群智感知網絡發展現狀及面臨問題

李鈾 張可欣 鄭特 韋江華

1.廣西科技大學教務處計算機科學與通信工程學院；2.廣西科技大學機械與汽車工程學院

隨著移動終端設備、嵌入式傳感器設備等的快速發展，移動群智感知網絡成為物聯網的新感知技術，相較于傳統感知網絡解決了成本高的難題，近年來被廣泛應用于發展。本文主要從移動群智感知網絡的發展研究現狀及未來面臨問題進行綜述。通過對群智感知網絡的定義、特點及架構，群智感知網絡在3個方面的經典應用等進行闡述和總結。

物聯網不斷發展到現在已經進入了一個新的更深層次的發展階段，對于我們所在信息世界的一個透徹感知需求愈發強烈，在互聯網、傳感器等技術快速發展的浪潮下，移動終端設備的快速普及，擁有越來越強大的感知計算能力，使得移動群智感知網絡成為移動計算的核心[1]。移動群智感知網絡能夠大幅度降低大規模感知網絡的所需成本，很好地解決了成本高的關鍵難題，成為物聯網的核心[2]，近年來受到廣泛的研究關注。

1 移動群智感知網絡介紹

1.1 移動群智感知網絡的定義

群智感知網絡這個思想最早是在互聯網發展初期被人們所提出并應用的。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分配出去，交給廣大互聯網用戶自愿完成。隨著近幾年來各種技術不斷成熟，智能感知(Crowdsourcing)是作為新型的物聯網感知模式。而由于群智感知網絡這個新興感知模式發展并不久，并沒有一個共同且精準的定義描述。以下是一個寬泛且廣為人知的基本定義。

在群智感知網絡中，用戶手中的獨立智能終端設備(如手機、手環、平板等)以及傳感設備是群智感知的基本單元，再通過互聯網等網絡協作形式對大規模城市進行復雜的感知任務的實現[1]。根據用戶對感知數據收集方式的不同，移動群智感知又分為機會式感知和參與式感知[2]。機會感知主要在用戶不知情的情況下進行的感知行為，不需要用戶主動參與感知過程。而參與式感知是用戶自發且主動感知數據的過程。本文主要討論機會感知，即用戶無意識情況下參與感知。

1.2 移動群智感知網絡的體系結構

一個移動群智感知網絡的典型基本架構通常由感知層、網絡(傳輸)層、應用層三部分組成。

（1）感知層。感知層在人各個重要的器官中充當著皮膚以及五官的角色，有對物理環境進行全面感知的能力，移動群智感知網絡的結構中作為物理環境信息獲取的核心和基本。用戶個體以及各種智能終端設備組成了感知層[3]，在云端收集到來自使用者的感知任務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境或人體機能狀態等物理信息進行數據感知以及數據采集。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測[4]；通過麥克風感知音頻樣本以監測城市噪聲污染狀況[5]；使用GPS、WiFi信號檢測器和GSM提供位置數據等[6]。

（2）傳輸(網絡)層。傳輸層作為移動群智感知網絡中的神經中樞和大腦，又分為數據傳輸、數據收集、數據處理三個方面。移動群智感知網絡利用參與者移動終端設備進行數據傳輸，但用戶數量龐大且各個用戶所使用的網絡不完全相同。故傳輸層中擁有許多中網絡，主要用于將大量的感知數據上傳到云端服務器中。傳輸層還負責著激勵用戶參與到感知任務以及感知任務的分配。

（3）應用層。應用層作為移動群智感知結構中的“加工產”。在最后對收集到的原始感知數據進行數據處理，將感知數據可能存在的不精確、不完整、不一致等問題[3]進行處理從而達到提高感知數據質量的目的。云端服務器通過應用層的處理將感知數據進行存儲，再與行業需求結合，通過各種不同的應用程序為用戶提供不同類型的服務，實現行業的智能化。

1.3 移動群智感知網絡的特點

智能感知網絡與傳統無線傳感器網絡的區別就在于—智能感知網絡通過因特網將人、傳感器等連接起來。人在感知任務的過程中既作為消費者也作為生產者，而在傳統無線傳感器網絡中單純依靠大量傳感器所構成的網絡感知信息最終將感知數據傳給用戶，用戶僅作為消費者。在這種新型感知網絡中有如下特點：

（1）部署感知網絡成本及細粒度降低。移動群智感知網絡通過用戶手中獨立的移動智能終端設備中內含的大量傳感器進行感知，并且使用智能設備可使用已有網絡進行感知數據的傳輸。在這群智感知網絡中無需再部署其他的傳感器以及傳輸設備，且智能設備由用戶個體來進行管理和維護，故移動群智感知網絡所需的成本降低，同時也降低了感知網絡中所需的維護成本。同時隨著時代科技的不斷發展，越來越多的用戶使用智能設備且具有移動性，使得移動群眾感知網絡可以完成大規模的城市感知任務，例如，文獻[7]使用移動群智感知設計了3D時空細顆粒物(PM2.5)檢測系統BlueAer用于從細顆粒水平上了解城市PM2.5的濃度分布等。群智感知網絡與傳統的無線傳感器網絡相比，這種特點是群智感知網絡最顯著的優點，同時也是群智感知網絡興起的主要原因。

（2）感知數據的不完整性及不準確性。由于機會式感知中不需要用戶有意識的參與感知過程，即感知任務都是在智能設備中自動進行的，感知數據依賴于感知算法和應用環境[2]，而每個用戶的設備性能各不相同，導致用戶所感知的數據不盡相同。

（3）具有更大的可擴展性。隨著人的移動就可以擴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絡中便可以實現感知網絡的擴大。

2 群智感知網絡的應用發展與研究現狀

群智感知網絡發展到目前為止已經在各種場景中廣泛應用，例如環境[9-10]、交通[11-13]、社交[14-15]等各個方面。按照應用領域不同進行分類可分為環境感知、基礎設施感知以及社會感知三種類別[16]。

2.1 環境感知

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

例如，一個用于對環境的空氣污染質量檢測的示例原型部署是Common Sense系統[17]。Common Sense系統中使用空氣質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)，將檢測到的數值傳輸到與系統相連接的用戶智能設備上以供用戶參考。當大量用戶的手機部署時，就可以共同感知測量一個大范圍的空氣質量，構成一個空氣質量監測系統。同樣，人們也可以利用手機上的麥克風傳感器來檢測環境中的噪音水平，如文獻[18]中NoiseTube使用手機中的麥克風傳感器對環境中的噪音值進行檢測，并利用大量感知數據進行城市噪音地圖的構建。

2.2 社會感知

通過移動群智感知網絡人們可以隨時記錄、分享感知信息，通過上傳感知數據并進行數據的比較以及分析來更好的了解和改善自己的行為習慣。例如，個人可以分享他們的鍛煉數據(例如一天鍛煉的時長以及強度)，并將鍛煉數據水平與社區其他人對比，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 公共基礎設施感知

公共基礎設施應用中包括了與公共基礎設施相關的大規模現象的測量。例如，測量道路平整狀況、交通擁堵現象、停車位可用性和實時交通跟蹤等。

（1）測量道路的平整性及交通擁堵狀況。如麻省理工學院的Cartel[19]和微軟研究院的Nericell[20]。Cartel系統利用汽車上的專用設備(例如GPS、WiFi檢測器等)來檢測行車的地理位置并收集到相關的路面狀況。為便于用戶查詢所需的服務，再將所收集到的數據通過網絡傳輸到中央服務器。Nericell系統利用用戶手機上的各種傳感器(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應用程序[21]依靠超聲波傳感器對車位的使用情況進行檢測，將檢測信息通過處理器處理后上傳到云端服務器，再由服務器發送數據給用戶。從而構建一套檢測城市停車位信息的檢測系統。該系統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，尚不容易實現大規模網絡。

（3）實時交通跟蹤。文獻[22]使用藍牙感知裝置實現預測公交到站的時間。主要利用在公交車以及公交站點分別安裝智能識別卡和藍牙感知裝置，當公交經過站點時，公交車上的智能識別卡就會被站點的藍牙感知裝置所感知。

3 移動群智感知網絡發展面臨問題

群智感知網絡在物聯網領域中初露頭角，是一種新型的網絡感知模式，便已經在生活的各個領域被廣泛應用。然而移動群智感知仍處于初步發展階段，面臨著許多挑戰，尚需要在多個關鍵環節予以完善，如技術、理論、應用[23]等方面。以下主要分析三個方面。

3.1 用戶隱私安全保護

移動群智感知網絡在進行感知任務時需要收集大量用戶的感知數據信息，在這一過程中，感知數據的收集可能會導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、常用路線等隱私信息進行推測[24]。因此，在該網絡中，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用的實現。

在隱私保護安全方面，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、數據加密等技術來確保用戶相關數據的安全。這類加密技術屬于技術密集型，因需要為他們生成并維護多個密鑰，故不可拓展，導致有更多的能量消耗。如文獻[26]提出了一種基于移動節點的隱私保護算法等。即便當前已有許多學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。當前隱私保護還是一個重要問題。

3.2 感知數據質量可靠性

移動群智感知網絡依靠大量用戶提供感知數據上傳到云端服務器分析供用戶使用，故依賴于用戶所提交數據的質量。而用戶使用智能設備進行數據感知，每個用戶設備不具有統一性，感知數據不一定完整可靠。因此需要對感知數據進行管理整合。

目前有關移動群智感知網絡質量的研究較少。文獻[27]首先從時間空間兩個維度定義“城市分辨率”這一新指標，并從時空覆蓋質量以及數據質量分析并提供了一些移動群智感知網絡中感知質量保障的方法。文獻[28]設計了分發算法和數據質量評估算法。結合了湯普森抽樣算法和貪心策略對數據質量以及覆蓋區域進行檢測量化。但隨著覆蓋范圍擴大，該算法會出現感知數據重復等狀況。

3.3 群智感知激勵機制

群智感知應用中需要大量用戶的參與，而參與感知任務時會消耗用戶資源(如電量、內存、計算等)，且存在隱私安全問題，這就要求通過適當的激勵機制，保證有足夠的用戶參與感知任務從而保證感知任務的實現。

4 結語

移動群智感知作為物聯網的新型感知技術，在快速發展的同時也面臨著許多問題與挑戰。論文首先對群智感知網絡的基本概念和經典網絡結構進行了闡述，再對群智感知網絡的特點進行分析并結合文獻總結了群智感知網絡面臨的挑戰。

引用

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

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

[3] 劉云浩.物聯網導論[M].北京:科學出版社,2010.

[4] 劉媛妮,李慧聰,關鑫,等.移動群智感知激勵機制研究綜述[J].重慶郵電大學學報(自然科學版),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室內定位技術研究[D].武漢:華中科技大學,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.基于群智感知的災害數據采集、傳輸與應用[D].南京:南京郵電大學,2016.

[10] 孟想.基于群智感知的空氣質量傳感器校準方法設計與實現[D].北京:北京郵電大學,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中的應用研究[D].廣州:華南理工大學,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.群智感知網絡研究現狀與發展[J].吉林大學學報(信息科學版),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.基于藍牙感知的公交車輛到站時間預測方法研究[J].中國市政工程,2015(2):1-3+114.

[23] 趙東,馬華東.群智感知網絡的發展及挑戰[J].信息通信技術,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據隱私保護算法[J].計算機應用,2020,40(11):3249-3254.

[27] 趙東,馬華東,劉亮.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.

[28] 張偉,李卓,陳昕.感知質量優化的移動群智感知任務在線分發算法[J].物聯網學報,2020,4(4):91-97.