Wi-Fi網絡可以成為大學里一個強大的聯(lián)系追蹤工具

校園Wi-Fi網絡可以成為大學里一個強大的聯(lián)系追蹤工具，旨在保護學生免受冠狀病毒的侵害。

這是一篇客座文章。這里所表達的觀點只是作者的觀點，并不代表IEEE Spectrum或IEEE的立場。

大學和其他大型空間運營商（如購物中心或機場）目前正面臨一個難題：如何在提供安全環(huán)境的同時，盡快恢復業(yè)務？

考慮到個人行為是病毒傳播的驅動因素，回答這個問題的關鍵在于了解和監(jiān)測人們在校園里，無論是室內還是室外如何移動和互動的狀態(tài)。

幸運的是，大學已經有了完美的工具：校園范圍內的Wi-Fi網絡。這些網絡通常覆蓋校園內的每個室內和大部分室外空間，并且大家都已經注冊了。而所需要添加的是數(shù)據(jù)分析，以監(jiān)測校園安全。

我們（作者，以下簡稱我），一個來自墨爾本大學和Nexulogy初創(chuàng)公司的研究團隊，已經開發(fā)出必要的算法，當校園Wi-Fi網絡已經收集到數(shù)據(jù)時，這些算法可以幫助保證大學的安全。我們已經在多個校區(qū)和其他大型但室內的環(huán)境中成功地測試了這些算法。

迄今為止，很少有人關注使用Wi-Fi網絡來追蹤社交距離。像澳大利亞這樣的國家已經推出智能手機應用程序來支持聯(lián)系追蹤，通常使用藍牙來確定距離。最近Google/Apple的一次合作，也使用了藍牙，形成一個用于聯(lián)系人監(jiān)控的分散協(xié)議。

然而，這些應用程序的成功主要依賴于人們的自愿下載。牛津大學（University of Oxford）的一項研究估計，英國70%以上的智能手機用戶必須安裝該應用程序才能生效。但目前還沒有達到這樣的規(guī)模 -- 例如，澳大利亞的COVIDSafe應用程序于2020年4月發(fā)布，到2020年6月中旬，只有600萬人下載，約占人口的24%。

此外，這種基于藍牙的跟蹤不會將聯(lián)系人與物理位置（如教室）聯(lián)系起來。這就很難滿足校園安全運行的要求。而且，藍牙追蹤應用程序收集的數(shù)據(jù)一般不容易提供給校園所有者，因此這無助于讓他們自己的空間更安全。

我們基于Wi-Fi的算法提供了迄今為止對隱私干擾最少的監(jiān)控機制，因為它們只使用匿名設備地址；不需要單獨的用戶名來了解人群密度和接近程度。如果學生或校園工作人員報告冠狀病毒檢測呈陽性，則確定屬于有風險的人的設備地址可以在獲得適當隱私許可的情況下傳遞給當局。只有這樣，名字才會與設備匹配，并讓處于危險中的人單獨或私下地得到通知。

Wi-Fi為大學提供了最好的解決方案，原因有兩個：無線覆蓋已經覆蓋整個校園；校園內的每個人都至少攜帶一個支持Wi-Fi的設備是可以保證的；實際上，在校園生活和工作的每個人都注冊了他們的設備以接入互聯(lián)網。這樣的跟蹤是可能的，而無需繁重的面向用戶的應用程序下載。

通常大學管理人員已經有權使用無線系統(tǒng)中收集的信息，這些信息是作為其條款和條件中的一部分。在這場大流行病中，他們現(xiàn)在也有法律義務，或者至少在道義上有義務盡最大的能力利用這些數(shù)據(jù)來改善校園里每個人的安全和福祉。

該過程首先收集Wi-Fi設備的時間和符號位置（也稱為網絡接入點），當Wi-Fi基礎設施首次檢測到這些設備時，例如，當學生進入校園的Wi-Fi環(huán)境時，在固定時間間隔內或當他們更改位置時；然后，在合并單個用戶的多個設備之后，我們的算法計算給定區(qū)域中的用戶數(shù)量。這可以快速了解任何建筑或室外廣場的人群密度。

我們的算法還可以重建Wi-Fi基礎設施中任何用戶的旅程，并由此得出其他用戶的暴露時間、訪問的空間和傳輸風險。

這些信息可以幫助校園管理者做一些事情。首先，我們的算法可以很容易地通過時間和地點識別高風險區(qū)域，并標記出經常超過社會距離限制的區(qū)域。這有助于校園管理者將資源集中投放在可能需要更多洗手液或更頻繁深度清潔的區(qū)域。

另一方面，假設一名受感染的工作人員已被公共衛(wèi)生當局確認。根據(jù)衛(wèi)生當局的要求，大學可以通過追蹤病人在校園內的行程來確定可能的感染途徑。如果有必要，可以回溯數(shù)據(jù)收集開始后幾天甚至幾周的移動歷史記錄。

為了說明這個方法，我們假設我們中的一個人感染了COVID，我們在最近到訪大學校園時重建了他的旅程和與其他大學訪客的接觸。在下面的熱圖中，您可以看到只有會議大樓顯示了大量的聯(lián)系人（紅色條），在本例中，曝光時間超過30分鐘。雖然我們只通過Wi-Fi設備檢測到其他人，但大學的管理人員現(xiàn)在可以通知那些可能接觸過感染性用戶的人了。

這個系統(tǒng)并非沒有技術挑戰(zhàn)。最大的問題是系統(tǒng)中的噪聲，需要在數(shù)據(jù)有用之前消除這些噪聲。例如，根據(jù)建筑布局和無線網絡配置，特定區(qū)域內的無線計數(shù)可以包括通過外部的流量或靜態(tài)設備（如臺式計算機）。我們開發(fā)了算法來消除這兩種情況，而不需要訪問任何用戶信息。

盡管感染風險的識別和管理僅限于無線基礎設施覆蓋的區(qū)域，但及時識別COVID事件也有利于校園以外的地區(qū)。校園，甚至是封閉的住宅區(qū)，每天都有大量的外來訪客涌入——員工、承包商和家庭成員。如果衛(wèi)生當局提出要求，可以通過電信供應商確認這些人的身份。

如果校園內有人檢測出病毒呈陽性，他們接觸的人、他們的接觸時間和去的地方都能在幾分鐘內被識別出來。這就可以有針對性地、及時地和具有成本效益的方式啟動必要的措施（如COVID檢測或消毒）。

由于分析可以在云端進行，所以軟件可以很容易地更新，以反映新的或完善的醫(yī)療知識或健康法規(guī)，比如新的暴露時間閾值或物理距離指南。

在這個過程中，隱私是最重要的。了解人口密度和人群管理是匿名的。只有在校園內有人報告冠狀病毒確診病例的情況下，擁有必要隱私許可的當局才需要連接設備和個人。我們的算法獨立于識別和通知過程。

由于世界各地的大學都急于歡迎學生重返校園，因此需要制定積極的計劃，以確保每個人的安全和福祉。Wi-Fi看起來非?？衫貌㈦S時準備提供幫助啦。

Jan Dethlefs是數(shù)據(jù)科學家，Simon Wei是數(shù)據(jù)工程師，都在澳大利亞墨爾本的Nexulogy工作。Stephan Winter是墨爾本大學基礎設施工程系的教授，Martin Tomko是高級講師，他們主要從事地理空間數(shù)據(jù)分析工作。