一种面向信息质量的移动群智感知协作方法

现有的感知信息质量研究主要集中在节点的招募、选择和感知任务的分配阶段,缺少对感知任务执行过程的优化。为此,借鉴移动设备云中的感知任务迁移理念,设计基于效用的感知任务迁移算法,提出一种移动群体内节点间直接协作的感知方法。对感知任务的执行阶段进行优化,以解决移动设备的异构性与感知信息质量需求之间的矛盾。实验结果表明,与随机选择算法和基于多任务的参与者选择算法相比,该算法可有效提高感知数据覆盖率和感知任务完成率。     

移动情境感知及其交互研究

结合情境信息的移动应用和交互研究是普适计算领域中非常重要的内容.综合移动情境感知相关研究的发展,从人机交互研究的角度,提出了基于用户、环境和任务的情境信息分类方法.根据情境信息的数据获取、数据表示、系统架构、数据处理、服务应用和系统评价等六个方面,分析了移动情境感知应用研究的关键问题,总结了移动情境感知对人机交互研究中的研究方法、数据收集、用户控制感及交互方式等产生的影响.最后提出了当前移动情境感知及其交互研究中存在的问题和可能的研究方向.     

基于任务的群体感知模型的形式化描述

群体感知理论和实现技术是计算机支持的协同工作中必不可少的组成部分。文章分析研究了群体感知理论研究工作的现状,介绍了一种基于任务的群体感知模型TAM。该模型通过对收集来的感知信息按基本要素“任务”进行分解、处理(加权)、再组合,精确描述群组任务的每个变化,并且获得相应的感知强度,有效地解决了现有的群体感知模型存在的不足。该文给出了该模型的建模思想和总体结构,并从该模型的基本概念、任务收集、任务分解、感知强度、任务整合等方面给出了该模型的形式化描述。文章最后讨论了在下一步研究中仍需解决的一些问题。     

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.     

采用离散烟花算法的移动群智感知异构任务分配

建立移动群智感知异构任务分配问题的数学模型，该模型考虑参与者的心理与行为过程，并引入环境信息和参与者健康状况、信誉度和测量时间等因素，通过寻找最优任务分配方案，最小化任务完成的总成本，该总成本包括补偿成本、数据损失成本和距离成本3方面。为求解该模型，提出一种引入了预测信息的离散烟花算法。该算法采用整数编码方式，利用模型中的距离和匹配度2种启发信息设计烟花爆炸算子，提出了爆炸振幅的分组线性预测策略和变异算子的自适应竞争机制。实验结果表明，与已有算法相比，所提算法在移动群智感知异构任务分配问题上能够搜索到更优的分配方案。     

基于马尔科夫决策过程的高能效任务调度算法

在移动群智感知系统中,智能手机承担着许多不同的感知任务,这些任务需要来自不同传感器的数据。从传感器收集数据是非常耗能的,智能手机的电池限制了这些感知设备的可用性。如何在完成群智感知任务时降低设备能量消耗是参与者迫切需要的。针对以上问题,提出基于马尔可夫决策过程(MDP)的高能效任务调度算法。根据设备的电流负载、剩余能量和充电概率,马尔科夫决策过程迭代计算出最佳任务调度序列,并保证能耗最小化和感知精度最大化获得平衡。大量的仿真结果表明,该算法在任务调度过程中具有显著的节能效果,与广泛使用的现有算法相比,平均节省能量75%以上。     

群智感知中面向移动群体的参与者选择优化模型

随着短视频时代的来临,移动群智感知任务的视频化程度越来越高,在传统研究中常利用机会网络和移动网络激励任务的分发和数据的收集,但机会网络中节点移动的不可控性,以及视频任务内容传输的高代价性都使得这些方法的实用性大大降低.针对此问题,利用社会移动群体规律性的自主聚集、活动范围大等特点,提出一种面向社会移动群体的群智感知参与...     

I-Sensing:面向智慧校园的参与感知应用系统

随着移动设备上集成的传感器件的增多及其数据处理能力的增强,一种新的感知模式一＂参与感知＂应运而生,其主要应用领域与环境监测和公共卫生相关,它强调人在感知过程中发挥的作用.提出一种基于位置的参与感知系统架构,主要目的是通过分析位置信息调度在目标区域的移动设备完成感知任务.该文首先设计了基于上下文感知的定位算法,在尽可能节省能量的前提下,实现了室内室外、Wi-Fi与GPS定位的无缝切换,然后设计了实名制机制和可信度机制来提高系统数据的可靠性,设计好友排名机制来激励用户参与,并通过记录用户的历史数据采用基于TF-IDF算法的方法动态地为用户添加标签并分组.在完成系统总体设计、服务器、客户端的设计之后,实现了一种基于参与感知的校园信息共享系统验证了基于位置的参与感知系统架构的有效性.     

MCSM:一种基于移动设备的上下文感知中间件

提出一种针对移动设备的上下文感知中间件MCSM(Mobile Context Sensing Middleware).MCSM可以动态地感知当前移动设备的内外部计算环境及用户活动等上下文信息,并以统一的接口将感知到的上下文数据提供给上层应用程序.为了克服外部传感器数据的高异构性,MCSM采用了一种基于XML的上下文数据描述语言CDDL.基于MCSM的原型系统表明,MCSM具有良好的运行效率和可扩展性,并可显著提高上下文应用程序的开发效率.     

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。     

群智感知中基于社交属性及有效用户计算的任务分发机制

随着无线传感器网络的高速发展和多种移动智能设备的普及,移动群智感知(mobile crowd sensing,MCS)成为移动计算的核心。利用群智感知可完成大规模、复杂环境及社会感知任务,其中任务分发是这种应用中的一个重要环节。针对任务分发过程中存在感知环境复杂、用户数量达不到要求、收集数据质量低等问题,提出一种基于社交属性及有效用户计算的任务分发机制(effective user calculation,EUC),该机制具有根据任务来筛选用户的特点,从用户角度看,EUC考虑了用户的社会性,由用户的社交网络传递相关信息来增加平台的有效用户数;从平台的角度看,EUC可根据任务的接收和提交情况,动态调整有效用户的积分,从而保障整个系统的有效用户数。理论分析和实验结果表明,所提出的机制可提高系统的任务分发效率,并改善了收集数据的质量。     

异构信息空间中时间感知的实体集成框架

异构信息空间中的实体和关联关系普遍具有时间信息、多种时间版本的实体数据共存,而传统的实体集成忽略了时间信息,不支持时间维度上的集成。提出一种异构信息空间中时间感知的实体集成框架T-EI,从大量异构实体数据中聚集事实形成干净的、完整的、具有时间信息的实体概貌,进而支持时间感知的实体搜索。T-EI利用实体及关联关系所具有的时间信息提出时间感知的实体识别算法,并通过考虑数据时效性提出时间感知的数据融合算法。在真实数据集上的实验结果表明了T-EI的可行性和有效性。     

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。     

异构群智感知PPO多目标任务指派方法

现有移动群智感知系统的任务指派主要面向单一类型移动用户展开,对于存在多种类型移动用户的异构群智感知任务指派研究相对缺乏.为此,针对异质移动用户,定义其区域可达性,并给出感知子区域类型划分.进而,兼顾感知任务数量和移动用户规模的时变性,构建了动态异构群智感知系统任务指派的多目标约束优化模型.模型以最大化感知质量和最小化感知成本为目标,综合考虑用户的最大任务执行数量、无人机的受限工作时间等约束.为解决该优化问题,提出一种基于近端策略优化的多目标进化优化算法.采用近端策略优化,根据种群的当前进化状态,选取具有最高奖励值的进化算子,生成子代种群.面向不同异构群智感知实例,与多种算法的对比实验结果表明,所提算法获得的Pareto最优解集具有最佳的收敛性和分布性,进化算子选择策略可以有效提升对时变因素的适应能力,改善算法性能.     

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.     

基于压缩感知的移动群智感知任务分发机制

针对移动群智感知任务中区域全覆盖感知成本过高问题，提出基于压缩感知的移动群智感知任务分发（CS-TD）机制。首先提出了感知任务整体成本模型，该模型综合考虑了参与感知任务的节点个数、节点的感知次数与数据上传次数；然后基于成本模型，分析感知节点的日常移动轨迹，结合压缩感知数据采集技术，提出了一种基于感知节点轨迹的压缩感知采样方法；其次通过区域全覆盖最少节点（RCLN）算法，选出最佳节点集合，对节点进行任务分配，利用压缩感知技术恢复节点数据；最后在多次感知任务的迭代中对感知节点的可信程度进行评定，保证任务方案的最优性。对CS-TD分发模型进行多次实验验证，与已有的CrowdTasker算法相比，CS-TD算法平均成本降低了30%以上。CS-TD模型能有效降低感知节点的消耗，能在全覆盖感知任务中降低整体感知成本。     

物联网信息感知与交互技术

信息感知作为物联网的基本功能,是物联网信息"全面感知"的手段.信息交互是物联网应用与服务的基础,是物联网"物物互联"的目的.随着物联网研究热潮的兴起,以传统无线传感器网络为核心的感知网络研究迅速升温,并在信息感知与交互方面取得了大量研究成果.文章分析了物联网信息感知与交互方面的最新研究进展.在信息感知方面,从数据收集、清洗、压缩、聚集和融合几个方面,梳理归纳了数据获取和处理的主要方法.在信息交互方面,提出了物联网信息交互的基本模型,分析总结了信息交互涉及的主要技术.在此基础上,讨论了物联网信息感知与交互研究的热点问题,包括新的感知技术、能效平衡、信息安全和移动感知网络等.最后,指出了物联网信息感知与交互技术发展面临的问题和挑战,展望了未来的研究方向.     

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。     

基于压缩感知的异构网络数据动态重构算法

针对异构网络数据资源存在节点及链路均衡度过低且数据重构资源分配路径误差较大的问题,设计一种基于节点拓扑感知的异构网络数据动态重构算法。利用模糊核聚类算法将数据样本集映射至高维空间内,聚类目标数据,根据节点在网络中对应的坐标构建异构网络拓扑模型及数据权矩阵模型;设置路由器物理链路通信图,根据链路带宽约束优化数据重构资源的分配路径,将节点核心区数据重构,并分配至聚类节点来感知数据的动态变化,为每一个核心聚类节点拓扑感知一个路由器数据的动态变化,来实现全局的数据动态重构,至此完成基于节点拓扑感知的异构网络数据动态重构算法的设计。设计仿真实验,测试算法的节点均衡度与链路均衡度。实验结果表明,设计的算法的节点均衡度为0.93,链路均衡度为0.90,均高于对比方法,因此可以得出,该算法的资源均衡度更好。     

基于uSD卡的移动情境数据采集和汇报系统的设计与实现*

提出了一种基于uSD卡的移动情境数据采集和汇报系统。移动设备利用uSD卡与外部传感器节点通信,并将来自于内部和外部的情境数据汇报给远程数据库。提出了一种集中式的情境数据采集汇报调度算法,通过移动设备之间的协作来去除不同移动设备所汇报情境数据间的冗余,并提高情境数据采集的精度。定义了基于XML的传感器数据包描述语言,以克服外部传感器数据包的异构性。设计并实现了连接管理模块,支持在多种通信方式之间的透明动态切换。基于提出的情境数据收集和共享系统设计并实现了混合现实的PacMan游戏,游戏的试运行结果表明,本系统具有较好的实时性和可用性。