基于前向搜索和投票的移动群智感知动态用户招募方法

随着移动传感设备的快速发展,移动群智感知已经成为城市数据收集的一项重要模式.用户招募——招募进行数据收集的用户——是移动群智感知中的重要一环.现有的研究主要集中在静态的用户招募,对动态的用户招募研究还比较少.因此,本文提出了一个基于前向搜索和投票的动态用户招募方法,该方法能够很好地综合多个因素,从而做出更优的招募决策....     

一种新型群智感知系统架构模型和实现方法

物联网移动群智感知模式本质是汇聚大规模普通移动个体的智能感知能力,对开放、动态、复杂物理环境进行感知,通过感知大数据的智能分析,对感知群体引导和反馈,使其持续涌现群体智能并辅助综合决策.目前的群智感知系统仍然存在个体感知欠智能、群体目标少引导、群智过程弱调控三方面的局限性.本文首先讨论了群智感知研究现状和面临的挑战;结合人机物融合、云边端协同、感算控闭环3个核心发展趋势,提出一种智能演进与反馈引导结合的新型群智感知系统架构模型Evo-CPS,并研究了该模型的实现方法;然后结合智慧出行应用场景,将所提出的理论方法进行应用验证;最后,总结全文并展望新一代群智感知研究领域的发展方向.     

移动群智感知中任务分配的研究

随着内置高性能传感器的移动智能终端的广泛应用,新兴的移动群智感知技术逐渐成为实时感知与收集环境信息的有效方式。为协调与鼓励用户参与感知任务,并最大限度地保证感知数据的有效性与可靠性,针对移动群智感知相关研究中的关键问题—任务分配进行了研究。首先,介绍移动群智感知的相关背景;其次,根据感知任务的要求对任务分配的约束条件进行分类;然后,讨论与分析了任务分配的研究现状,包括平台为中心的优化算法设计以及用户为中心的激励机制设计;最后,指出现有研究工作中的不足,展望了未来的研究方向。     

群智感知激励机制研究综述

近年来,作为一种新的感知环境、收集数据和提供信息服务的模式,群智感知逐渐成为当前的研究热点之一.激励机制是群智感知研究中的一个重要问题,即通过设计合理的激励方式来激励足够多的参与者参与感知任务,并提供高质可靠的感知数据.对近年来在群智感知激励机制方面的研究工作进行综述,首先概述群智感知和群智感知激励机制;然后从关键技术入手,介绍4类主要激励方式和6类核心研究问题;最后,对现有工作进行对比分析,总结研究挑战,并指出未来发展方向,为相关研究人员提供有价值的参考.     

混合群智感知中服务节点优化选择机制

移动群智感知应用依赖于以人为主导的移动用户参与,用户的移动规律和用户所携带感知设备的剩余资源等都会制约其参与感知服务的能力,从而影响系统的感知质量。现有研究工作对服务节点的选取操作比较单一,因此有必要设计合理的节点优化选择机制,选择到达并覆盖目标区域的最优服务节点集,从而保证对目标区域的感知质量。针对服务节点的优化选取展开研究,基于人的移动特性,定义节点服务度量标准,并结合遗传算法设计服务节点优化选取算法,从而提出一种新的服务节点优化选择机制。仿真实验表明,该机制可以有效选取最优服务节点集,达到提高混合群智网络感知服务质量的目的。     

基于李雅普诺夫优化的移动群智感知在线任务分配策略

移动群智感知技术基于众包思想，募集移动感知设备对周围环境进行感知，能够使得环境感知和信息收集更加灵活、方便、高效。任务分配方案的合理性直接影响到感知任务能否成功，因此制定合理的任务分配方案是移动群智感知相关研究中的热点和重点。目前，移动群智感知系统中的任务分配方法多是离线的，针对的是单一类型的任务，但是在实际中，在线的、多类型的任务分配更贴近实际。因此，文中针对多类型任务，将移动群智感知技术应用于军事末端感知中，结合移动群智感知技术在军事领域的应用特点，对移动群智感知中的任务分配方法进行了研究，提出了面向系统效益的在线任务分配策略。文中建立了长期的、动态的在线任务分配系统模型，并以系统效益为优化目标，基于李雅普诺夫优化理论对问题进行了求解，实现了任务准入策略和任务分配方案的长期在线动态控制。实验结果表明，所提出的在线任务分配算法是有效可行的，能够在线、合理地分配到达移动群智感知系统的任务，保证任务队列的稳定性，且可以通过调整参数值增加系统效益。     

群智感知污染数据收集技术综述

传统的污染监测方法主要是通过固定基站进行监测的,但是这种方法缺乏灵活性且成本高昂,已不足以应对日益严重的污染问题。一种新的数据获取模式——移动群智感知为大范围感知数据提供了新思路。为了及时掌握移动群智感知收集污染数据的研究现状,本文对国内外现有研究进行系统全面的综述,并结合现有研究,为群智感知在智能手机上的应用提供可行方案。首先,对污染收集技术不同发展阶段问题进行总结;然后,对比分析不同众包污染收集系统的优缺点,并对所用的关键技术优缺点及适用场景进行说明;最后,对群智感知下收集污染数据存在的问题进行总结,并提出未来的研究重点。     

移动群智感知安全与隐私:模型、进展与趋势

移动群智感知作为一种新兴的物联网感知范式,通过激励现代化智能感知设备获得高质量的感知数据,从而高效地完成大规模且复杂的社会感知任务并服务人类社会.移动群智感知系统由感知用户、感知平台和服务提供商组成,在感知任务执行过程中,感知数据经历感知、上传和交易三个阶段,各阶段均面临多种多样的数据安全和隐私泄露风险,危害感知用户隐私和感知数据安全.首先介绍移动群智感知的系统模型、实际应用场景并给出主要安全研究方法,以感知数据参与感知任务的生命周期为轴线,讨论在感知数据生命周期的三个阶段所面临的安全与隐私威胁;在上述威胁基础上,分别从三个阶段系统阐述现有的数据安全与隐私保护解决方案;最后,从隐私度量、隐私框架、隐私保护和隐私计算等方面探讨进一步的发展趋势与研究方向.     

基于数据驱动的群智感知任务分配算法

摘要：群智感知技术的应用实现了人群感测作用的最大化,作为社会网络研究的核心技术之一,然而对于感知参与者的位置和轨迹不确定性的问题造成群智感知数据实时性较差。为此,本文提出了一种基于空间任务分配的移动群智任务分配算法,该算法采用动态和自适应的数据驱动方案获取最优的模式来解决感知动态化问题;算法基于公开历史轨迹的移动模型（基于马尔科夫模型）,根据初始任务按照贝叶斯推理来估算下一位置,基于该算法的数据采集策略可以实现有本地服务引导未来数据的收集,从而完成整个感知的回路反馈。本文所提出的任务分配被证明基于不确定轨迹的移动群智感知任务分配是有效的。     

多Sink群智感知网络数据收集方法

随着Android和iPhones等移动设备的广泛普及,群智感知网络成为研究热点.人们携带这些移动设备在日常生活中收集环境感知数据.人们的移动具有社会性,其移动轨迹难以预测,如何设计一种有效的数据收集算法是一个值得研究的问题.针对多Sink群智感知网络,提出一种基于地点的感知数据收集方法.首先采用多目标决策的层次分析法,以移动设备与Sink节点之间的距离、连接时间和相遇概率为性能指标,提出最优Sink的选择机制,确定感知数据的目标传输节点;受PeopleRank启发,提出基于地点的数据转发方法,以优化下一跳选择策略.最后,通过一系列实验对该方法的可行性和有效性进行验证,实验结果表明,该方法不仅大大提高了感知数据的传输成功率,而且转发开销和延迟有了明显的降低.     

基于机会协作传输的群智感知网络激励机制

移动群智感知网络中用户激励机制是研究的重点,而如何有效减少用户在任务中移动设备资源的消耗是激励用户的关键。根据群智感知用户分布密集和相遇频繁的特点,利用其移动设备的短距离无线通信能力(蓝牙、Wi-Fi)进行数据的机会协作传输将极大减少用户消耗,进而激励用户完成任务。通过对机会传输和群智感知激励机制的研究,针对eco Sense机制[9]在补偿方案、预算控制和用户激励方面的不足,提出C-eco Sense机制降低任务总预算,并通过POR和PIM激励机制激励用户上传完成任务。最后采用SWIM仿真数据集进行实验。结果表明与普遍使用的数据收集机制相比,C-eco Sense机制在预算控制和用户激励方面都具有更好的效果。     

基于信誉模型的群智感知网络用户参与激励机制

随着集成了越来越多传感器的移动设备的普及和发展,移动群智感知网络正成为一个新的研究领域,而充足的用户(尤其是信誉好的用户)参与,是移动群智感知网络的基础。在对用户参与激励机制策略进行研究和分析的基础上,针对现有激励机制在用户选择的随机性、任务处理效率和预算控制方面的不足,提出一种基于信誉模型的用户参与激励机制。初始时设置用户的信誉值,在任务分配过程中选择信誉度高的用户来参与任务处理,并通过设置因子减小用户的花费代价,这样在提高任务处理效率的基础上有效地控制了预算开支。最后通过实验验证,与现有普遍应用的用户参与激励机制策略相比,基于信誉模型的用户参与激励机制在提高任务处理效率和控制预算方面有更好的效果。     

移动终端群智感知研究

随着移动终端集成了越来越多的内置传感器,移动群智感知成为近几年来的研究热点。通过对移动终端传感器感知数据的收集分析处理,用户所处情境便能被识别,还原用户所处场景,为用户提供个性化服务。文中通过归纳国内外的最新研究成果,提出了移动终端群智感知模型,并从数据处理、激励机制和群智感知应用、群智感知平台等几个方面具体归纳概括了国内外的研究趋势。文中归纳了最新的数据处理技术和群智感知应用场景,并提出了竞争和协作相辅相成的激励模式。     

移动群智感知中基于联邦学习的参与者选择机制

移动群智感知的发展使得一些任务收集的数据量过大,需要在不接收参与者原始数据的情况下评估数据质量并进行参与者选择。针对这一问题,提出一种基于联邦学习的移动群智感知参与者选择机制。考虑参与者智能终端资源水平、所处交互状态构建参与者智能终端资源评价机制,提出基于线性回归和长短期记忆网络的智能终端资源预测模型。通过预训练测试模型,评估参与者提供的数据质量,结合历史任务完成情况建立参与者信誉评价模型,实现对参与者的动态评价选择。仿真实验结果表明,所提的参与者选择机制在任务完成质量、能量消耗、通信轮数及任务完成时间等多方面体现出较好的性能。     

基于移动群智感知的多旋翼无人机噪声控制技术

由于多旋翼无人机产生噪声的位置点较多,难以感知具体的噪声位置,导致噪声控制效果不理想,因此提出基于移动群智感知的多旋翼无人机噪声控制技术;分析多旋翼无人机噪声信号在无人机蒙皮结构、加筋板结构、典型壁板结构内的布局形式,获取无人机板状结构的振动特性,求解同步开关阻尼、短路开关阻尼、电感开关阻尼、外加电压源开关阻尼的数值表达式;根据开关阻尼计算结果和移动群智感知原则,对多旋翼无人机的噪声位置进行精准定位;按照感知任务分配表达式,计算调度性能指标的具体数值,完成基于移动群智感知的多旋翼无人机噪声控制任务调度;实验结果表明,在移动群智感知算法作用下,无人机噪声信号在各个方向上的波动幅值均得到较好控制,与模糊逻辑控制方法相比,能够较好维持多旋翼无人机的稳定运动能力。     

基于区块链的边缘移动群智感知声誉更新方案

移动群智感知利用移动用户的智能终端设备以低成本获取大量感知数据,而恶意用户可能上传虚假数据以获取奖励。声誉管理是一种有效的解决办法,但是基于云服务器的移动群智感知系统存在高延迟、单点故障和隐私泄露问题。针对这些问题,结合区块链和边缘计算构建基于区块链的边缘移动群智感知系统,提出一种感知数据隐私保护的声誉更新方案,采用轻量级的隐私保护方法聚合感知数据,根据数据质量和历史任务表现更新声誉。该方案可有效抵抗恶意用户、降低时延,避免单点故障和保护数据隐私。仿真实验证明了所提方案的可行性和高效性,理论分析证明了系统的安全性。     

移动群智感知中的空间任务分配机制

在移动群智感知的空间任务分配问题中用户与任务的空间距离直接影响完成任务所需的成本,而现有的研究在这方面却考虑不足,因此以最小化感知成本为目标设计了移动群智感知中的空间任务分配机制。首先,以感知成本最小为目标,基于遗传算法和贪心算法设计了一种高效的任务分配方法;其次,针对用户感知质量的随机性,基于用户的历史感知情况和当前任务的执行情况设计了用户感知质量的更新机制。为验证所提机制的效果,通过仿真实验与两种基准的任务分配方法作比较。实验结果表明,所提机制在感知总成本和用户执行任务所移动的总距离等方面均有更好的效果,因此该空间任务分配机制具有很好的应用前景。     

群智感知网络中基于社会关系的社区发现算法

群智感知应用主要通过社区划分进行任务分配,然而现有群智感知应用中社区发现算法缺乏对社会关系的量化以及划分社区的特征因子单一。针对这些问题,提出了一种基于多维社会关系特征的社区发现算法,通过计算移动节点间的最优生成树、节点合并因子、社区调整因子,对移动节点的社会关系进行具体量化,将节点合理划分成不同的社区。实验结果表明,与现有方法相比,该算法在不同的数据集中具有更好的动态适应性、有效性和预测准确性,其准确性平均达到97.3%,高于对比算法15.2%。     

“t-时隙k-覆盖”群智感知任务的参与者选择方法

随着无线网络技术和移动智能终端的快速发展和普及,对群智感知的研究受到越来越多相关科研工作者的关注。群智感知利用众包的思想,将任务分配给拥有移动设备的用户(即感知任务的参与者),用户分别上传自己使用移动设备感知到的数据。参与者的选择直接决定了收集信息的质量和相关耗费。选择尽可能少的参与者来接受感知任务,达到对指定地点集合的时空覆盖这一质量要求,就显得至关重要。首先定义了“t-时隙k-覆盖”群智感知任务,以最小代价完成该类任务是NP-hard问题。通过特殊的构造技巧,在问题规模较小时可以用线性规划进行求解,但随着问题规模的增大,线性规划越来越力不从心,因此提出了基于贪心策略的参与者选择算法。在给定移动用户CDR信息的基础上,实验模拟了以上两种参与者选择方法。实验结果表明,在问题规模较小时,以上两种方法均可找出参与者集合,满足覆盖要求,贪心策略的结果大约是线性规划的两倍;在问题规模变大后,线性规划会出现不可求解的情况,而贪心策略依然可以得到近似最优结果。     

基于集群滤波器的机会中继协作电磁兼容控制复杂度优化算法

移动群智网移动中继机会通信过程中的协作电磁兼容控制的高复杂度和额外资源消耗问题,是影响其通信性能和数据传输效率的关键问题。为此,提出了一种基于集群滤波器的复杂度优化算法。首先,针对移动感知终端、感知群、数据服务群和数据通信群组成的移动群智感知网,建立了移动群智网机会中继电磁兼容复杂度分析模型并验证了该模型的可行性;然后组建了IIR、FIR等多类型滤波器集群,并加入了改进的协作电磁兼容控制算法,用于优化基于集群滤波器协作电磁兼容控制的复杂度。实验结果表明:所提算法不仅可以优化协作电磁兼容机会移动中继的复杂度,而且可以降低功耗和CPU占用率等,其资源消耗低,能显著提高通信的有效性和可靠性。