校园Wi-Fi网络可以成为大学里一个强大的联系追踪工具，旨在保护学生免受冠状病毒的侵害。

这是一篇客座文章。这里所表达的观点只是作者的观点，并不代表IEEE Spectrum或IEEE的立场。

大学和其他大型空间运营商（如购物中心或机场）目前正面临一个难题：如何在提供安全环境的同时，尽快恢复业务？

考虑到个人行为是病毒传播的驱动因素，回答这个问题的关键在于了解和监测人们在校园里，无论是室内还是室外如何移动和互动的状态。

幸运的是，大学已经有了完美的工具：校园范围内的Wi-Fi网络。这些网络通常覆盖校园内的每个室内和大部分室外空间，并且大家都已经注册了。而所需要添加的是数据分析，以监测校园安全。

我们（作者，以下简称我），一个来自墨尔本大学和Nexulogy初创公司的研究团队，已经开发出必要的算法，当校园Wi-Fi网络已经收集到数据时，这些算法可以帮助保证大学的安全。我们已经在多个校区和其他大型但室内的环境中成功地测试了这些算法。

迄今为止，很少有人关注使用Wi-Fi网络来追踪社交距离。像澳大利亚这样的国家已经推出智能手机应用程序来支持联系追踪，通常使用蓝牙来确定距离。最近Google/Apple的一次合作，也使用了蓝牙，形成一个用于联系人监控的分散协议。

然而，这些应用程序的成功主要依赖于人们的自愿下载。牛津大学（University of Oxford）的一项研究估计，英国70%以上的智能手机用户必须安装该应用程序才能生效。但目前还没有达到这样的规模 -- 例如，澳大利亚的COVIDSafe应用程序于2020年4月发布，到2020年6月中旬，只有600万人下载，约占人口的24%。

此外，这种基于蓝牙的跟踪不会将联系人与物理位置（如教室）联系起来。这就很难满足校园安全运行的要求。而且，蓝牙追踪应用程序收集的数据一般不容易提供给校园所有者，因此这无助于让他们自己的空间更安全。

我们基于Wi-Fi的算法提供了迄今为止对隐私干扰最少的监控机制，因为它们只使用匿名设备地址；不需要单独的用户名来了解人群密度和接近程度。如果学生或校园工作人员报告冠状病毒检测呈阳性，则确定属于有风险的人的设备地址可以在获得适当隐私许可的情况下传递给当局。只有这样，名字才会与设备匹配，并让处于危险中的人单独或私下地得到通知。

Wi-Fi为大学提供了最好的解决方案，原因有两个：无线覆盖已经覆盖整个校园；校园内的每个人都至少携带一个支持Wi-Fi的设备是可以保证的；实际上，在校园生活和工作的每个人都注册了他们的设备以接入互联网。这样的跟踪是可能的，而无需繁重的面向用户的应用程序下载。

通常大学管理人员已经有权使用无线系统中收集的信息，这些信息是作为其条款和条件中的一部分。在这场大流行病中，他们现在也有法律义务，或者至少在道义上有义务尽最大的能力利用这些数据来改善校园里每个人的安全和福祉。

该过程首先收集Wi-Fi设备的时间和符号位置（也称为网络接入点），当Wi-Fi基础设施首次检测到这些设备时，例如，当学生进入校园的Wi-Fi环境时，在固定时间间隔内或当他们更改位置时；然后，在合并单个用户的多个设备之后，我们的算法计算给定区域中的用户数量。这可以快速了解任何建筑或室外广场的人群密度。

我们的算法还可以重建Wi-Fi基础设施中任何用户的旅程，并由此得出其他用户的暴露时间、访问的空间和传输风险。

这些信息可以帮助校园管理者做一些事情。首先，我们的算法可以很容易地通过时间和地点识别高风险区域，并标记出经常超过社会距离限制的区域。这有助于校园管理者将资源集中投放在可能需要更多洗手液或更频繁深度清洁的区域。

另一方面，假设一名受感染的工作人员已被公共卫生当局确认。根据卫生当局的要求，大学可以通过追踪病人在校园内的行程来确定可能的感染途径。如果有必要，可以回溯数据收集开始后几天甚至几周的移动历史记录。

为了说明这个方法，我们假设我们中的一个人感染了COVID，我们在最近到访大学校园时重建了他的旅程和与其他大学访客的接触。在下面的热图中，您可以看到只有会议大楼显示了大量的联系人（红色条），在本例中，曝光时间超过30分钟。虽然我们只通过Wi-Fi设备检测到其他人，但大学的管理人员现在可以通知那些可能接触过感染性用户的人了。

这个系统并非没有技术挑战。最大的问题是系统中的噪声，需要在数据有用之前消除这些噪声。例如，根据建筑布局和无线网络配置，特定区域内的无线计数可以包括通过外部的流量或静态设备（如台式计算机）。我们开发了算法来消除这两种情况，而不需要访问任何用户信息。

尽管感染风险的识别和管理仅限于无线基础设施覆盖的区域，但及时识别COVID事件也有利于校园以外的地区。校园，甚至是封闭的住宅区，每天都有大量的外来访客涌入——员工、承包商和家庭成员。如果卫生当局提出要求，可以通过电信供应商确认这些人的身份。

如果校园内有人检测出病毒呈阳性，他们接触的人、他们的接触时间和去的地方都能在几分钟内被识别出来。这就可以有针对性地、及时地和具有成本效益的方式启动必要的措施（如COVID检测或消毒）。

由于分析可以在云端进行，所以软件可以很容易地更新，以反映新的或完善的医疗知识或健康法规，比如新的暴露时间阈值或物理距离指南。

在这个过程中，隐私是最重要的。了解人口密度和人群管理是匿名的。只有在校园内有人报告冠状病毒确诊病例的情况下，拥有必要隐私许可的当局才需要连接设备和个人。我们的算法独立于识别和通知过程。

由于世界各地的大学都急于欢迎学生重返校园，因此需要制定积极的计划，以确保每个人的安全和福祉。Wi-Fi看起来非常可利用并随时准备提供帮助啦。

Jan Dethlefs是数据科学家，Simon Wei是数据工程师，都在澳大利亚墨尔本的Nexulogy工作。Stephan Winter是墨尔本大学基础设施工程系的教授，Martin Tomko是高级讲师，他们主要从事地理空间数据分析工作。