Machine learning based occupancy estimation with probe request sniffing

The beginning of the year 2020, was the beginning of the Covid 19 outbreak around the world. This made us human to change our normal lives that we have been used to for a long time. It meant lockdowns, curfews, and social distancing. But the education cannot be interrupted because of this, so we had to change how people in a classroom should behave including putting a threshold on the capacity of a classroom. But forcing or monitoring this threshold is a logistical challenge for most institutes such as universities where there are around 100 classrooms to monitor. But with the help of technology and in particular machine learning models and methods, we can remotely “guess” the number of people in an area with a very high accuracy unlike other methods. We will discuss these methods, their accuracy and performance, and then discuss in detail our proposal for a top-notch system to solve the issue of social distancing in a classroom. We will also try to compare our systems’ performance with other classical methods such as linear regression.

L'inizio dell'anno 2020 è stato l'inizio dell'epidemia di Covid 19 in tutto il mondo. Questo ci ha resi umani per cambiare le nostre vite normali a cui siamo stati abituati da molto tempo. Significava serrate, coprifuoco e allontanamento sociale. Ma l'educazione non può essere interrotta a causa di questo, quindi abbiamo dovuto cambiare il modo in cui le persone in una classe dovrebbero comportarsi includendo una soglia per la capacità di una classe. Ma forzare o monitorare questa soglia è una sfida logistica per la maggior parte degli istituti come le università, dove ci sono circa 100 aule da monitorare. Ma con l'aiuto della tecnologia e in particolare dei modelli e dei metodi di apprendimento automatico, possiamo "indovinare" a distanza il numero di persone in un'area con una precisione molto elevata a differenza di altri metodi. Discuteremo questi metodi, la loro accuratezza e prestazioni, per poi discutere in dettaglio la nostra proposta di un sistema di prim'ordine per risolvere il problema della distanza sociale in una classe. Cercheremo anche di confrontare le prestazioni dei nostri sistemi con altri metodi classici come la regressione lineare.