Dublin Tram GAEN Dataset

该数据集包含在都柏林电车上进行的Google/Apple Exposure Notification衰减持续时间的测量结果，具体包括不同距离下的衰减持续时间数据，以及相关配置文件和校准值。

This dataset comprises measurements of Google/Apple Exposure Notification attenuation durations conducted on Dublin trams. It specifically includes data on attenuation durations at various distances, along with related configuration profiles and calibration values.

原始信息汇总

Dublin Tram GAEN Dataset 概述

数据集内容

文件列表

1. dublintram_dataset_attenuations.txt

   • 描述：每行对应一对手机在某一距离的测量数据。每列代表在特定衰减范围内的衰减持续时间（以分钟计）。例如，第一列对应衰减范围48-50dB，第二列对应50-52dB，以此类推。

2. dublintram_dataset_distances.txt

   • 描述：每行包含一对手机之间的估计距离（以米计），与文件dublintram_dataset_attenuations.txt中的行相对应。

3. dublintram_dataset_distances.txt

   • 描述：每行提供与dublintram_dataset_attenuations.txt中测量数据相对应的手机对索引。

4. cwa_config.txt 和 immuni_config.txt

   • 描述：Corona Warn和Immuni接触追踪应用的配置设置，下载日期为2020年6月22日。

5. EN Calibration June 13th.csv

   • 描述：Google GAEN针对一系列手机型号的校准值。

数据集来源

• 来源文献："Measurement-Based Evaluation Of Google/Apple Exposure Notification API For Proximity Detection In A Light-Rail Tram", Douglas J. Leith, Stephen Farrell, SCSS Tech Report 23rd June 2020.

搜集汇总

数据集介绍

构建方式

Dublin Tram GAEN数据集的构建基于在都柏林轻轨电车上进行的Google/Apple Exposure Notification（GAEN）API的衰减持续时间测量。研究团队通过在不同距离下对多对手持设备进行测量，记录了每对设备在不同衰减水平范围内的持续时间。数据集的构建过程严格遵循科学实验的标准，确保了数据的准确性和可靠性。

特点

该数据集的特点在于其详细记录了手持设备在不同衰减水平下的持续时间，并提供了设备间的估计距离信息。数据集包含多个文件，分别记录了衰减持续时间、设备间距离、设备索引以及相关接触追踪应用的配置信息。这些数据为研究GAEN API在轻轨电车环境中的近距离检测性能提供了宝贵的实验依据。

使用方法

使用Dublin Tram GAEN数据集时，研究人员可以通过分析dublintram_dataset_attenuations.txt文件中的衰减持续时间数据，结合dublintram_dataset_distances.txt文件中的设备间距离信息，评估GAEN API在不同距离下的性能表现。此外，cwa_config.txt和immuni_config.txt文件提供了接触追踪应用的配置信息，有助于理解实验环境的设置。EN Calibration June 13th.csv文件则提供了Google GAEN校准值，可用于进一步的数据分析和模型验证。

背景与挑战

背景概述

Dublin Tram GAEN数据集由Douglas J. Leith和Stephen Farrell于2020年6月23日发布，旨在评估Google/Apple Exposure Notification（GAEN）API在轻轨电车环境中的近距离检测性能。该数据集的核心研究问题是通过测量不同距离和衰减水平下的信号持续时间，验证GAEN API在复杂城市交通环境中的有效性。这一研究为公共卫生领域的接触者追踪技术提供了重要的数据支持，尤其是在COVID-19疫情期间，帮助优化了基于蓝牙的接触者追踪算法的精度和可靠性。

当前挑战

Dublin Tram GAEN数据集在构建和应用过程中面临多重挑战。首先，轻轨电车环境中的信号衰减复杂多变，受车厢结构、乘客密度和设备位置等因素影响，导致信号测量的准确性和一致性难以保证。其次，数据集需要涵盖多种手机型号和配置，以确保结果的普适性，这对数据采集和校准提出了较高要求。此外，如何在动态环境中实时捕捉和处理大量蓝牙信号数据，也是技术实现中的一大难点。这些挑战不仅影响了数据集的构建过程，也对后续算法的优化和应用提出了更高的标准。

常用场景

经典使用场景

Dublin Tram GAEN数据集主要用于研究基于Google/Apple Exposure Notification (GAEN) API的近距离检测技术。该数据集通过在都柏林轻轨电车上进行的实验，记录了多对手机在不同距离下的信号衰减持续时间。这些数据为研究者在模拟真实环境中的近距离接触检测提供了宝贵的实验基础，特别是在公共交通场景下的应用。

解决学术问题

该数据集解决了在复杂环境中准确检测近距离接触的学术难题。通过提供详细的信号衰减数据，研究者能够评估GAEN API在不同距离和信号强度下的性能，从而优化接触追踪算法的准确性。这对于提高公共卫生事件中的接触追踪效率具有重要意义。

衍生相关工作

基于Dublin Tram GAEN数据集，许多相关研究工作得以展开。例如，研究者利用该数据集开发了新的信号处理算法，以提高近距离检测的精度。此外，该数据集还被用于评估不同手机型号在接触追踪中的性能差异，推动了相关技术的标准化和优化。