The pervasive presence of smartphones has emerged as one of the key elements for sensing people contextual information. Their sensors and communication capabilities can be used to gather a huge amount of data. Such capabilities have made it possible to compose profiles of people by relating different parameters such as time and location. This paper contributes in this sense by providing the basis for the composition of temporal proximity patterns—when and whom people share their time with each other. For this purpose, the Bluetooth Low Energy (BLE) advertisement protocol was used. The contribution of this work departs from that of those who use BLE technology focused on measuring the intensity of the signals to, for example, determine distances. In this field, a huge amount of work has been already done with very interesting results. Instead, in this work, BLE is used to emit and sense the presence of people. A set of algorithms are then used inside the smartphones to analyse the data gathered and to detect proximity patterns between people. This scenario avoids the difficulties that appear in other works—like those focused on people positioning—derived from the lack of precision of the sensors and the differences between BLE chipsets. Tests to evaluate the consumption, precision, and reliability of using this technology, together with the proposed algorithms, confirmed the feasibility of the approach. In addition, the proposal has proved very useful for the automatic construction of social networks based on physical closeness of people.

中文翻译：

---

使用蓝牙低功耗广告检测人的时间邻近模式

智能手机无处不在已成为感知人们上下文信息的关键要素之一。它们的传感器和通信功能可用于收集大量数据。这样的功能使得通过关联不同的参数（例如时间和位置）来构成人员档案成为可能。在这种意义上，本文通过为时间邻近模式的构成提供了依据，这些时间构成了何时以及与谁共享时间。为此，使用了蓝牙低功耗（BLE）广告协议。这项工作的贡献与那些使用BLE技术专注于测量信号强度（例如确定距离）的人的贡献不同。在该领域，已经完成了大量工作，并取得了非常有趣的结果。代替，在这项工作中，BLE用于发射和感知人的存在。然后，在智能手机内部使用一组算法来分析收集的数据并检测人与人之间的接近模式。这种情况避免了其他工作中出现的困难（例如那些专注于人员定位的工作），这些困难是由于传感器的精度不足以及BLE芯片组之间的差异而引起的。评估使用该技术的消耗，精度和可靠性以及所提出的算法的测试证实了该方法的可行性。此外，该建议已证明对于基于人的身体亲密性的社交网络的自动构建非常有用。然后，在智能手机内部使用一组算法来分析收集的数据并检测人与人之间的接近模式。这种情况避免了由于传感器精度不足以及BLE芯片组之间的差异而导致的其他工作中出现的困难（例如那些专注于人员定位的工作）。测试以评估使用该技术的消耗，精度和可靠性，以及所提出的算法，证实了该方法的可行性。此外，该建议已证明对于基于人的身体亲密性的社交网络的自动构建非常有用。然后，在智能手机内部使用一组算法来分析收集的数据并检测人与人之间的接近模式。这种情况避免了其他工作中出现的困难（例如那些专注于人员定位的工作），这些困难是由于传感器的精度不足以及BLE芯片组之间的差异而引起的。评估使用该技术的消耗，精度和可靠性以及所提出的算法的测试证实了该方法的可行性。此外，该建议已证明对于基于人的身体亲密性的社交网络的自动构建非常有用。这种情况避免了由于传感器精度不足以及BLE芯片组之间的差异而导致的其他工作中出现的困难（例如那些专注于人员定位的工作）。测试以评估使用该技术的消耗，精度和可靠性，以及所提出的算法，证实了该方法的可行性。此外，该建议已证明对于基于人的身体亲密性的社交网络的自动构建非常有用。这种情况避免了由于传感器精度不足以及BLE芯片组之间的差异而导致的其他工作中出现的困难（例如那些专注于人员定位的工作）。测试以评估使用该技术的消耗，精度和可靠性，以及所提出的算法，证实了该方法的可行性。此外，该建议已证明对于基于人的身体亲密性的社交网络的自动构建非常有用。