Analyses of Bluetooth distance measurements for digital contact tracing

Abstract

Diese Arbeit befasst sich mit der Wirksamkeit entwickelter Smartphone-Apps zur Kontaktverfolgung für COVID-19, die auf Bluetooth basiert sind, um Kontakte zu erkennen. Viele Anwendungen, die auf der Bluetooth Low Energy (BLE)-Technologie basieren, wurden im vergangenen Jahr entwickelt, um den Kontakt von Menschen mit COVID-19 zu verfolgen. Die Anwendungen basieren darauf, wie nahe zwei Personen in Übereinstimmung mit der Entfernung sind, die anhand der empfangenen Signalstärke gemessen wird. Diese Diplomarbeit eine detailliertere Studie, die auf verschiedenen Arten von Smartphones basiert und die verschiedenen Faktoren analysiert, die den Wert des Signals beeinflussen. So beschreibt ein Verfahren und eine Analyse zur Bestimmung, ob zwei Mobiltelefone, die von Menschen getragen werden, in einem Abstand von 0,5 bis 6 Metern für 5 Minuten unter Verwendung von Bluetooth-Low-Energy-Signalen in ständigem Kontakt standen. Auch in diesem Aspekt wurden zahlreiche Methoden zur Positionierung des Smartphones verwendet, um die Wirksamkeit der Studie möglichst klar und präzise darzustellen. Es wurden Experimente in vier Szenarien durchgeführt, in denen die Smartphones entweder ungehindert im freien Raum auf Stühlen platziert, in Rucksäcke oder Handtaschen verstaut wurden, in die Hosentaschen und hinter der Wand. Die Ergebnisse der Analysen zeigen, dass mehrere Faktoren die Signalqualität maßgeblich beeinflussen. Obwohl sich die Bluetooth-Technologie als sehr nützlich erwiesen hat, ist es nicht immer einfach, Bluetooth-RSSI Messungen in Entfernungen zwischen mobilen Geräten umzuwandeln. Wenn es um die Faktoren geht, die das Signal beeinflussen, sprechen wir über die Techniken, die während der Arbeit in diesem Diplom verwendet werden, also unterschiedliche Szenarien mit unterschiedlichen Tools, die uns zu einer klareren Analyse der Endergebnisse verholfen haben. Die Ergebnisse deuten auch darauf hin, dass in den meisten Fällen, insbesondere im Nahbereich (> 1 m), ein sinnvoller Zusammenhang zwischen den RSSI-Werten und Modellen auf Basis einer Annäherung mit einem logarithmischen path loss model abgeleitet werden kann. Diese Arbeit untersucht auch, wie gut ein diagnostischer Test wäre, indem sie die Diskriminations- und Vorhersagekraft der Smartphone-RSSI-basierten Kontakterkennung in mehreren Maßstäben bewertet. Basierend auf der Sensitivität und Spezifität stellen wir fest, dass die vom Smartphone-RSSI-basierten Test getroffene Entscheidung genau sein kann, um Kontakte von keinen Kontakten zu unterscheiden. Die Sensitivität wird ausgedrückt als der Anteil der korrekt als richtig positiv eingestuften Personen unter den Gesamtkontakten, und die Spezifität ist die Fähigkeit, die Nicht-Kontakte zu identifizieren. Die Ergebnisse zeigten uns jedoch, dass sich einige Telefone an das vorhergesagte Modell halten und einige vollständig davon abweichen. Das Taschenszenario die größte Auswirkung auf die RSSI-Stärke hat, die Ergebnisse der Verteilung von RSSI auf dem Stuhl, Rucksack- und Wandexperimente zur Entfernung kohärent waren von jedem ausgewählten Werbetreibenden hingegen zeigten die Ergebnisse des Taschenexperiments unerwartete Verteilungen.

This work deals with the effectiveness of developed Smartphone apps for contact tracing for COVID-19 based on Bluetooth to detect contacts. Many applications based on Bluetooth Low Energy (BLE) technology were developed in the past year to track people's contact with COVID-19. Applications are based on how close two people are in accordance with the distance measured from the received signal strength. This thesis is a more detailed study based on different types of smartphones, analyzing the other factors that affect the value of the signal. So describes a method and analysis for determining whether two cell phones worn by humans were in constant contact from 0,5 to 6 meters for 5 minutes using Bluetooth Low energy signals. In this aspect, numerous methods for positioning smartphones were used so that the effectiveness of the study is as clear and precise as possible. Experiments were carried out in fourscenarios, in which the smartphones were either placed unobstructed in the open space on chairs, stowed in backpacks or handbags, or the user's trouser pockets. The analyses show that several factors have a decisive influence on signal quality. While Bluetooth technology has proven to be very useful, it is not always easy to convert Bluetooth RSSI measurements into distances between Mobile devices. As factors that influenced the signal, we emphasize the techniques used while working on this diploma and different scenarios with different tools that have helped us analyze the results more clearly. The results also indicate that in most cases, especially in the near range (> 1 m), a meaningful relationship between the RSSI values and models based on an approximation with a logarithmic path loss model can be derived. This thesis also investigates how good a diagnostic test would be by evaluating the discriminative and predictive power of the smartphone RSSI-based contact detection in multiple measures. Based on the sensitivity and specificity, we find that the decision made by the smartphone RSSI-based test can be accurate in telling contacts from no contacts. Sensitivity is expressed as the proportion of correctly classified as true positives among the total contacts, and specificity is the ability to identify the no contacts. However, the results told us that Some phones stick to the predicted model, and some deviate entirely. The trousers pocket scenario has the most impact on RSSI strength. The results of the distribution of RSSI in the main, backpack, and wall experiments were coherent to the distance from each selected advertiser. On the other hand, the results of the trousers pocket experiment showed unexpected distributions.