A Crowdsourced Contact Tracing Model to Detect COVID-19 Patients using Smartphones_C2019冠状病毒疾病患者的智能追踪追踪模型.pdf
《基于智能手机的众包接触追踪模型来检测COVID-19患者》
随着2019冠状病毒疾病（COVID-19）在全球范围内的广泛传播，数百万人因此丧生。世界各地的研究人员正在共同努力，面对诸多挑战，以研发有效的疫苗来对抗这种传染性病毒。为应对这一危机，本研究提出了一种系统，旨在通过使用智能手机进行位置基础的COVID-19患者识别，以阻止疫情的爆发，并提高人们对感染区域的认识，从而提醒人们保持安全距离。
该模型采用移动众包的方式，由政府提供受感染COVID-19病患的信息更新。系统会通知处于高风险区域的其他用户，让他们保持至少6英尺（约1.8米）的安全距离。我们利用Haversine公式和圆的公式来确定不安全区域的边界。为了验证研究结果的有效性，我们收集了10,000条有效数据，并对算法进行了测试。每次测试10个案例，随着数据集每增加1000条，算法的运行时间呈线性增长。这表明，提出的算法可以在多项式时间内运行，具备良好的可扩展性。
此外，我们还对算法的正确性进行了检验，结果显示，提出的算法既正确又高效。该系统已实现并投入应用，通过收集用户反馈来评估其性能。这样，人们就可以借助我们的系统，了解自己是否处于安全区域，从而降低感染COVID-19的风险。
关键词：接触追踪；众包；COVID-19；位置追踪；移动应用。
本文于2021年3月7日提交，5月6日修订，5月21日接受，计划于2021年10月31日出版。
这个众包接触追踪模型的核心在于利用智能手机的定位功能，结合大数据和算法技术，实时监控和预测可能的感染风险。通过收集和分析感染者的地理位置信息，系统可以生成高风险区域的预警，提醒周围的人采取预防措施。这种模式不仅减轻了传统接触追踪工作的压力，还提高了信息传递的速度和准确性，有助于控制疫情扩散。
在实施过程中，系统的设计和优化至关重要。算法的效率和正确性是确保系统能够处理大量数据并及时发出警告的关键。此外，用户的反馈是评估系统性能和用户体验的重要依据，这有助于不断改进和完善系统功能，使其更加贴近用户需求。
这篇论文提出了一种创新的、基于智能手机的接触追踪方法，通过众包和智能计算，有效地提升了COVID-19防控的效率。随着技术的不断发展，类似的解决方案有望在未来公共卫生事件中发挥更大的作用，保护公众的生命安全。
