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。     

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。     

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.     

考虑信誉更新的移动群智感知在线激励机制研究

激励更多用户参与感知任务并提供高质量数据是移动群智感知研究的热点问题之一。针对在线到达的激励机制场景中,参与用户提供数据的质量以及其信誉值没有得到足够重视等问题,本文提出用户在线参与感知任务的信誉评价方法并构建其信誉评价模型。综合考虑用户历史和现实的信誉记录,建立信誉更新算法模型,设计基于信誉更新的多阶段在线激励机制(Reputation-updated online mechanism,ROM)。仿真结果表明,该算法能够帮助平台获得更好的效用,提高收集数据的质量从而提高雇佣效率。     

群智感知的隐私保护研究综述

近年来,智能终端的快速普及极大地推动了集数据采集、分析、处理于一体的群智感知服务的发展.隐私保护作为保障服务安全运行和鼓励感知用户参与的必要手段,成为需要解决的首要科学问题.文中首先从群智感知的全生命周期出发,在描述其主要组成部分和业务流程之后,再从群智感知场景对隐私保护的特有需求出发,对隐私保护的定义和衡量指标进行讨...     

群智感知任务分配中的用户类型转换问题研究

群智感知系统中用户所提交的感知数据并不一定是可靠的.因此,设计合理的激励机制以保证用户高质量地完成群智感知任务是群智感知研究中所面临的最主要挑战.然而,大多数现有研究并未充分考虑系统无法吸引足够高质量用户参与的情形.针对这一问题,文章研究如何通过设置额外的奖励机制,激励完成任务质量较低的用户更好地参与任务,从而转换为高质量用户.所设计的用户类型转换方法首先根据用户的历史记录,将用户分为高质量用户和低质量用户两类.然后,通过随机试探的方式构建低质量用户完成质量提升与奖励金额之间的关系曲线.最后,以最大化任务的最低完成质量为优化目标,设计了一种总奖励金额受限情况下的最优任务及奖励分配机制,进而保证所有任务间完成质量的最大最小公平.仿真实验结果验证了所设计机制的有效性和可行性.     

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。     

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.除此之外,本文还设计了一个新的数据均匀程度指标来更好地评估数据的质量.基于真实世界的Foursquare用户数据的实验结果表明,相比于基准方法,本文的方法能够收集到均匀程度更高的数据.     

考虑移动群智感知用户类型的激励机制设计

群智感知是一种招募移动设备用户完成数据采集、云计算等任务的感知模式。但在不对称信息场景下,因云平台无法观测到用户私人类型信息而处于不利地位,产生不能有效利用用户、导致自身利益被削减的问题。利用基于契约理论的群智感知激励机制,针对不同类型用户,在对称信息场景和不对称信息场景下,分别设计了最优契约,并提出了最优方案不等式,有效地最大化云平台的收益,激励了用户披露其私人信息。最后利用仿真验证了最优契约,并讨论了噪声、成本、分界线对云平台收益的影响。     

移动群智感知中面向任务需求的用户选择激励机制

现有的移动群智感知激励机制大多以平台为中心或是以用户为中心进行设计，缺乏对感知任务需求的多维考虑，从而无法切实地以任务为中心进行用户选择，导致无法满足任务需求的最大化和多样化。针对上述问题，提出一种面向任务需求的用户选择激励机制TRIM，这是一种以任务为中心的设计方法。首先，感知平台根据任务需求发布感知任务，并从任务类型、时空特性以及感知报酬等多维度构建任务向量以最大化满足任务需求，而感知用户则基于意愿偏好、个人贡献值以及期望报酬等属性构建用户向量，实现个性化选择感知任务参与响应；然后，通过引入高效且隐私保护的余弦相似度计算协议（PCSC），计算任务和用户的相似度并根据相似度高低进行用户匹配筛选得到目标用户集，更好地满足感知任务需求的同时保护用户隐私不泄露；最后，通过仿真实验表明，在感知任务和感知用户的匹配过程中，与采用Paillier加密协议的激励机制相比，TRIM缩短了指数级增量的计算时间开销，提高了计算效率；与采用直接余弦相似度计算协议的激励机制相比，TRIM保证了感知用户的隐私安全，达到了98%的匹配精确度。     

A QoS-sensitive task assignment algorithm for mobile crowdsensing

Recently, mobile crowdsensing has attracted many researchers’ attention due to the pervasiveness of smart phones. In this paper, we study the QoS-sensitive Task Assignment (QSTA) problem for mobile crowdsensing, which involves variable tasks and flexible rewards. Each user can conduct one or more tasks, and the number of tasks assigned to each user is flexible. The reward paid to the user is related to the assigned tasks. To ensure the sensing QoS of tasks, each task might be assigned to multiple users. We prove the QSTA problem to be NP-hard, and propose a greedy algorithm to solve this problem. Moreover, we also analyze the approximation ratio of the proposed algorithm. Additionally, we demonstrate the significant performance of the algorithm through simulations     

边缘辅助群智感知位置隐私保护多任务分配机制

为了解决群智感知中隐私泄露和多任务分配的问题,提出了一种边缘辅助群智感知位置隐私保护(EALP)多任务分配机制。首先,考虑群感知任务具有地理相近特征,利用改进的模糊聚类(FCM)算法对任务位置进行聚类组合,改进聚类数目指标,提高多任务分配的合理性。接着,为了防止云平台和感知用户之间的共谋,在任务分配阶段,提出一种位置隐私保护协议,在感知用户、云服务器和边缘节点之间部署同态加密,云感知平台能够安全地计算感知用户的移动距离,而不知道感知用户的位置和任务聚类中心位置。最后,提出了一种基于蚁群算法多任务分配优化方案,兼顾平台和感知用户两者利益,优化感知用户执行任务路径。实验结果表明,与同类方法相比,所提机制在保护位置隐私的前提下提高了任务完成率,降低了系统的感知成本和用户移动成本。     

FIMI: A Constant Frugal Incentive Mechanism for Time Window Coverage in Mobile Crowdsensing

Mobile crowdsensing has become an efficient paradigm for performing large-scale sensing tasks. An incentive mechanism is important for a mobile crowdsensing system to stimulate participants and to achieve good service quality. In this paper, we explore truthful incentive mechanisms that focus on minimizing the total payment for a novel scenario, where the platform needs the complete sensing data in a requested time window (RTW). We model this scenario as a reverse auction and design FIMI, a constant frugal incentive mechanism for time window coverage. FIMI consists of two phases, the candidate selection phase and the winner selection phase. In the candidate selection phase, it selects two most competitive disjoint feasible user sets. Afterwards, in the winner selection phase, it finds all the interchangeable user sets through a graph-theoretic approach. For every pair of such user sets, FIMI chooses one of them by the weighted cost. Further, we extend FIMI to the scenario where the RTW needs to be covered more than once. Through both rigorous theoretical analysis and extensive simulations, we demonstrate that the proposed mechanisms achieve the properties of RTW feasibility (or RTW multi-coverage), computation efficiency, individual rationality, truthfulness, and constant frugality.     

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。     

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...     

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。     

Human interaction with IoT-based smart environments

This paper describes concepts, design, implementation, and performance evaluation of a 3D-based user interface for accessing IoT-based Smart Environments (IoT-SE). The generic interaction model of the described work addresses some major challenges of Human-IoT-SE-Interaction such as cognitive overload associated with manual device selection in complex IoT-SE, loss of user control, missing system image or over-automation. To address these challenges we propose a 3D-based mobile interface for mixed-initiative interaction in IoT-SE. The 3D visualization and 3D UI, acting as the central feature of the system, create a logical link between physical devices and their virtual representation on the end user’s mobile devices. By so doing, the user can easily identify a device within the environment based on its position, orientation, and form, and access the identified devices through the 3D interface for direct manipulation within the scene. This overcomes the problem of manual device selection. In addition, the 3D visualization provides a system image for the IoT-SE, which supports users in understanding the ambience and things going on in it. Furthermore, the mobile interface allows users to control the amount and the way the IoT-SE automates the environment. For example, users can stop or postpone system triggered automatic actions, if they don’t like or want them. Users also can remove a rule forever. By so doing, users can delete smart behaviors of their IoT-SE. This helps to overcome the automation challenges. In this paper, we present the design, implementation and evaluation of the proposed interaction system. We chose smart meeting rooms as the context for prototyping and evaluating our interaction concepts. However, the presented concepts and methods are generic and could be adapted to similar environments such as smart homes. We conducted a subjective usability evaluation (ISO-Norm 9241/110) with 16 users. All in one the study results indicate that the proposed 3D-User Interface achieved a good high score according to the ISO-Norm scores.     

A novel mobile recommender system for indoor shopping

With the widespread usage of mobile terminals, the mobile recommender system is proposed to improve recommendation performance, using positioning technologies. However, due to restrictions of existing positioning technologies, mobile recommender systems are still not being applied to indoor shopping, which continues to be the main shopping mode. In this paper, we develop a mobile recommender system for stores under the circumstance of indoor shopping, based on the proposed novel indoor mobile positioning approach by using received signal patterns of mobile phones, which can overcome the disadvantages of existing positioning technologies. Especially, the mobile recommender system can implicitly capture users’ preferences by analyzing users’ positions, without requiring users’ explicit inputting, and take the contextual information into consideration when making recommendations. A comprehensive experimental evaluation shows the new proposed mobile recommender system achieves much better user satisfaction than the benchmark method, without losing obvious recommendation performances.