移动群智感知质量度量与保障理论与方法研究

Mobile crowd sensing (MCS) is a technique that crowdsourcing sensor data from a large group of individuals carrying intelligent devices which are capable of sensing and computing in order to achieve large-scale, complex sensing tasks by cooperation. Sensing quality is the key to success in MCS application. However, distinct features of MCS, such as pervasive user participation, low-cost mobile terminal, multimodal sensing data, bring enormous challenges for the research of quality management. From the requirements of sensing quality, this project mainly investigates the key technologies of sensing quality measure and assurance. We explore mixed sensing quality measures by considering coverage quality and data quality together, which can provide necessary theoretical basis for the subsequent research. For sensing quality assurance, first of all, we focus on spatial-temporal constraint based coverage enhancement in order to ensure comprehensive perception. We improve the coverage quality of blind regions by designing mixed node deployment strategy, and explore participant selection mechanisms with sensing gain constraint. Second, we study multi-source cooperation based data analysis in order to achieve perception quality enhancement. We investigate information recovery by using sparse sensing data. Moreover, we study novel computing mode for data computing and multimodal fusion method. The aim is to achieve a series of new theories and methods of quality measure and assurance for the MCS network. The achievement of this project will provide profound fundamental theory and technical support for the application implementation of MCS system in the field of environmental monitoring, intelligent transportation, urban management etc.

群智感知网络以移动用户携带智能感知设备作为感知单元，通过相互协作以较低的成本实现大规模、复杂的感知任务。其中，感知质量优劣是决定群智感知应用成败的关键。群智感知所特有的用户泛在性、节点低成本、数据多模态等特点给质量管理研究带来挑战。本项目从质量保障需求出发，围绕移动群智感知质量度量与保障关键技术开展研究，具体包括：兼顾覆盖质量与数据质量设计混合感知质量度量指标与方法，为后续感知质量保障研究提供必要的理论基础；在质量保障中，首先从时空约束的覆盖增强入手确保感知全面性，研究混合节点部署策略实现感知盲区修补和满足感知增益约束的用户优选机制；其次从多源协同的数据分析出发实现感知质量增强，设计基于稀疏采集数据的信息恢复方法和数据协同计算模式与多模态融合方法，旨在形成一套移动群智感知质量度量与保障新理论和新方法，为移动群智感知在环境监控、智能交通以及城市管理等领域的实际应用奠定理论和技术基础。

群智感知是一种利用普适的移动终端提供感知服务的新型感知模式，将众包的思想与移动感知相结合，通过移动互联网进行有意识或无意识的协作，实现感知任务分发与感知数据收集，完成大规模的、复杂的社会感知任务。考虑到国内外现有研究往往集中在群智感知网络中数据传输与交互、信息分析与推断、系统平台与应用等方面，针对于感知质量度量与保障方面的研究积累并不多，本项目从以下三个方面进行研究：.（1）移动群智混合感知质量度量。移动群智感知中的质量度量指标与传统传感器网络不同，需要充分考虑用户采集数据本身以及参与用户属性。项目组针对数据采集阶段、身份验证过程的感知质量问题提出了解决方案，并设计了基于隐私保护的用户激励框架，在提升参与者数量的同时减少用户隐私泄露风险。.（2）时空约束的移动群智感知质量增强。受到群体活动规律、个体参与意愿等影响，群智感知区域存在一定动态变化的感知薄弱区甚至感知盲区。为了保障感知质量，需要采用覆盖增强的手段确保目标区域的有效扫描。项目组针对群智驱动的空气质量检测与室内三维地图构建应用场景提出了系统化框架，有效解决真实场景应用中的实际问题。.（3）多源协同的移动群智感知数据分析。对于信息恢复，群智感知场景下，为了实现特定区域下不同类别的感知需求，需要部署海量异构传感器进行环境采样，此场景下产生的多源异构数据难以满足前述要求。本项目利用低秩矩阵填充理论，基于较小随机子集填充矩阵，保障移动群智感知质量。进而，在实时交通路况评估、增益约束下的用户优选、细粒度隐式身份认证及兴趣点推荐等方面提出群智解决方案。.项目执行期间，项目组成员按原计划开展了研究，并取得了预期成果。项目组积极推进成果转化，依托于滴滴网约车平台、中电科十五所等支持，在智慧交通、泛在计算两方面进行了成果输出，受到各界的广泛关注与推荐。

内容获取失败，请点击重试