李鈾 張可欣 鄭特 韋江華

1.廣西科技大學(xué)教務(wù)處計算機(jī)科學(xué)與通信工程學(xué)院；2.廣西科技大學(xué)機(jī)械與汽車工程學(xué)院

隨著移動終端設(shè)備、嵌入式傳感器設(shè)備等的快速發(fā)展，移動群智感知網(wǎng)絡(luò)成為物聯(lián)網(wǎng)的新感知技術(shù)，相較于傳統(tǒng)感知網(wǎng)絡(luò)解決了成本高的難題，近年來被廣泛應(yīng)用于發(fā)展。本文主要從移動群智感知網(wǎng)絡(luò)的發(fā)展研究現(xiàn)狀及未來面臨問題進(jìn)行綜述。通過對群智感知網(wǎng)絡(luò)的定義、特點(diǎn)及架構(gòu)，群智感知網(wǎng)絡(luò)在3個方面的經(jīng)典應(yīng)用等進(jìn)行闡述和總結(jié)。

物聯(lián)網(wǎng)不斷發(fā)展到現(xiàn)在已經(jīng)進(jìn)入了一個新的更深層次的發(fā)展階段，對于我們所在信息世界的一個透徹感知需求愈發(fā)強(qiáng)烈，在互聯(lián)網(wǎng)、傳感器等技術(shù)快速發(fā)展的浪潮下，移動終端設(shè)備的快速普及，擁有越來越強(qiáng)大的感知計算能力，使得移動群智感知網(wǎng)絡(luò)成為移動計算的核心[1]。移動群智感知網(wǎng)絡(luò)能夠大幅度降低大規(guī)模感知網(wǎng)絡(luò)的所需成本，很好地解決了成本高的關(guān)鍵難題，成為物聯(lián)網(wǎng)的核心[2]，近年來受到廣泛的研究關(guān)注。

1 移動群智感知網(wǎng)絡(luò)介紹

1.1 移動群智感知網(wǎng)絡(luò)的定義

群智感知網(wǎng)絡(luò)這個思想最早是在互聯(lián)網(wǎng)發(fā)展初期被人們所提出并應(yīng)用的。眾包(Crowdsourcing)這個概念早在2006年時于《連線》雜志上提出[1]，即采用分布式將任務(wù)分配出去，交給廣大互聯(lián)網(wǎng)用戶自愿完成。隨著近幾年來各種技術(shù)不斷成熟，智能感知(Crowdsourcing)是作為新型的物聯(lián)網(wǎng)感知模式。而由于群智感知網(wǎng)絡(luò)這個新興感知模式發(fā)展并不久，并沒有一個共同且精準(zhǔn)的定義描述。以下是一個寬泛且廣為人知的基本定義。

在群智感知網(wǎng)絡(luò)中，用戶手中的獨(dú)立智能終端設(shè)備(如手機(jī)、手環(huán)、平板等)以及傳感設(shè)備是群智感知的基本單元，再通過互聯(lián)網(wǎng)等網(wǎng)絡(luò)協(xié)作形式對大規(guī)模城市進(jìn)行復(fù)雜的感知任務(wù)的實(shí)現(xiàn)[1]。根據(jù)用戶對感知數(shù)據(jù)收集方式的不同，移動群智感知又分為機(jī)會式感知和參與式感知[2]。機(jī)會感知主要在用戶不知情的情況下進(jìn)行的感知行為，不需要用戶主動參與感知過程。而參與式感知是用戶自發(fā)且主動感知數(shù)據(jù)的過程。本文主要討論機(jī)會感知，即用戶無意識情況下參與感知。

1.2 移動群智感知網(wǎng)絡(luò)的體系結(jié)構(gòu)

一個移動群智感知網(wǎng)絡(luò)的典型基本架構(gòu)通常由感知層、網(wǎng)絡(luò)(傳輸)層、應(yīng)用層三部分組成。

（1）感知層。感知層在人各個重要的器官中充當(dāng)著皮膚以及五官的角色，有對物理環(huán)境進(jìn)行全面感知的能力，移動群智感知網(wǎng)絡(luò)的結(jié)構(gòu)中作為物理環(huán)境信息獲取的核心和基本。用戶個體以及各種智能終端設(shè)備組成了感知層[3]，在云端收集到來自使用者的感知任務(wù)請求后分配給不同的參與者，參與者通過集成于智能終端中的豐富傳感器對外界環(huán)境或人體機(jī)能狀態(tài)等物理信息進(jìn)行數(shù)據(jù)感知以及數(shù)據(jù)采集。例如，利用加速度傳感器感知檢測路面顛簸以及坑洞情況監(jiān)測[4]；通過麥克風(fēng)感知音頻樣本以監(jiān)測城市噪聲污染狀況[5]；使用GPS、WiFi信號檢測器和GSM提供位置數(shù)據(jù)等[6]。

（2）傳輸(網(wǎng)絡(luò))層。傳輸層作為移動群智感知網(wǎng)絡(luò)中的神經(jīng)中樞和大腦，又分為數(shù)據(jù)傳輸、數(shù)據(jù)收集、數(shù)據(jù)處理三個方面。移動群智感知網(wǎng)絡(luò)利用參與者移動終端設(shè)備進(jìn)行數(shù)據(jù)傳輸，但用戶數(shù)量龐大且各個用戶所使用的網(wǎng)絡(luò)不完全相同。故傳輸層中擁有許多中網(wǎng)絡(luò)，主要用于將大量的感知數(shù)據(jù)上傳到云端服務(wù)器中。傳輸層還負(fù)責(zé)著激勵用戶參與到感知任務(wù)以及感知任務(wù)的分配。

（3）應(yīng)用層。應(yīng)用層作為移動群智感知結(jié)構(gòu)中的“加工產(chǎn)”。在最后對收集到的原始感知數(shù)據(jù)進(jìn)行數(shù)據(jù)處理，將感知數(shù)據(jù)可能存在的不精確、不完整、不一致等問題[3]進(jìn)行處理從而達(dá)到提高感知數(shù)據(jù)質(zhì)量的目的。云端服務(wù)器通過應(yīng)用層的處理將感知數(shù)據(jù)進(jìn)行存儲，再與行業(yè)需求結(jié)合，通過各種不同的應(yīng)用程序?yàn)橛脩籼峁┎煌愋偷姆?wù)，實(shí)現(xiàn)行業(yè)的智能化。

1.3 移動群智感知網(wǎng)絡(luò)的特點(diǎn)

智能感知網(wǎng)絡(luò)與傳統(tǒng)無線傳感器網(wǎng)絡(luò)的區(qū)別就在于—智能感知網(wǎng)絡(luò)通過因特網(wǎng)將人、傳感器等連接起來。人在感知任務(wù)的過程中既作為消費(fèi)者也作為生產(chǎn)者，而在傳統(tǒng)無線傳感器網(wǎng)絡(luò)中單純依靠大量傳感器所構(gòu)成的網(wǎng)絡(luò)感知信息最終將感知數(shù)據(jù)傳給用戶，用戶僅作為消費(fèi)者。在這種新型感知網(wǎng)絡(luò)中有如下特點(diǎn)：

（1）部署感知網(wǎng)絡(luò)成本及細(xì)粒度降低。移動群智感知網(wǎng)絡(luò)通過用戶手中獨(dú)立的移動智能終端設(shè)備中內(nèi)含的大量傳感器進(jìn)行感知，并且使用智能設(shè)備可使用已有網(wǎng)絡(luò)進(jìn)行感知數(shù)據(jù)的傳輸。在這群智感知網(wǎng)絡(luò)中無需再部署其他的傳感器以及傳輸設(shè)備，且智能設(shè)備由用戶個體來進(jìn)行管理和維護(hù)，故移動群智感知網(wǎng)絡(luò)所需的成本降低，同時也降低了感知網(wǎng)絡(luò)中所需的維護(hù)成本。同時隨著時代科技的不斷發(fā)展，越來越多的用戶使用智能設(shè)備且具有移動性，使得移動群眾感知網(wǎng)絡(luò)可以完成大規(guī)模的城市感知任務(wù)，例如，文獻(xiàn)[7]使用移動群智感知設(shè)計了3D時空細(xì)顆粒物(PM2.5)檢測系統(tǒng)BlueAer用于從細(xì)顆粒水平上了解城市PM2.5的濃度分布等。群智感知網(wǎng)絡(luò)與傳統(tǒng)的無線傳感器網(wǎng)絡(luò)相比，這種特點(diǎn)是群智感知網(wǎng)絡(luò)最顯著的優(yōu)點(diǎn)，同時也是群智感知網(wǎng)絡(luò)興起的主要原因。

（2）感知數(shù)據(jù)的不完整性及不準(zhǔn)確性。由于機(jī)會式感知中不需要用戶有意識的參與感知過程，即感知任務(wù)都是在智能設(shè)備中自動進(jìn)行的，感知數(shù)據(jù)依賴于感知算法和應(yīng)用環(huán)境[2]，而每個用戶的設(shè)備性能各不相同，導(dǎo)致用戶所感知的數(shù)據(jù)不盡相同。

（3）具有更大的可擴(kuò)展性。隨著人的移動就可以擴(kuò)大感知范圍的覆蓋范圍，因此只需要大量的用戶參與到感知網(wǎng)絡(luò)中便可以實(shí)現(xiàn)感知網(wǎng)絡(luò)的擴(kuò)大。

2 群智感知網(wǎng)絡(luò)的應(yīng)用發(fā)展與研究現(xiàn)狀

群智感知網(wǎng)絡(luò)發(fā)展到目前為止已經(jīng)在各種場景中廣泛應(yīng)用，例如環(huán)境[9-10]、交通[11-13]、社交[14-15]等各個方面。按照應(yīng)用領(lǐng)域不同進(jìn)行分類可分為環(huán)境感知、基礎(chǔ)設(shè)施感知以及社會感知三種類別[16]。

2.1 環(huán)境感知

環(huán)境感知應(yīng)用借助于用戶在生活中所感知到的物理環(huán)境信息來完成城市環(huán)境網(wǎng)絡(luò)的繪制，在便利人們生活的同時還可以使人們防止受到環(huán)境污染造成的損失。

例如，一個用于對環(huán)境的空氣污染質(zhì)量檢測的示例原型部署是Common Sense系統(tǒng)[17]。Common Sense系統(tǒng)中使用空氣質(zhì)量傳感器檢測空氣中所含有的各種污染物(如二氧化碳、氮氧化物等)，將檢測到的數(shù)值傳輸?shù)脚c系統(tǒng)相連接的用戶智能設(shè)備上以供用戶參考。當(dāng)大量用戶的手機(jī)部署時，就可以共同感知測量一個大范圍的空氣質(zhì)量，構(gòu)成一個空氣質(zhì)量監(jiān)測系統(tǒng)。同樣，人們也可以利用手機(jī)上的麥克風(fēng)傳感器來檢測環(huán)境中的噪音水平，如文獻(xiàn)[18]中NoiseTube使用手機(jī)中的麥克風(fēng)傳感器對環(huán)境中的噪音值進(jìn)行檢測，并利用大量感知數(shù)據(jù)進(jìn)行城市噪音地圖的構(gòu)建。

2.2 社會感知

通過移動群智感知網(wǎng)絡(luò)人們可以隨時記錄、分享感知信息，通過上傳感知數(shù)據(jù)并進(jìn)行數(shù)據(jù)的比較以及分析來更好的了解和改善自己的行為習(xí)慣。例如，個人可以分享他們的鍛煉數(shù)據(jù)(例如一天鍛煉的時長以及強(qiáng)度)，并將鍛煉數(shù)據(jù)水平與社區(qū)其他人對比，可以改善自身的日常鍛煉。這方面的一個典型用例是糖尿病患者在社區(qū)觀察其他糖尿病患者吃什么并控制他們的飲食或向其他人提供建議。

2.3 公共基礎(chǔ)設(shè)施感知

公共基礎(chǔ)設(shè)施應(yīng)用中包括了與公共基礎(chǔ)設(shè)施相關(guān)的大規(guī)模現(xiàn)象的測量。例如，測量道路平整狀況、交通擁堵現(xiàn)象、停車位可用性和實(shí)時交通跟蹤等。

（1）測量道路的平整性及交通擁堵狀況。如麻省理工學(xué)院的Cartel[19]和微軟研究院的Nericell[20]。Cartel系統(tǒng)利用汽車上的專用設(shè)備(例如GPS、WiFi檢測器等)來檢測行車的地理位置并收集到相關(guān)的路面狀況。為便于用戶查詢所需的服務(wù)，再將所收集到的數(shù)據(jù)通過網(wǎng)絡(luò)傳輸?shù)街醒敕?wù)器。Nericell系統(tǒng)利用用戶手機(jī)上的各種傳感器(如GPS、加速度傳感器)就可以確定平均車速或交通延誤，還可以監(jiān)測喇叭聲的大小以及道路上的坑洼。

（2）檢測停車位可用性。ParkNet應(yīng)用程序[21]依靠超聲波傳感器對車位的使用情況進(jìn)行檢測，將檢測信息通過處理器處理后上傳到云端服務(wù)器，再由服務(wù)器發(fā)送數(shù)據(jù)給用戶。從而構(gòu)建一套檢測城市停車位信息的檢測系統(tǒng)。該系統(tǒng)需要在汽車上安裝有超聲波傳感器裝置，然而該裝置的安裝成本較高，尚不容易實(shí)現(xiàn)大規(guī)模網(wǎng)絡(luò)。

（3）實(shí)時交通跟蹤。文獻(xiàn)[22]使用藍(lán)牙感知裝置實(shí)現(xiàn)預(yù)測公交到站的時間。主要利用在公交車以及公交站點(diǎn)分別安裝智能識別卡和藍(lán)牙感知裝置，當(dāng)公交經(jīng)過站點(diǎn)時，公交車上的智能識別卡就會被站點(diǎn)的藍(lán)牙感知裝置所感知。

3 移動群智感知網(wǎng)絡(luò)發(fā)展面臨問題

群智感知網(wǎng)絡(luò)在物聯(lián)網(wǎng)領(lǐng)域中初露頭角，是一種新型的網(wǎng)絡(luò)感知模式，便已經(jīng)在生活的各個領(lǐng)域被廣泛應(yīng)用。然而移動群智感知仍處于初步發(fā)展階段，面臨著許多挑戰(zhàn)，尚需要在多個關(guān)鍵環(huán)節(jié)予以完善，如技術(shù)、理論、應(yīng)用[23]等方面。以下主要分析三個方面。

3.1 用戶隱私安全保護(hù)

移動群智感知網(wǎng)絡(luò)在進(jìn)行感知任務(wù)時需要收集大量用戶的感知數(shù)據(jù)信息，在這一過程中，感知數(shù)據(jù)的收集可能會導(dǎo)致用戶個人隱私信息的不慎泄露。如通過用戶出行通勤、在外旅游時使用的GPS傳感器對用戶個人工作地點(diǎn)、常用路線等隱私信息進(jìn)行推測[24]。因此，在該網(wǎng)絡(luò)中，既要保證用戶個人的隱私安全問題，又要兼顧移動群智感知應(yīng)用的實(shí)現(xiàn)。

在隱私保護(hù)安全方面，目前已有許多研究與算法。如安全多方計算 (Secure Muti-party Computation)[25]，安全多方計算使用去中心化、數(shù)據(jù)加密等技術(shù)來確保用戶相關(guān)數(shù)據(jù)的安全。這類加密技術(shù)屬于技術(shù)密集型，因需要為他們生成并維護(hù)多個密鑰，故不可拓展，導(dǎo)致有更多的能量消耗。如文獻(xiàn)[26]提出了一種基于移動節(jié)點(diǎn)的隱私保護(hù)算法等。即便當(dāng)前已有許多學(xué)者在對該方面問題提出一些見解與方法，但至今還沒有一個能完全保證用戶隱私安全問題的算法。當(dāng)前隱私保護(hù)還是一個重要問題。

3.2 感知數(shù)據(jù)質(zhì)量可靠性

移動群智感知網(wǎng)絡(luò)依靠大量用戶提供感知數(shù)據(jù)上傳到云端服務(wù)器分析供用戶使用，故依賴于用戶所提交數(shù)據(jù)的質(zhì)量。而用戶使用智能設(shè)備進(jìn)行數(shù)據(jù)感知，每個用戶設(shè)備不具有統(tǒng)一性，感知數(shù)據(jù)不一定完整可靠。因此需要對感知數(shù)據(jù)進(jìn)行管理整合。

目前有關(guān)移動群智感知網(wǎng)絡(luò)質(zhì)量的研究較少。文獻(xiàn)[27]首先從時間空間兩個維度定義“城市分辨率”這一新指標(biāo)，并從時空覆蓋質(zhì)量以及數(shù)據(jù)質(zhì)量分析并提供了一些移動群智感知網(wǎng)絡(luò)中感知質(zhì)量保障的方法。文獻(xiàn)[28]設(shè)計了分發(fā)算法和數(shù)據(jù)質(zhì)量評估算法。結(jié)合了湯普森抽樣算法和貪心策略對數(shù)據(jù)質(zhì)量以及覆蓋區(qū)域進(jìn)行檢測量化。但隨著覆蓋范圍擴(kuò)大，該算法會出現(xiàn)感知數(shù)據(jù)重復(fù)等狀況。

3.3 群智感知激勵機(jī)制

群智感知應(yīng)用中需要大量用戶的參與，而參與感知任務(wù)時會消耗用戶資源(如電量、內(nèi)存、計算等)，且存在隱私安全問題，這就要求通過適當(dāng)?shù)募顧C(jī)制，保證有足夠的用戶參與感知任務(wù)從而保證感知任務(wù)的實(shí)現(xiàn)。

4 結(jié)語

移動群智感知作為物聯(lián)網(wǎng)的新型感知技術(shù)，在快速發(fā)展的同時也面臨著許多問題與挑戰(zhàn)。論文首先對群智感知網(wǎng)絡(luò)的基本概念和經(jīng)典網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行了闡述，再對群智感知網(wǎng)絡(luò)的特點(diǎn)進(jìn)行分析并結(jié)合文獻(xiàn)總結(jié)了群智感知網(wǎng)絡(luò)面臨的挑戰(zhàn)。

引用

[1] 劉云浩.群智感知計算[J].中國計算機(jī)學(xué)會通訊,2012,8(10): 38-41.

[2] 陳薈慧,郭斌,於志文.移動群智感知應(yīng)用[J].中興通訊技術(shù), 2014,20(1):35-37.

[3] 劉云浩.物聯(lián)網(wǎng)導(dǎo)論[M].北京:科學(xué)出版社,2010.

[4] 劉媛妮,李慧聰,關(guān)鑫,等.移動群智感知激勵機(jī)制研究綜述[J].重慶郵電大學(xué)學(xué)報(自然科學(xué)版),2018,30(2):147-158.

[5] Mohanp,Padmanabhan V N,Ramjee R.Nericell: Rich Monitoring of road and Traffic Conditions Using Mobile Smartphones [C].Sensys.[S.1.]:ACM,2008:323-336.

[6] Sara Hachem,Vivien Malet,Raphael Ventura,et al.Monitoring noise pollution using the urban civics middleware[A].IEEE First International Conference on Big Data Computing Service and Applications[C].USA:IEEE,2015:52-61.

[7] 吳凡.基于群智感知的WiFi室內(nèi)定位技術(shù)研究[D].武漢:華中科技大學(xué),2019.

[8] Hu Y,Dai G,Fan J, et al. BlueAer: A fine-grained urban PM2.5 3D monitoring system using mobile sensing[C]// IEEE Infocom--the IEEE International Conference on Computer Communications. IEEE, 2016:1-9.

[9] 黃永寧.基于群智感知的災(zāi)害數(shù)據(jù)采集、傳輸與應(yīng)用[D].南京:南京郵電大學(xué),2016.

[10] 孟想.基于群智感知的空氣質(zhì)量傳感器校準(zhǔn)方法設(shè)計與實(shí)現(xiàn)[D].北京:北京郵電大學(xué),2018.

[11] Bychkovsky V, Madden S,Chen K,et al.Distributed Mobile Sensor Computing System[J]. 2006:730.

[12] 李樹.基于群智感知判別交通擁堵的研究[J].無線互聯(lián)科技, 2016(4):128+139.

[13] Mobile crowdsensing: current state and future challenges[J].IEEE Communications Magazine: Articles, News, and Events of Interest to Communications Engineers, 2011.

[14] 熊峰.群智感知中的輔助情境識別方法及其在老年化社會服務(wù)中的應(yīng)用研究[D].廣州:華南理工大學(xué),2016.

[15] Eisenman S B, Miluzzo E, Lane N D , et al. The BikeNet mobile sensing system for cyclist experience mapping[J]. Acm Sensys, 2007.

[16] 何宏,向朝參,肖書成,等.群智感知網(wǎng)絡(luò)研究現(xiàn)狀與發(fā)展[J].吉林大學(xué)學(xué)報(信息科學(xué)版),2016,34(3):374-383.

[17] Willett W, Aoki P M , Kumar N , et al. Common Sense Community: Scaffolding Mobile Sensing and Analysis for Novice Users[C]// International Conference on Pervasive Computing. Springer-Verlag, 2010.

[18] Stevens M，Hondt E . Crowdsourcing of Pollution Data using Smartphones[J]. crowdsourcing of pollution data using smartphones, 2010.

[19] Yang Z.CarTel: A Distributed Mobile Sensor Computing System[J]. Acm Sensys, 1951:125-138.

[20] Mohan P, Padmanabhan V N, Ramjee R. Nericell: rich monitoring of road and traffic conditions using mobile smartphones[C]. Proceedings of the 6th ACM conference on Embedded network sensor systems, 2008:323-336.

[21] Mathur S,Tong J,Kasturirangan N,et al.ParkNet: Driveby Sensing of Road-Side Parking Statistics[C]// International Conference on Mobile Systems. 2010.

[22] 王慶綱.基于藍(lán)牙感知的公交車輛到站時間預(yù)測方法研究[J].中國市政工程,2015(2):1-3+114.

[23] 趙東,馬華東.群智感知網(wǎng)絡(luò)的發(fā)展及挑戰(zhàn)[J].信息通信技術(shù),2014,8(5):66-70.

[24] Krumm J. A survey of computational location privacy. Pers Ubiquit Comput[J]. Personal & Ubiquitous Computing, 2009,13(6):391-399.

[25] A.C.Yao.Protocols for Secure Computations.[C]// Proceedings of the 23rd Annual IEEE Symposium on Foundations of Computer Science,1982:160-164.

[26] 金鑫,王濤春,呂成梅,等.移動群智感知中原始數(shù)據(jù)隱私保護(hù)算法[J].計算機(jī)應(yīng)用,2020,40(11):3249-3254.

[27] 趙東,馬華東,劉亮.移動群智感知質(zhì)量度量與保障[J].中興通訊技術(shù),2015,21(6):2-5.

[28] 張偉,李卓,陳昕.感知質(zhì)量優(yōu)化的移動群智感知任務(wù)在線分發(fā)算法[J].物聯(lián)網(wǎng)學(xué)報,2020,4(4):91-97.