群智感知

Posted 2021-07-07 CodeSavior

移动群智感知网络系统架构

一个典型的移动群智感知网络通常由感知平台和移动用户终端两部分构成。其中，感知平台由位于数据中心的多个感知服务器组成，移动用户可以利用各种移动感知终端采集感知数据，与感知平台进行连接，并上报感知数据，系统的工作流程主要分为以下5个部分：

1. 发布任务：感知平台将某个感知任务划分为若干感知子任务，通过某种方式发布这些任务，并采取某种激励机制吸引用户参与
2. 数据感知：用户得知功能之任务后，根据自身情况决定是否参与到感知活动中去，选择自身传感器采集数据。
3. 前端处理：参与用户在移动终端将感知数据进行必要的前端处理
4. 数据传输：采用安全和隐私保护手段，将数据传输到感知平台
5. 数据管理与分析：感知平台对所收集到的感知数据进行管理和分析，并以此构建各种群智感知应用。

移动群智感知网络感知质量

移动群智感知网络的感知质量分为两个部分：时空覆盖质量 和 数据质量两个层面
其中，

1. 时空覆盖质量 主要关注能否采集到的足够多的数据，由于参与测量的用户的数量和参与测量用户的移动导致的“感知盲区”。
2. 数据质量 主要关注数据是否足够准确可信，用户所使用的感知设备类型；用户采用的数据感知方法；用户的主观认知能力；用户的参与态度等多方面因素都会导致数据质量问题。

机会覆盖率

机会覆盖模型

在一个大型的网络中，覆盖是衡量网络服务质量的一个重要性能指标，与参与感知的节点数量密切相关。但是在测量节点有限的情况下，由于测量节点的移动，会导致测量的覆盖质量发生改变，因此，在进行大型网络感知的过程中，需要达到特定的覆盖质量需求。
主要考虑覆盖的时空特性，将关注的时间段T划分为多个同等大小的采样周期T_s,将空间域上将整个网络划分为多个同等大小的网格。当一个新的采样周期到来，并且采样节点刚好在一个网格内，则该网格被覆盖一次。

基于多元数据相关性的感知质量增强

在大数据时代，有非常丰富的数据收集手段和数据集使得我们有充足的数据源去挖掘不同类型数据之间的相关性。
采用单一的采集数据具有一定的感知盲区，而用多种其他多元数据对其进行验证，增强了感知的质量。
要获取整个城市的噪声分布情况，就要对感知盲区进行数据填充，利用多源数据间的相关性对感知盲区内的数据进行推测。

感知数据准确性

由于各种主观和客观原因，会导致感知数据的质量参差不齐，如何联合多个参与采集的用户所产生的的不准确的感知数据推测出尽可能准确的结果，这是一个重要的研究课题，也引起了学术界的密切关注。
感知任务或对象的类型一般可以分为两类：离散型任务和连续型任务。
离散型任务：感知对象的状态可以用有限元素的集合来表示任务。
连续型任务：感知对象的状态无法用有限玄素的集合表示，例如：温度湿度等。

数据质量可信性

由于恶意用户的存在，为了提升感知数据的质量，一种可行的办法是根据用户的行为以及贡献数据的质量，为用户建立信誉系统。
用户信誉系统框架主要包含4个部分：

1. 信息收集
2. 信息-信誉映射
3. 信誉传播
4. 信息决策

移动群智感知网络的激励机制

广泛的用户参与是保证移动群智感知应用能够达到满意的服务质量的关键因素，目前，很对群智感知应用利用大量志愿者来提供服务。这样会增加其电耗、暴露其位置及其他隐私信息的风险。因此，需要设计一套合理的激励机制对用户参与感知付出的代价进行补偿。
目前，移动群智感知网络中的激励机制可以分为如下三类：
娱乐激励
服务激励
货币激励