录为“暴露电梯编号”，对所有P1～Ph则构成电梯编号数组A(1)～A(h)。所述的相似度计算包括但不限于欧氏距离计算，马氏距离计算，相关函数计算。
4.4)对所有电梯数据段S(1)～S(h)内的惯性传感器数据进行积分，得到h段速度变化记录G(1)～G(h)，所述的速度变化记录包括速度值和对应的时间戳。
4.5步到4.9步的作用就是识别查询者电子痕迹中，查询者处于电梯中的部分，记录其惯性传感器数据的特征,并与病患处于电梯中时的惯性传感器数据特征进行对比。当用户处于电梯中时，其特征是所有固定网络设施信号强度记录为空。
4.5)找出查询者电子采样中所有固定网络设施信号强度记录为空的数据游程段S’(1)～S’(g)，则认为查询者进入了乘电梯数据段。
4.6)记录所有电梯数据段S’(1)～S’(g)的前一个时间点的电子采样P’(1)～P’(g)。
4.7)对所有P’(1)～P’(g)与所有F(x,y)做相似度计算计算。对于任意P’(b)而言，b＝1～g，与其欧氏距离最小的F(A’,B’)中的A’值会与“暴露电梯编号”数组进行对比。若A’存在于该数组中则将该查询者标记一次“存在电梯交叉”，相应电梯数据段的起止时间则被记录下来计算“暴露时长”。所述的相似度计算包括但不限于欧氏距离计算，马氏距离计算，相关函数计算。
4.8)对所有电梯数据段S’(1)～S’(g)内的惯性传感器数据进行积分，得到g段速度变化记录G’(1)～G’(g)，所述的速度变化记录包括速度值和对应的时间戳。
4.9)根据G’(1)～G’(g)的时间戳，到G(1)～G(h)中寻找时间重合的数据段，若存在时间重合的数据段G'(z)和G(u)，其中1≤z≤g,1≤u≤h，则寻找二者波形是否存在重合部分，如存在重合部分则将该查询者标记一次“存在电梯同乘”，并将重合部分起止时间作差，记录为“同乘时长”。
除去乘坐电梯的时间外，其他时间内，都可以通过对比查询者和病患的无线电信息来估计查询者和病患的接近程度。
4.10)刨除查询者和病患的所有电梯数据段后，将查询者的电子采样时间戳记为tu(f)为基准，其中f为刨除查询者的所有电梯数据段后的查询者电子采样数量，该值取决于刨除查询者的所有电梯数据段后的查询者电子采样本身，无法预知。定义参数i＝1；
4.11)选择病患电子痕迹中所有时间戳在tu(i)之前的电子采样，记为ts(1)～ts(n)，n为被选取出的电子采样的数量，该值由病患数据本身决定，不能提前预知。并进行如下计算：
a)定义参数j＝1；
b)将tu(i)时刻查询者电子采样，和ts(j)时刻病患电子采样中同类型同ID的信号强度作差并作绝对值，将差值绝对值小于门限值的信源数量记为m：若m>3，则将该查询者标记一次“存在空间交叉k级”，其中k＝m-2，级别越高说明接触距离可能越近。记录tu(i)-ts(j)，并将其记为相应的“交叉延迟时间”。若m≤3，则说明本组数据未检测到接触风险，不作标记。
所述的门限值是指相应的无线电信号在空间中传播距离d所造成的衰减，其中，d为该疫病的安全距离。
c)j＝j+1，重复b)中的计算，直至j＝n。此时认为已经完成对查询者的一个电子采样的分析；
d)i＝i+1,重复a)～c)中的计算，直至遍历所有查询者位置采样。此时认为已经完成查询者整个电子痕迹的分析。
本发明的核心点分析如下：
(1)通过对比无线电记录特征(来自于文中所述的电子痕迹)来判断用户间的接近程度；
(2)通过用户无线电特征识别出乘电梯数据段，通过对比乘电梯数据段内惯性传感器记录(来自于文中所述的电子痕迹)来判断用户在电梯这个无线电盲区内的接近程度；
(3)引入电梯口处的特征点(文中的电梯数据库)，将其与乘电梯数据段前一时刻的无线电特征记录进行对比，识别出用户乘坐的电梯号。实现不同用户在不同时段乘坐同一电梯所导致的的感染暴露的估计问题。
(4)“病患电子痕迹发布-查询者各自比对-暴露情况标注-分级处理”，这样的系统架构。
本发明的效果和益处是：能够根据信号特征判断查询者和病患间的接近程度，从而评估不同查询者感染的可能性。在此过程中不需要使用查询者和病患的位置信息，从而保证了隐私性。该技术可以无缝的覆盖室内外环境，而且全称使用被动接收技术，不向外发射信号，降低了能耗。最后该技术能够实现自动反馈，不依赖查询者和病患自觉，减少查询者逃避防疫措施的可能。除防疫功能外，此发明也可以被用于侦查取证过程中来寻找人证。
具体实施方式
以下结合具体实施例对本发明做进一步说明。
以新冠疫情为例，可以基于民众的随身智能终端，如智能手机来实现。其实现方式可以是一个手机应用。手机应用在惯性器件数据发生变化时以1秒为采样周期，记录下其所接收到的WIFI和手机蜂窝通信的信号特征。
所述的记录过程以疫病的潜伏期时间14天为记录周期循环覆盖记录，一个采样周期内采集的所有上述电子信息构成一个电子采样，记录周期内的所有记录之集合称之为电子痕迹；
所述的信号特征包括信号的时间戳、类型(WIFI或手机蜂窝通信)、ID(WIFI的SSID、MAC地址；蜂窝信号的基站号)、信号强度、惯性传感器测量值。
若有人被确诊，则将其去过的楼宇的所有电梯门前的网络设施的信号特征建立数据库，记为F(x,y)，其中x为电梯编号，y为楼层编号。所述的信号特征包括信号类型、ID、信号强度。
若有人被确诊，则将病患的电子痕迹记录数据和电梯数据库发布给公众。
公众通过对比自身的电子痕迹和发布的病患电子痕迹，估计并标注出查询者可能存在的感染接触行为。从而估计感染的可能性，并将此可能性上传给防疫中心，从而为实现精准通知，分级干预提供信息支持。
所述的对比可以由智能终端完成，其过程如下：
1)找出病患电子采样中所有固定网络设施信号强度记录为空的数据游程段S(1)～S(h)，则认为该段时间内病患进入了乘电梯数据段，其中h为数据段的总数，此数值是不能预知的，由用户数据本身决定。所述的数据游程段指的是固定网络设施信号强度记录持续为空的数据段。
2)记录所有病患电梯数据段S(1)～S(h)的前一个时间点的病患电子采样P(1)～P(h)。
3)对所有P(1)～P(h)与所有F(x,y)做相似度计算。对于任意P(a)而言，a＝1～h，与其相似度最高的F(A,B)中的A值会被记录为“暴露电梯编号”，对所有P1～Ph则构成电梯编号数组A(1)～A(h)。所述的相似度计算包括但不限于欧氏距离计算，马氏距离计算，相关函数计算。
4)对所有电梯数据段S(1)～S(h)内的惯性传感器数据进行积分，得到h段速度变化记录G(1)～G(h)，所述的速度变化记录包括速度值和对应的时间戳。
5)找出查询者电子采样中所有固定网络设施信号强度记录为空的数据游程段S’(1)～S’(g)，则认为查询者进入了乘电梯数据段。
6)记录所有电梯数据段S’(1)～S’(g)的前一个时间点的电子采样P’(1)～P’(g)。
7)对所有P’(1)～P’(g)与所有F(x,y)做相似度计算计算。对于任意P’(b)而言，b＝1～g，与其欧氏距离最小的F(A’,B’)中的A’值会与“暴露电梯编号”数组进行对比。若A’存在于该数组中则将该查询者标记一次“存在电梯交叉”，相应电梯数据段的起止时间则被记录下来计算“暴露时长”。所述的相似度计算包括但不限于欧氏距离计算，马氏距离计算，相关函数计算。
8)对所有电梯数据段S’(1)～S’(g)内的惯性传感器数据进行积分，得到g段速度变化记录G’(1)～G’(g)，所述的速度变化记录包括速度值和对应的时间戳。
9)根据G’(1)～G’(g)的时间戳，到G(1)～G(h)中寻找时间重合的数据段，若存在时间重合的数据段G'(z)和G(u)，其中1≤z≤g,1≤u≤h，则寻找二者波形是否存在重合部分，如存在重合部分则将该查询者标记一次“存在电梯同乘”，并将重合部分起止时间作差，记录为“同乘时长”。
10)刨除查询者和病患的所有电梯数据段后，将查询者的电子采样时间戳记为tu(f)为基准，其中f为刨除查询者的所有电梯数据段后的查询者电子采样数量，该值取决于刨除查询者的所有电梯数据段后的查询者电子采样本身，无法预知。定义参数i＝1；
11)选择病患电子痕迹中所有时间戳在tu(i)之前的电子采样，记为ts(1)～ts(n)，n为被选取出的电子采样的数量，该值由病患数据本身决定，不能提前预知。并进行如下计算：
a)定义参数j＝1；
b)将tu(i)时刻查询者电子采样，和ts(j)时刻病患电子采样中同类型同ID的信号强度作差并作绝对值，将差值绝对值小于门限值的信源数量记为m：若m>3，则将该查询者标记一次“存在空间交叉k级”，其中k＝m-2，级别越高说明接触距离可能越近。记录tu(i)-ts(j)，并将其记为相应的“交叉延迟时间”。若m≤3，则说明本组数据未检测到接触风险，不作标记。
所述的门限值是指相应的无线电信号在空间中传播距离1米所造成的衰减。
c)j＝j+1，重复b)中的计算，直至j＝n。此时认为已经完成对查询者的一个电子采样的分析；
d)i＝i+1,重复a)～c)中的计算，直至遍历所有查询者位置采样。此时认为已经完成查询者整个电子痕迹的分析。
以上所述实施例仅表达本发明的实施方式，但并不能因此而理解为对本发明专利的范围的限制，应当指出，对于本领域的技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些均属于本发明的保护范围。
Claims (3)
1.一种基于电子痕迹的接触跟踪方法，其特征在于，所述接触跟踪方法基于广泛集成在智能终端中的惯性传感器和无线网络接收机实现，通过估计智能终端的电子信息相似程度分析用户的接近程度，其中，用户包括病患和查询者；包括以下步骤：
步骤1：智能终端读取自身惯性传感器数据：若数据无变化则等待；若数据发生变化则以时间t为采样周期，记录下智能终端所接收到的所有固定网络设施的电子信号特征；
所述的记录过程以疫病的潜伏期时间T为记录周期，循环覆盖记录；其中，一个采样周期内采集的所有上述电子信号特征构成一个电子采样，将采样周期内的所有记录的集合称之为电子痕迹；
所述电子痕迹的信号特征包括信号的时间戳、类型、ID、信号强度、惯性传感器测量值；
步骤2：若有人被确诊，则将其去过的楼宇的所有电梯门前的网络设施的信号特征建立电梯数据库，记为F(x,y)，其中x为电梯编号，y为楼层编号；所述电梯数据库的信号特征包括信号类型、ID、信号强度；
步骤3：将确诊病患的电子痕迹记录数据和电梯数据库发布给公众；
步骤4：查询者通过将自身的电子痕迹与发布的病患电子痕迹进行对比，估计并标注出查询者可能存在的感染接触行为；从而估计感染的可能性，并将此可能性上传给防疫中心，为实现精准通知、分级干预提供信息支持；其过程如下：
(1)由于用户进入电梯后无线电信号会被屏蔽，无法通过固定网络设施的电子信号特征的相似度推断用户间的接触情况；因此首先需要将用户进入电梯的情况进行识别，并通过惯性传感器数据的相似度来分析用户间是否有过同乘电梯的行为；识别病患电子痕迹中病患处于电梯中的部分，并记录其惯性传感器数据的特征；当用户处于电梯中时，其特征是所有固定网络设施信号强度记录为空；具体为：
4.1)找出病患电子采样中所有固定网络设施信号强度记录为空的数据游程段S(1)～S(h)，则认为该段时间内病患进入了乘电梯数据段，其中h为数据段的总数，此数值是不能预知的，由用户数据本身决定；所述的数据游程段指的是固定网络设施信号强度记录持续为空的数据段；
4.2)记录所有病患电梯数据段S(1)～S(h)的前一个时间点的病患电子采样P(1)～P(h)；
4.3)对所有P(1)～P(h)与所有F(x,y)做相似度计算；对于任意P(a)而言，a＝1～h，与其相似度最高的F(A,B)中的A值会被记录为“暴露电梯编号”，对所有P1～Ph则构成电梯编号数组A(1)～A(h)；所述的相似度计算包括但不限于欧氏距离计算，马氏距离计算，相关函数计算；
4.4)对所有电梯数据段S(1)～S(h)内的惯性传感器数据进行积分，得到h段速度变化记录G(1)～G(h)，所述的速度变化记录包括速度值和对应的时间戳；
(2)识别查询者电子痕迹中，查询者处于电梯中的部分，记录其惯性传感器数据的特征，并与病患处于电梯中时的惯性传感器数据特征进行对比；当用户处于电梯中时，其特征是所有固定网络设施信号强度记录为空；具体为：
4.5)找出查询者电子采样中所有固定网络设施信号强度记录为空的数据游程段S’(1)～S’(g)，则认为查询者进入了乘电梯数据段；
4.6)记录所有电梯数据段S’(1)～S’(g)的前一个时间点的电子采样P’(1)～P’(g)；
4.7)对所有P’(1)～P’(g)与所有F(x,y)做相似度计算；对于任意P’(b)而言，b＝1～g，与其欧氏距离最小的F(A’,B’)中的A’值会与“暴露电梯编号”数组进行对比；若A’存在于该数组中则将该查询者标记一次“存在电梯交叉”，相应电梯数据段的起止时间则被记录下来计算“暴露时长”；所述的相似度计算包括但不限于欧氏距离计算，马氏距离计算，相关函数计算；
4.8)对所有电梯数据段S’(1)～S’(g)内的惯性传感器数据进行积分，得到g段速度变化记录G’(1)～G’(g)，所述的速度变化记录包括速度值和对应的时间戳；
4.9)根据G’(1)～G’(g)的时间戳，到G(1)～G(h)中寻找时间重合的数据段，若存在时间重合的数据段G'(z)和G(u)，其中1≤z≤g,1≤u≤h，则寻找二者波形是否存在重合部分，如存在重合部分则将该查询者标记一次“存在电梯同乘”，并将重合部分起止时间作差，记录为“同乘时长”；
(3)除去乘坐电梯的时间外，其他时间内，都可以通过对比查询者和病患的无线电信息来估计查询者和病患的接近程度；具体为：
4.10)刨除查询者和病患的所有电梯数据段后，将查询者的电子采样时间戳记为tu(f)为基准，其中f为刨除查询者的所有电梯数据段后的查询者电子采样数量，f取决于刨除查询者的所有电梯数据段后的查询者电子采样本身，无法预知；定义参数i＝1；
4.11)选择病患电子痕迹中所有时间戳在tu(i)之前的电子采样，记为ts(1)～ts(n)，n为被选取出的电子采样的数量，n由病患数据本身决定，不能提前预知；并进行如下计算：
a)定义参数j＝1；
b)将tu(i)时刻查询者电子采样，和ts(j)时刻病患电子采样中同类型同ID的信号强度作差并作绝对值，将差值绝对值小于门限值的信源数量记为m：若m>3，则将该查询者标记一次“存在空间交叉k级”，其中k＝m-2，级别越高说明接触距离可能越近；记录tu(i)-ts(j)，并将其记为相应的“交叉延迟时间”；若m≤3，则说明本组数据未检测到接触风险，不作标记；
所述的门限值是指相应的无线电信号在空间中传播距离d所造成的衰减，其中，d为该疫病的安全距离；
c)j＝j+1，重复b)中的计算，直至j＝n；此时认为已经完成对查询者的一个电子采样的分析；
d)i＝i+1,重复a)～c)中的计算，直至遍历查询者所有位置采样；此时认为已经完成查询者整个电子痕迹的分析。
2.根据权利要求1所述的一种基于电子痕迹的接触跟踪方法，其特征在于，步骤1中所述的固定网络设施的特征是：信源位置固定且信号强度不变，包括但不限于WiFi信号、蜂窝网络信号、广播信号、电波表授时信号。
3.根据权利要求1或2所述的一种基于电子痕迹的接触跟踪方法，其特征在于，所述的智能终端为智能手机。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110106927.3A CN112887485B (zh) | 2021-01-27 | 2021-01-27 | 一种基于电子痕迹的接触跟踪方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110106927.3A CN112887485B (zh) | 2021-01-27 | 2021-01-27 | 一种基于电子痕迹的接触跟踪方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112887485A CN112887485A (zh) | 2021-06-01 |
| CN112887485B true CN112887485B (zh) | 2021-09-24 |
Family
ID=76053554
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110106927.3A Active CN112887485B (zh) | 2021-01-27 | 2021-01-27 | 一种基于电子痕迹的接触跟踪方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112887485B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113947123B (zh) * | 2021-11-19 | 2022-06-28 | 南京紫金体育产业股份有限公司 | 人员轨迹识别方法、系统、存储介质和设备 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111415755A (zh) * | 2020-04-30 | 2020-07-14 | 重庆金瓯科技发展有限责任公司 | 一种用于流行病防护的辅助监测系统 |
| CN111755130A (zh) * | 2020-06-02 | 2020-10-09 | RealMe重庆移动通信有限公司 | 防控方法和装置、终端、防控系统和可读存储介质 |
| CN111768594A (zh) * | 2020-07-23 | 2020-10-13 | Oppo广东移动通信有限公司 | 密切接触判断方法、装置、计算机设备及存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9945672B2 (en) * | 2016-06-07 | 2018-04-17 | International Business Machines Corporation | Wearable device for tracking real-time ambient health conditions and method for destination selection based on tracked real-time ambient health conditions |
-
2021
- 2021-01-27 CN CN202110106927.3A patent/CN112887485B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111415755A (zh) * | 2020-04-30 | 2020-07-14 | 重庆金瓯科技发展有限责任公司 | 一种用于流行病防护的辅助监测系统 |
| CN111755130A (zh) * | 2020-06-02 | 2020-10-09 | RealMe重庆移动通信有限公司 | 防控方法和装置、终端、防控系统和可读存储介质 |
| CN111768594A (zh) * | 2020-07-23 | 2020-10-13 | Oppo广东移动通信有限公司 | 密切接触判断方法、装置、计算机设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112887485A (zh) | 2021-06-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106714102B (zh) | 一种利用智能手机辅助室内定位的方法 | |
| Alzantot et al. | Crowdinside: Automatic construction of indoor floorplans | |
| WO2019136918A1 (zh) | 一种室内定位的方法、服务器及定位系统 | |
| EP1881712B1 (en) | Communication device search system | |
| CN108664620B (zh) | 一种店铺客流量预测方法 | |
| CN104980885B (zh) | 一种面向wifi探测识别的数据处理系统及方法 | |
| Guo et al. | A hybrid positioning system for location-based services: Design and implementation | |
| US9749805B2 (en) | Methods, wireless device and network node for managing positioning method based on prediction | |
| WO2013156934A1 (en) | Method, apparatus and computer program product for distributed indoor three-dimensional radiomap | |
| CN109525937B (zh) | 集成多种定位方式的室内定位管理系统的定位方法 | |
| CN103649770A (zh) | 移动设备的位置估计 | |
| CN110022530B (zh) | 一种用于地下空间的无线定位方法和系统 | |
| CN103442432B (zh) | 指纹定位方法与服务器 | |
| CN112002431A (zh) | 一种利用电磁信号发现特定用户的密切接触者的方法及系统 | |
| CN112887485B (zh) | 一种基于电子痕迹的接触跟踪方法 | |
| CN207946517U (zh) | 一种基于视频辅助定位的uwb三维定位系统 | |
| CA3093426A1 (en) | Crowd sourced multi-stage mobile device fingerprint based navigation | |
| CN102711245A (zh) | 室内环境下wlan区域内两阶段匹配定位方法 | |
| KR101955023B1 (ko) | 네트워크 기반의 객체 위치 추적 방법 및 장치 | |
| Masouleh et al. | Simulation of the bluetooth inquiry process for application in transportation engineering | |
| FI114193B (fi) | Solunvaihtokomentoihin perustuva liikkuvan tilaajan havannointi | |
| Ying et al. | On automated map selection problem in indoor navigation for smart devices | |
| TWI569225B (zh) | A Method of Estimating Traffic Information Based on Multiple Regression Model of Mobile Network Signaling | |
| KR102192460B1 (ko) | 위치기반 서비스를 이용한 침입 탐지 시스템 및 침입 탐지 방법 | |
| CN113379790B (zh) | 一种基于3d模型的高空瞭望观测物体的ai预警定位方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |