移动群智感知应用

认为无线通信和智能移动设备的发展为群智感知在移动环境下的应用奠定了基础,而廉价多样的传感器使移动群智感知应用与人类社会的联系更加紧密。移动群智感知用户采集数据时的协作方式分为参与式感知、机会感知两种,各有优缺点和局限性。移动群智感知需要考虑用户成本、网络压力、云计算服务器架设、用户隐私保护等方面的问题,要面对情境隐私、匿名任务、匿名数据汇报、可靠数据读取、数据真实性等安全方面的挑战。     

移动群智感知系统的任务分配方法研究综述

近年来,随着移动智能终端性能和网络传输能力不断提升,移动群智感知系统得到广泛关注.参与者的趋利性易导致系统效用低且难以完成既定任务.因此,合理的任务分配机制能够保证系统采集较优质量数据、达到更广覆盖范围,并使系统效益最大化.本文首先概述移动群智感知基本概念和工作流程;然后分析移动群智感知系统任务分配环节的2个核心研究问...     

基于组合多臂赌博机的移动群智感知用户招募算法

在移动群智感知任务分配中,数据平台不知道用户的感知质量或成本值的前提下,如何建立合适的用户招募机制是该文需要解决的关键问题,不仅需要在用户执行的过程学习其感知质量值,还要尽可能保证移动群智感知平台的高效性和利润最大化.因此该文提出基于组合多臂赌博机(CMAB)的移动群智感知用户招募算法来解决用户成本已知和未知的招募问题...     

一种基于覆盖表融合的移动群智感知协作算法

在集中性较高的感知区域中，移动群智感知网络节点在无控制的模式下，容易产生感知数据冗余度大幅升高的问题，降低了网络感知质量。针对这种情况，首先对感知区域进行时空域划分，并对感知过程进行建模;然后引入单元格充足感知覆盖概念，设计了一种基于覆盖表信息融合的移动节点协作感知数据收集算法。实验仿真表明，相较于原始感知模式和本地控制模式，该算法能大幅消除感知冗余数据，从而提高感知网络的数据质量，同时节约移动节点代价。     

群智感知网络的发展及挑战

随着无线移动终端设备的爆炸式普及,移动感知和众包思想的结合产生了新型物联网感知模式,即群智感知。文章结合群智感知网络的发展,分别介绍了它的概念、基本特征、系统结构、典型应用以及面临的问题。     

车联网群智感知与服务

移动群智感知与协同计算是车联网的核心特征之一。通过对集中式和分布式两种车联网群智感知框架的结构、工作过程、优势与问题的分析,提出了支持车联网群智感知与服务的混合式框架模型。混合式模型融合集中式在感知效率和分布式在信息效用方面的优势,解决了车联网群智感知在高效性与实时性之间的矛盾,为移动智群感知和协同计算拓展了新的研究领域。     

考虑工人培养的移动群智感知任务分配机制

移动群智感知(MCS)通过大量感知工人的移动性和工人随身携带的感知设备来收集数据,是一种新的大规模数据感知范式。现有大量研究致力于解决移动群智感知中的任务分配问题,使感知数据质量得以提高,但忽略了缺乏优质工人的感知任务,导致任务完成质量降低。为了解决上述问题,对于缺乏优质工人的感知任务,该文关注将经验不足的工人培养为优质工人,并令其执行这些感知任务,实现工人的长期复用,提高感知数据质量和长期平台效用。具体来说,该文考虑了缺乏优质工人的感知任务所需的能力和工人的能力类型,并据此应用稳定匹配算法选择待培养工人,提出一种基于能力聚合和半马尔可夫预测的多阶段工人选择培养(MWSD)算法。结果表明,相比基于区块链的非确定团队协作(BNTC)算法,该文所提算法能够有效将缺乏优质工人的感知任务的数据质量提高24%,长期平台效用提高17%。     

群智感知网络发展现状及面临问题

<正>随着移动终端设备、嵌入式传感器设备等的快速发展,移动群智感知网络成为物联网的新感知技术,相较于传统感知网络解决了成本高的难题,近年来被广泛应用于发展。本文主要从移动群智感知网络的发展研究现状及未来面临问题进行综述。通过对群智感知网络的定义、特点及架构,群智感知网络在3个方面的经典应用等进行阐述和总结。     

移动群智感知融合数据隐私保护方法

感知融合数据包含用户日常行为习惯和生活轨迹等敏感信息,需要进行有效的隐私保护,针对传统方法存在无法准确衡量用户与位置关系,导致通信开销过大的问题,提出一种基于数据中台技术的移动群智感知融合数据隐私保护方法。将感知融合数据整合上传到数据中台,利用数据中台技术提取属性信息确定隐私敏感等级,构建数据隐私保护算法。实验测试表明,提出的方法隐私保护水平、数据精确度、数据完整性上具有较好的效果;冗余数据明显减少,降低了数据通信量,说明通信开销性能更好,可应用于实际移动群智感知应用中。     

基于Tangle网络的移动群智感知数据安全交付模型

针对现有群智感知平台在数据和酬金交付过程中存在的安全风险和隐私泄露问题,该文提出一种基于Tangle网络的分布式群智感知数据安全交付模型。首先,在数据感知阶段,调用局部异常因子检测算法剔除异常数据,聚类获取感知数据并确定可信参与者节点。然后,在交易写入阶段,使用马尔科夫蒙特卡洛算法选择交易并验证其合法性,通过注册认证中心登记完成匿名身份数据上传,并将交易同步写入分布式账本。最后,结合Tangle网络的累计权重共识机制,当交易安全性达到阈值时,任务发布者可进行数据和酬金的安全交付。仿真试验表明,在模型保护用户隐私的同时,增强了数据和酬金的安全交付能力,相比现有感知平台降低了时间复杂度和任务发布成本。