移動群智感知框架下的能源有效性方法研究

蘇江賓 於志文 劉一萌 郭斌

蘇江賓 於志文 劉一萌 郭斌

摘要：移動群智感知任務中的數據類型多以圖片和長視頻為主，因而在其任務執行過程中容易造成大量能耗。以提高群智感知框架下的能源有效性為研究目標，以手機電量消耗為能耗指標，提出面向單體節能技術與面向全局節能技術相結合的方法，實現手機能源最大化利用。結合Android開發過程中的部分算法優化與移動群智感知任務執行中的節能模塊（文本轉換模塊、圖片壓縮模塊、視頻壓縮模塊等），實現單體能耗更低。在此基礎上，結合面向全局的參與者優選模型，選擇合適的執行團隊用更少電量完成一定量任務，實現能耗最小化。通過實驗設計和驗證，使用單體節能與整體節能相結合的節能方法，在降低整體能耗時能夠將手機能耗降低至少20%。

關鍵詞：移動群智感知;深度優先搜索算法;參與者優選;單體節能;整體節能

DOI：10.11907/rjdk.192763

開放科學（資源服務）標識碼（OSID）：

中圖分類號：TP301

文獻標識碼：A

文章編號：1672-7800（ 2020）004-0028-09

Research on Energy-efficiency in Mobile Crowding Sensing

SU Jiang-hin. YU Zhi-wen. LIU Yi-meng， GUO hin

（School of Computer Science .NO nhwestern PoMechn ical Univer.sity.Xi ' an710129.China ）Abstract： The data t}'pes of' the mobile crowd sensing task are mainly pictures and long videos. Therefore. it is easy to generate a largeamount of' energy consumption in the execution of the task.The purpose of this paper is to improve the energy ef'ficiency of the f'rame-work of mobile crowd sensing. We take the power consumption of mobile phones as the energy consumption index. In order to maximizethe use of mobile phone energy， a method of' combining the energy saving technology oriented to single people and the energy savingtechnology oriented to the ，，-' hole is proposed in this paper. Specifically ， we combine the method of optimizing some algorithrus in the An-droid development process and the energy saving modules， such as text conversion module， image compression module ， video compres-sion module . etc. Then we achieve lower energy consumption of personal mobile phones. On this basis . we corubine with the overall par-ticipant optimization model . and select the right team to execute task sets in less electricity. Thus ， ，，-hen we execute a certain amount of'tasks by using the method of this paper， we can minunize energy consumption. Experiruents have shown that the energy consumption of'mobile phones can be reduced by at least 20%.Key Words ： mohile crowd sensing; depth first search algorithm; participant optimization; the single energy saving; the overall energysaving

O 引言

移動群智感知（ Mobile Crowd Sensing，MCS）由眾包、參與感知、集體智能、開放式協作等概念發展而來，感知任務的數據類型包括圖片、語音、視頻等，如暴雨災害探查、堵車現狀、難民遷徙、空氣質量等。在MCS數據收集過程中，用戶智能手機拍攝的多為高清圖片，因而感知數據質量遠超MCS任務所需數據質量。當采集某時間段內某街道的人流量信息時，感知數據質量要求可以分辨人數即可，但移動群智感知框架下的能源有效性方法研究大多數手機拍攝的高清圖片約為9M、大小為3968x2240，遠遠超過了MCS任務對感知數據的要求。在此情況下，高清圖片、視頻等高質量感知數據被采集時會產生很多能耗（手機電量），也會在傳輸過程中產生手機電量“無意義”消耗、傳輸速度降低、流量消耗增加等現象。任務數據采集中，“無意義數據”大小約占整體的1/3。同時，能耗增加會極大降低感知數據質量和用戶參與意愿。因此，通過能耗最小化提高感知任務節能率，具有一定研究意義。

國內外學者對此展開了相關研究，取得系列成果。文獻[1]通過提高群智感知網絡中的數據傳輸效率，達到節能效果;文獻[2]通過提高移動群智感知質量間接提升能源利用率，分別從時空覆蓋質量和數據質量兩個層面對移動群智感知網絡中感知數據質量度量及保障進行分析，并提出解決辦法;文獻[3]通過貪心算法或者任務分配算法使任務分配更節能，促使整體任務最快完成，間接實現能耗最小化;文獻[4]研究ESCroWd通用框架中的MCS節能技術，分析框架每部分耗能，提出相關技術應用，從而達到節能效果。MCS任務分配和任務質量相關研究[5-6]也能夠從側面實現能耗最小化。移動群智感知技術優化方案，如任務分配、數據傳輸，以及利用移動用戶撥打電話或使用移動應用程序的機會上傳數據等相關研究，大多是關于執行者單體或所有參與者整體的單獨研究，極少將兩者結合起來?；诖?，本文提出將單體節能與整體節能相結合進行研究。

移動群智感知過程如圖1所示，本文將針對能耗嚴重的3部分進行具體節能算法研究，通過添加節能模塊（圖片壓縮模塊、文本轉換模塊、視頻壓縮模塊），對群智感知過程中的信息收集、信息傳輸、信息處理等能耗進行優化，將單體節能與整體節能相結合實現能耗最小化。要實現該目標，不僅需要從單體角度探究能耗最小化，還需就單體節能技術和整體節能技術結合后對MCS任務節能率的影響進行分析。

本文將重點在以下3方面取得突破：①克服單體節能與整體節能間相互影響、難以協調的問題，將單體節能與整體節能巧妙結合起來，通過實驗證明任務執行中用戶手機電量消耗更少，即能耗最小化;②將移動群智感知平臺APP的任務執行過程細分為六步驟，針對每一步驟進行精確的能耗考慮，并添加適當節能模塊實現針對性節能;③通過實驗與仿真實驗，在移動群智感知平臺APP上執行群智感知任務，實現節能率超過20%。

1 相關工作

1.1 能耗計算與傳感器調用

本文實驗唯一參考量是任務執行時的手機電量，因此電量的精確測量對數據可靠性有著重要意義。本文使用Android庫函數測量和手機系統白帶測量這兩種測量方式，并多次測量求取平均值。

I.I.I 手機耗電量計算

本文實驗使用的手機型號為華為P9。上市時間：2016年4月;操作系統：EMUI 4.1-EMUI 8.0.0;CPU型號：華為麒麟955;CPU核數：八核;CPU主頻：ARM 4#Cortex A722.5GHz+4#Cortex A53 1.8GHz+微智核15; GPU： Mali-T880;支持指紋識別;電池類型：鋰聚合物，不可拆卸式電池;電池容量：3 000mAh;存儲空間：4GB RAM+ 64 GB ROM;SIM卡類型：雙Nano SIM卡槽，雙卡雙待;外部存儲擴展為支持;最大擴展容量：128GB。移動群智感知平臺APP為西北工業大學白主研制的CrowdOS平臺APP。

手機電量測量有兩種方式：一是利用手機耗電詳情功能測量耗電情況;二是通過調用庫函數測量。兩種測量方式基本原理都是以uid為單位，依次計算此apk的CPU耗電量、wake—Iock耗電量、移動數據耗電量、WIFI數據耗電量、WIFI維持耗電量、WIFI掃描耗電量、傳感器耗電量（多種）如式（2）所示。釋義如式（3）所示。

由于實驗測試中未涉及藍牙、閃光燈等操作，因此未計算沒有藍牙和閃光燈的電量消耗。照相機耗電情況計算和單個apk耗電量分開統計，若在實驗中使用相機，則在apk耗能基礎上加上其耗電量即可。節能率（取決于節能措施采用前后的耗能多少）是白然數1與節能技術使用前后能耗之比的差，如式（1）所示。

1.1.2 節能率

本文實驗在相同任務情況下，通過對比未采用和采用節能措施的群智感知平臺APP執行任務時的能耗，計算式（2）中的節能率。實驗中節能率如式（4）所示。

在完成相同任務情況下，式（4）中的R代表節能率，E1代表未采用節能措施的群智感知平臺APP執行任務能耗總量，E2代表采用節能措施的群智感知平臺APP執行任務能耗總量。

1.1.3基于任務調度的傳感器調用

使用群智感知APP執行MCS任務時，大多傳感器處于開啟狀態并一直耗能，最為顯著的是GPS傳感器。因此，研究GPS傳感器在用戶執行群智感知任務時的調度問題很有必要。本文根據任務數據要求進行具體調度功能開發，若拍攝長視頻，或每隔一段時間拍攝多張照片時，此功能會響應并執行。

本文在使用群智感知APP時，通過更合理的傳感器開啟/關閉調度算法，減少GPS傳感器能耗。當遇到需對特定地點進行拍攝或錄像的大任務（多圖片、長視頻任務等）時，只需在任務執行始末進行GPS信息刷新，其余時間GPS傳感器處于關閉狀態。在信息刷新過程中，若需要的傳感器信息已在被允許時間內（將該時間段內的信息當作刷新信息使用）被刷新，直接調用此信息即可。

參與者在執行任務時，首先查詢此類任務的數據需求，包括任務數據時間、地點精確度、清晰度等。若地點精確度需求程度大于任務中數據要求的標準閾值，此時調用傳感器調度算法。

1.2基于節能的模塊處理技術

1.2.1 基于采樣率的圖片壓縮技術

群智感知場景不同，對圖片質量和大小要求也不同，有的需要高質量圖片，有的只需能看出人的數量即可，其中大多對圖片質量要求很低，如查看某教室是否有座位、查看某街道人流量、查看道路損壞程度等任務都對圖片清晰度要求較低。但參與者拍攝的照片卻是高清圖片，這必然導致數據收集和傳輸過程中產生大量能耗（電量），因此可添加圖片壓縮模塊。

其算法為：首先通過加載，讀取原圖片高度和寬度，求解原圖片實際寬高與目標圖片寬高比率（其一定會大于等于目標圖片寬與高），選擇其中最小比率，確定inSample-Size的值，從而通過函數調用求解出壓縮后的圖片數據。

基于采樣率的圖片壓縮技術核心思想是通過Bitmap -Factorv.Options縮放圖片，并利用其采樣率，即其參數inS -ampleSize進行圖片壓縮。當采樣率inSampleSize為1時，壓縮后的圖片與原始圖片大小相同;當采樣率inSample-Size為2時，壓縮圖片寬和高分別為原始圖片的1/2，其像素點為原始圖片的1/4，占用內存為原始圖片的1/4;當采樣率inSampleSize小于l時，效果與采樣率inSampleSize為1時一樣。

圖片壓縮具體流程如下：①BitmapFactory.Options的inju stDecodeBounds參數設置為true;②從BitmapFactory.Options中取出圖片的原始寬和高、outWidth、outHeight;③根據需要設置合適的采樣率;④BitmapFactory.Options的inju stDeco-deBounds參數設置為false，便可加載圖片。

1.2.2 圖片轉換文本技術

在MCS任務中，參與者利用智能手機拍攝的圖片是高清圖片，但大多數任務只需看清圖片中的關鍵信息即可，至于是否有更細節性的信息則對任務沒有影響。因此，本文便有了圖片轉換文本模塊，將圖片信息轉換成文本信息，以節約能耗。

具體細節為：①獲取高清圖片，求取其寬和高，接著，指定圖片具體格式，獲取其像素;②重置圖片大小，進行文本轉換和0、l填充;③輸出填充文本便可得到轉換成文本形式的圖片。

2 問題定義與整體框架

2.1問題約束

問題約束如下：①假設每個接收到任務提醒的執行者都會主動完成任務;②假設任務執行時間連續且對時間長度有較高要求;③假設所有任務在執行時間上不會產生沖突;④假設所有手機電量情況對電量消耗程度無影響;⑤假設任何任務執行能耗（消耗的手機電量）都不會超出手機電量的最大值，并且所有任務均有足夠的參與者可執行此任務;⑥假設在沒有使用參與者優選情況下，對滿足以任務為中心的任務執行者的選擇是隨機的，并保證每個可以執行任務的執行者被選概率相同，此處僅考慮電量因素。

2.2能耗最小化

2.2.1 能源有效性利用

為了在移動群智感知平臺APP使用過程中實現能耗最小化（能效最大化），不僅需要通過參與者優選模型選擇合適的執行者團隊，還需要在任務執行過程中充分利用資源，提高能源利用率。因此，本文將能耗最小化（能效最大化）分為3個層次，可概括為：①將移動群智感知過程中的未利用能源加以利用;②最大程度地提高能源利用效率，減少額外消耗;③通過任務優選方案，在前兩層基礎上使整體達到最大化利用。3個層次的詳細解釋如下：

（1）第一層對可使用的資源進行最大化利用。調查發現，在使用手機進行MCS過程中，發現一些能耗是不必要的，傳感器數據無需更新便可收集數據，如在需要通過傳感器收集數據時，基于任務調度的傳感器調用，可減少傳感器耗能。在特定地區拍照時，并不需要一直開啟GPS傳感器，只需在拍攝第一張照片時開啟即可。在任務執行過程中，可對任務相同的感知數據進行收集（復制），以減少電量消耗。

（2）第二層在執行MCS任務時，降低數據收集能耗。本文主要優化移動群智感知過程中的數據收集、數據傳輸、數據分析能耗，通過使用文本轉換模塊、圖片壓縮模塊、安卓節能技術模塊等，提升這3部分能源利用率，在正常完成任務的情況下減少電量損耗。如執行者在拍攝某時段內某公路車流量變化情況時（每隔一段時間便進行信息采集），使用圖片壓縮模塊，不僅保障了圖片質量不影響任務發布者需求，還會極大減小圖片規格，使其變成原來的1/8左右（本文基于Android的圖片壓縮技術已進行驗證），語音、視頻等感知數據也需如此處理，處理后的信息直接上傳云服務器進行再次處理。

（2）第三層在第一層和第二層基礎上，對整體能耗（電量）進行協調。區別于任務與執行者之間的隨機分配，本文采用基于DFS的任務執行者優選模型，選擇出針對此任務的專業執行者團隊，使得在定量任務下，通過參與者優選，用更短時間、更少人數正常完成任務。

2.2.2 問題詳情

在移動群智感知任務執行過程中，執行者收到系統任

蘇江賓，於志文，劉一萌，等：移動群智感知框架下的能源有效性方法研究務提醒或者自己的查詢信息時，接收新任務并執行，這種隨機分配的任務與執行者對應，受任務執行時間、執行者手機電量、執行者執行力度和喜好、任務特征等因素影響，可能導致任務無法執行或者數據收集錯誤，進而造成能源浪費。因此，需要形成一個最優的專業團隊執行任務集，減少團隊成員之間的溝通成本。對于同一個項目，有兩個技術水平均達標的團隊，一個是隨機選擇互相認識度不高的團隊，一個是工作多年配合默契的團隊，往往后者更能順利完成此項目。而對于MCS任務，多任務情況下隨機匹配任務執行者，會導致任務完成效率低，感知數據質量得不到有效保證，而考慮到任務執行時間、執行者手機電量、執行者執行力度和喜好、任務特征、信譽等級等因素后，優選出的執行者與待執行任務就像多年配合默契的團隊，從而實現能耗最小化。

2.3整體架構

整體節能架構如圖2所示。

以手機電量為基本參考量，優化Android開發過程中的部分算法，并在移動群智感知任務執行過程的各階段添加不同節能模塊，以提升能源利用率。將文本轉換模塊、圖片壓縮模塊、視頻壓縮模塊等相結合，實現單體能耗最低，結合統籌全局的參與者優選模型，利用參與者優選選擇專業執行者團隊執行任務集，從而將執行者單體節能與統籌全局的整體節能相結合，確保在正常完成任務情況下，用更少時間和電量實現能耗最小化。

3 能源有效的參與者優選

3.1模型假設

本文提出一種新的多任務分配方法：基于移動群智感知平臺多任務參與者優選模型，不同于單任務參與者優選，參與者不局限于只完成一個任務，平臺也不會隨機分配任務，而是根據參與者各種量化能力（信譽量度、執行強度、偏愛喜好等），結合多任務中各種任務具體特征，使用參與者優化算法，使得每個參與者在一定量任務情況下，用更少時間和能源（電量）完成任務，降低任務成本;選出最優參與者集合，使參與者完成任務所耗電量最小、任務執行參與者人數最少，以實現手機能耗最小化。

非同時多任務參與者優選算法中，首先得到與非同時多任務隨機分配算法中完全相同的任務集合T與參與者集合P，同樣以時間為參考量進行降序排序，得到集合TL和PL。此時，對于每個任務T[i]，使用遍歷方法，將被選擇且在選擇區間的所有可選擇參與者集合進行任務完成總時間計算，得Time[i]。參與者集合在選擇參與者時，若此參與者執行時間少于任務時間，則執行Time[i] =Time[il+Ph[j]，并且重新選擇一個執行者，直至選擇的執行者可以執行此任務，則結束此次循環。計算每個任務T[i]的可選擇集合時間，求取平均值Timel[i]，即隨機選擇分配時執行一定量任務的總時間，此時總時間Time2可直接代人式（9）中的E：，計算式（10）可得節能率R。

4 實驗結果與分析

本文主要對參與者優選模型實驗進行分析和驗證，得出能耗最小化（能效最大化）后的能源利用率，即最大節能率。使用華為P9，實驗過程中確保手機溫度在26。C左右，每進行一次實驗，都將手機關機，充滿電，開機10分鐘后繼續進行實驗，以盡量減少由于手機電量、Cpu工作時間及內存狀況等對手機耗電的影響。

為了保證手機白帶的單個APP電量計算基本正確，本文采用了代碼測量方法進行佐證，如圖3所示。蘇江賓，於志文，劉一萌，等：移動群智感知框架下的能源有效性方法研究

從圖3（a）低耗電量時耗電量測量方式對比可看出，手機耗電量在OmAh-180mAh區間內，無論是手機白帶檢測耗電量方式還是代碼檢測耗電量方式，都能夠在手機耗電量較低時對手機耗電量進行準確測量，并且兩種方式的測量結果基本一致，相差最大為0.06mAh，最小偏差值為0。從圖3（b）高耗電量時耗電量測量方式對比可以看出，在耗電量較高的測量區間進行測量時，兩種方式差距很小，最大差距為0.06mAh。由此可見，本文使用的兩種測量方式準確度基本一致，符合本文測量需求。為了減小測量誤差和誤差波動幅度，在計算時求取兩種測量方式平均值，這樣既能降低誤差，也能穩定誤差值，使結果更接近準確值。

4.1傳感器調度實驗結果及分析

實驗場景為：對某市區某時段進行環境情況拍照，若該時間段為上午7：00-9： 00，每隔20分鐘取樣100張圖片，執行者只需在每次拍第一張照片時開啟GPS傳感器，其它時間段無需開啟GPS也可采集之前刷新出來的信息，任務執行過程中的節能率如表l所示。使用華為P9手機在這兩個小時內，拍攝數量相同、清晰度一致的照片，開展3組實驗。A，組實驗條件是一直開啟GPS傳感器進行數據采集，B.組實驗條件是只在拍照過程中開啟GPS傳感器，即在中間20分鐘的時間間隔里關閉GPS傳感器，C，組實驗條件是每次拍照僅在拍第一張照片時開啟GPS傳感器，其余時間GPS傳感器均為關閉狀態。3組實驗中拍照時間相同，開始和結束時間也相同，耗電量單位為mAh，其中一組實驗數據如表1所示。

可以看出，最高節能率可達22%，最低節能率也達17%，隨著實驗的進行，節能率逐漸降低。經過大量實驗與分析可知，隨著手機的使用，手機電量減少，手機內部緩存數據增加，導致手機電量額外消耗增加，而GPS傳感器耗電量雖有增加，但通過節能技術，GPS傳感器調用按照任務調度方法，可以使其能耗極大降低，平常狀態下，GPS傳感器一直處于開啟狀態，其相同時間內耗能逐漸增加，從而導致節能率逐漸降低。為保證實驗結果準確性，本文在相同條件下共進行10次相同實驗，取其節能率平均值，結果如表2所示。

經過多組實驗結果對比可知，基于任務調度的傳感器調用節能技術節能率最大值（平均值的最大值）為16.25%。分析發現，出現節能率誤差不僅僅是手機白身原因，也與用戶操作有關，若用戶操作正確，可在一定程度上降低能耗。在任務執行過程中，只開啟APP讀取任務功能，關閉APP通過照相機進行拍照，然后在所有任務數據收集結束時，再開啟APP統一上傳，則能耗會極大降低，最高可達30%，以減少在數據傳輸以及服務器與APP數據聯通時的能耗。

4.2基于節能的模塊處理實驗結果及分析

4.2.1 圖片壓縮模塊實驗結果及分析

實驗場景是：為了判斷某時段某公路上午8：30-9： 30車道擁擠情況，需要100人每間隔10分鐘對該公路拍照10張，分析此路段早上8：30-9： 30道路擁堵情況。通過使用壓縮技術和不使用壓縮技術兩種情況下的耗電量對比，求取節能率。A：組實驗數據為不使用壓縮技術的耗電量，B：組實驗數據為使用壓縮技術的耗電量，耗電量單位為mAh，其中l組實驗數據如表3所示。

使用帶有圖片壓縮技術的群智感知平臺APP時產生的節能率為13.3%。獲得100人數據后，取平均值可得節能率為12.4%。由表3數據可知，此實驗場景下，隨著時間的進行和數據收集量的提升，圖片壓縮模塊節能率逐漸提升。經分析可知，圖片壓縮模塊技術主要使用基于采樣率的節能技術，通過加載圖片、讀取圖片寬高以及一系列圖片轉換調整圖片轉換率，從而按照要求進行圖片壓縮。利用調節參數inSampleSize進行圖片壓縮，契合Android開發要求，并經過算法改進，在實驗中產生的能耗十分小，因此隨著時間推進，節能率會逐漸提升，并最終趨于一個穩定值。

4.2.2視頻壓縮模塊實驗結果及分析

本文在視頻壓縮部分使用簡單視頻編碼壓縮技術，在感知實驗過程中，經常會遇到視頻錄制任務，甚至需要長時間錄制，才能完成任務。對某時段某路段的車流量進行實時監控，使用群智感知平臺APP分別拍攝Imin、lOmin、30min、th、2h的視頻并上傳，得出使用視頻壓縮技術（B。組實驗）和不使用視頻壓縮技術（A3組實驗）的電量消耗及節能率，如表4所示。視頻壓縮技術節能主要體現在移動群智感知六過程中的數據收集和數據傳輸過程中。

總耗電量=手機相機APP耗電量+移動群智感知平臺APP耗電量。實驗中，手機電容量只有3 000mAh，極大限制了視頻長度。由實驗結果可以得出，當視頻時間較短時，視頻壓縮技術節能率并不明顯，但隨著視頻時長增加，節能率會逐漸提高，達到10.14%。實驗中的節能率一直處于很低狀態（相較于前面兩種節能技術），若采用節能技術，便需要將視頻重新加載一次，耗能極大，導致節能率在10%左右，但隨著時間增加，壓縮后的被節能視頻部分會不斷增加，從而使得節能率增加，能耗變小。實驗結果顯示，節能率并不明顯，原因可能是：實驗次數少，實驗結果代表性不強;視頻壓縮技術算法有缺陷，導致壓縮所耗電量過大;視頻較短，壓縮技術的優勢得不到明顯體現，后續可采用充電寶+手機組合形式進行測試。

4.2.3 文本轉換模塊實驗結果及分析

文本轉換模塊是將不必需圖片，在不影響數據收集情況下，將大容量的圖片轉換成小容量的文本信息，降低能耗。采用的任務場景是：需要100人采集某時段8：00-9：00某路段的車流量情況，采集數據的時間間隔為lOmin，每次需采集10張圖片。此類任務，文本轉換模塊可將拍攝好的圖片直接轉換成二進制文本圖片，接著直接利用算法計算處于每張圖片中的車輛數量，實驗結果如表5所示，A4組實驗數據為不使用文本轉換的耗電量，B4組實驗數據為使用文本轉換的耗電量，耗電量單位為mAh。由表5可得出，由于圖片數量太少，實驗中文本轉換技術并沒有起到一定效果。隨著圖片增多，節能率會一直增加，直至遇到某個閾值為止。文本壓縮模塊所用算法是屬于移植進入Anciroid內的算法，需要重新加載圖片并對圖片進行詳細”掃描”，從而提取出所需文本信息，導致壓縮產生的能耗與所節約的能耗基本一致。

4.3參與者優選模型實驗結果及分析

本文實驗數據如下：手機最大電量為10單位，區間[0，10]，任何一個任務執行所需時間最大為10單位，區間[0，10]。以單位1為間隔，采取等差數列{1，2……10}，這10個不同單位所對應的用戶數量均為10個，即共有100個用戶可執行任務。

4.3.1 任務數量改變

控制任務所需執行者數量不變，改變每個任務所需電量單位的任務數量。控制任務中每一個任務所需執行者數量均為10，從任何一個任務執行所需時間區間[1，10]中只挑選1個任務，并將這10種結果進行平均值計算。分別使用隨機分配和參與者優選分配算法，得出每個任務所需電量單位的任務數量為1時，所消耗電量單位為多少。依此類推，分別使用隨機分配和參與者優選分配算法計算每個任務所需電量單位的任務數量為2、3--…10時所消耗的電量單位，如表6所示。

在控制任務所需執行者數量不變的情況下，改變每個任務所需電量單位的任務數量。可以發現，隨著每個任務所需電量單位任務數量的增加，節能率會不斷提升。原因在于，根據問題約束條件，每個任務對執行者數量上的要求都可以得到滿足，因此節能率會不斷增加。

4.3.2執行者數量改變

控制每個任務所需電量單位的任務數量不變，改變任務所需執行者數量?？刂泼總€任務所需電量單位的任務數量為10個，每個任務所需執行者數量從1變化至10，同上義實驗設置開展進行實驗，得出如表7所示結果。

參與者優選方法對MCS任務的節能率隨任務數量和執行者數量而不斷變化，每個任務所需電量單位的任務數量不變，任務所需執行者數量越多，節能率越高，直至平穩變化。任務所需執行者數量不變，每個任務所需電量單位的任務數量與節能率之間的關系無法判斷，因為此時執行蘇江賓，於志文，劉一萌，等：移動群智感知框架下的能源有效性方法研究者數量為理想狀態，按照問題約束永遠滿足任務，因此無法判斷二者關系。

4.4實驗驗證

A（Android節能）、M（模塊節能）、A+M（And-oid節能與模塊節能相結合）節能效率對比如圖4所示。

通過實驗發現，手機電量隨著用電時長增加而加速下降，手機電量下降和使用時間增加會降低手機T作效率，手機溫度會升高，內存占用率也會相應提高。

4.5實驗缺陷

實驗中還存在以下不足：①實驗過程中只用了一種手機，實驗數據較少，因而代表性不強;②實驗中很難控制變量條件，執行任務時室外溫度并不恒定，實驗控制變量會隨著手機的持續使用而產生變化;③經過查詢可知，不同手機有不同硬件節能方案，因此實驗結果不一定適用于其它手機;④電量消耗和手機運行導致相工作量下手機耗電量增加，因此表格數據未呈現標準線性變化。

5 案例分析

5.1 某道路狀況監測

任務場景描述：某交通部門為舒緩某街道在時間段8：00-9：00的車輛擁堵情況，該交通部門需要對此路段該時間段內任意時刻的道路情況進行監測，從而更好地進行交通部門人員協調與分配，以緩解交通壓力，減少交通事故。因此，交通部門在移動群智感知平臺APP上發布相關任務：錄取8：00-9：00時間段內每間隔10分鐘某街道的50張圖片（圖片要求可以看清楚車輛數量），執行者數量為50。

5.2算法應用

5.2.1基于任務調度的傳感器調用節能

從Android開發角度分析，任務執行過程中需要GPS位置信息和GPS數據信息，以確認手機拍攝的是該路段圖片?？墒褂没谌蝿照{度的GPS傳感器調度算法，根據后臺代碼，只需在任務最開始和結束時更新GPS數據信息即可。因此，GPS傳感器也只需在最開始和最后階段（每個階段拍第一張照片和最后一張照片時）開啟并更新GPS信息，其余時間GPS傳感器都處于關閉狀態，以減少手機電量消耗，實現能耗最小化。

5.2.2群智感知過程節能

在任務執行過程中，數據收集和傳輸可使用節能算法。收集上午8：00-9：00該路段擁堵圖片為任務數據，要求能夠看清楚車輛數目即可，使用智能手機拍攝的圖片會遠遠超出任務對于圖片清晰度的要求，可使用圖片壓縮技術，在數據收集和傳輸過程中節省不必要的電量消耗，從而實現能源有效利用。

5.2.3參與者優選全局節能

從群智感知任務全局看，此次任務不僅要求執行者使用手機拍攝圖片，還需執行者消耗大量時間執行任務，加上部分手機不能夠支撐其完成耗電量巨大的任務。為了避免一些任務執行到一半卻因為時間或手機電量不足等原因無法繼續執行，而導致“無意義的”手機電量消耗，需要使用參與者優選方案。因此，選擇100個最適合執行此任務的專業執行團隊。

5.3案例結果分析

實驗中共測試50組數據，依次進行3組：第一組是單體節能技術仿真實驗，第二組是整體節能仿真實驗，第三組是單體節能與整體節能結合仿真實驗。實驗結果如圖5所示。

圖5中，左邊柱體表示單體節能率，右邊柱體表示整體節能率，折線表示（單體節能+整體節能）率。為避免實驗結果的隨機性，橫坐標1-6號實驗數據為多次實驗取平均值后的結果?？梢钥闯?，雖然最終節能率為27.02%，但在實驗過程中，節能率在1號實驗中達到了最高，可在一定程度上證明已達到節能效果。最終實驗結果如表8所示，實驗可達到的最大節能率為27.02%。

實驗過程中也遇到一些問題：手機隨著不斷拍攝會逐漸發熱，手機耗電量在執行相同量任務情況下，溫度越高耗電越快，導致實驗不斷暫停，最后借助空調房散熱和風扇散熱才勉強解決該問題;手機內存和緩存會對手機運行速度和耗電量產生影響等;在仿真數據上傳過程中，網速不穩定也給實驗帶來極大影響和誤差，目前該問題無法有效解決。后續將使用騰訊WeTest中的遠程調試進行仿真模擬實驗，確保溫度、電量、內存、緩存等因素不變，降低實驗誤差。上述實驗只是一天的任務執行情況，節能率已超過20%，隨著任務增多，節能效果也將更好。

6結語

本文從移動群智感知任務源頭上進行分析并采取相應節能措施，實現能耗最小化。首先利用單體節能，其包括群智感知平臺APP開發過程中的傳感器調度節能措施和群智感知任務執行過程中針對耗能較嚴重步驟的節能模塊，使任務執行者在執行任務時減少個人能耗;然后從整體角度出發，使用參與者優選方案減少因隨機分配導致任務與任務執行者的不適當分配而產生的額外能耗;最后通過實驗對比發現，本文單體節能與整體節能相結合的方法，可以節約更多能源，實現能耗最小化。

同時，本文研究也存在待改進之處。一方面，本文實驗量較少且實驗類型單一，對于廣泛存在的多元化手機類型和不具適用性的任務類型而言不太適用，并且未將模型中的時間量度與智能手機的CPU頻率、電池、內存、計算能力等因素用公式表達出來，因此準確性有待商榷;另一方面，本文部分節能算法和因素比例關系較簡單，多種節能方式結合理想化，但移動群智感知中單體節能和整體節能的研究方向還有很多，如何更有效加以結合，發揮其更大作用值得進一步研究。

參考文獻：

[1]肖甫，姜知非，謝曉輝，等.群智感知網絡中一種高效節能的數據傳輸方法[P] CN10597953IA，CN201610323635.4，2016-09-28.

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

[3]劉琰 .郭斌 .吳文樂 ，等，移動群智感知參與者優選方法研究[J].計算機學報 ， 2017， 40（8）：1872-1887.

[4]WANG J T， WANC Y S. ZHANC D 0， et al. Energy saving techniquesin mobile crowd sensing： current state and future opportunities [c].IEEE Communications Magazine，2018，56（5）：164-169.

[5]HAO Y X.ZHANG D Q， CHEN C L， et al. iCrowd ： near-optimal taskallocation for pigg}'hack crowdsensiiig[J] . IEEE Trans.Mohile Comput-ing， 2016.15（8） ： 2010-2022.

[6]CANTI R K. FAN Y， HUIL. et al. Mobile crowdsensing ： current stateand future challenges[J] . IEEE Commun.Mag，2011（49） ： 32-39.

[7]JIE L. PRIYANTHA B. HART T. et al. CO-GPS： Energy efficientGPS sensing with cloud offloading[J]. IEEE transactions on mohilecomputing， 2016， 15（6）：1348-1361.

[8]WANG L Y. ZHANG D Q， YAN Z X. et al. effSense ： a norel mohilecrr，wd-sensiW framework for energy-efficient and cost-effective datauploading[J] . IEEE Transactions on Systems Man &. Cybernetics Sys-tems. 2015. 45（12） ： 1549-1563.

[9]WANF J T. WANG Y S， ZHANG D Q， et al. Real-time and generic

queue time estimation hased on mobile crowdsensing [J].Frontiers of Computer Science in China ， 2017.11 （I）：49-60.

[10]MA H D， ZHAO D， YUAN P Y. Oppoitunities in mobile crowd sens-ing[Jl. Cnmmunications Magazine，IEEE，2014.52（8） ： 29-35.

[11]劉云浩.群智感知計算 .中國計算機學會通訊 . 2012，8（10） ：38-41.

[12]WANG LY.ZHANG D Q， WANG Y S， et al. Sparse mohile crowd-sensing： challenges and opportunities[J]. IEEE Comniun. Mag.，2016.54（7） ：161-167.

[13]GUO B . WAhrG Z， YU Z W. et al. Mobile crowd sensing and comput-ing： the review of an emerging human-powered sensing paradigm[J].ACM Computing Surveys， 2015. 48（1） ： 1-5.

[14]HAO Y X. ZHANC D 0， WAhrC L Y， et al.CrowdRecruiter： select-ing partic：ipants for piggyback cro，vdsensing under prohabilistic cor-erage constraint [C]. ACM International Jnint Conference on Perva-sire and Ubiquitous Computing， 2014.

[15]WANG L.YU Z W，ZHANG D Q， et al. Heterogeneous multi-task as-signment in mobile crowdsensing using spatiotemporal correlation[Jl. IEEE Transactions on Mohile Cnmputing， 2019， 18（1） ： 84-97.

[16]CUO B， CHEN H H， HAhr 0， et aI.Worker-contributed data utilitymeasurement for visual crowdsensing systems [J] . IEEE Transactionson Mobile Computing ， 2016（99） ： 1-3.

[17]CANTI. R.K， FAhr Y. HLI L， et al. Mobile crowdsensing： currentstate and future challenges EJI.Communications Magazine IEEE，]2011. 49（ 1IJ ： 32-39.

[18]GUO B， YLi Z W， ZHANC D Y， et al. Frrim participatory sensing tomohile crowd sensing [Cl. 12th IEEE International Conference onPerx'asieComputing and Commu nication （PERCOM），2014.

（責任編輯：孫娟）

收稿日期：2019-12-17

作者簡介：蘇江賓（1996-），男，西北工業大學計算機學院碩士研究生，研究方向為移動群智感知、普適計算;於志文（1977-），男，博士，CCF高級會員，西北工業大學計算機學院教授、博士生導師，研究方向為移動群智感知、普適計算、HCI;劉一萌（1991-），女，西北工業大學計算機學院博士研究生，研究方向為移動群智感知、泛載操作系統、人工智能;郭斌（1980-），男，博士，CCF高級會員，西北工業大學計算機學院教授、博士生導師，研究方向為移動群智感知、普適計算、HCI。