Prediktivní modely pro společenskou zdrženlivost během pandemií

Abstract

V důsledku celosvětové pandemie v roce 2020 způsobené virem COVID- 19 je k minimalizaci šíření virů nezbytné sociální distancování. Problém predikce, kde a kdy se události stanou s vysokou pravděpodobností je hlavním tématem této práce. Tato práce se snaží prozkoumat metody, které umožňují kombinovat veře- jné údaje a zdroje davu za účelem zlepšení kvality informací v technikách dočasného modelování. Cílem této práce je vývoj implementace a ex- perimentální validace prediktivních modelů, které umožňují predikovat počet lidí na daném místě v daném čase. Hlavním účelem tohoto modelu je umožnit ohroženým lidem naplánovat si nezbytné cesty tak, aby mohli minimalizovat množství zbytečných sociálních kontaktů. Výsledek ukazuje, že systém doporučení založený na dočasných modelech významně snižuje riziko pro lidi, kteří ho dodržují.

As a result of the world-wide pandemic of 2020 caused by covid-19, so- cial distancing is necessary to minimize virus spreading. The problem of predicting where and when events will happen with high probability is the main topic of this work. This thesis tries to investigate methods, that allow to combine the public data and crowd sources to improve quality of information to the temporal modelling techniques. The goal of this thesis is development, implemen- tation and experimental validation of predictive models, which enable to predict number of people in the given place at the given time. The main purpose of this model is to enable threatened people to plan their necessary trips, so they could minimize the amount of unnecessary social contacts. The result shows that the recommendation system based on temporal models significaly reduces the risk for people who follow it.