参与式感知与传统部署式感知混合网络的激励机制研究

Participatory sensing enables smartphone users, i.e., social sensors, to form a body of knowledge. It provides fine-grained sensor information, while its performance is unstable. Deployed sensing provides continuous sensor information using spatially deployed sensors. The existing research works are independently conducted based on the two ways of sensing, without consideration of the system gain if we incentivize social sensors based on the deployed sensing. In this project, we combine the benefits of participatory and deployed sensing, and propose an information-driven and spatio-temporal social sensor incentive scheme for participatory and deployed sensing. The social sensors with the most information utility are incentivized to be complementary with the deployed sensing system, which together meet the requirements of the sensing tasks. The proposed incentive scheme also considers the spatio-temporal relevance between the sensor nodes and the sensing tasks. Finally, a hybrid network testbed will be developed. Experimental and simulation results are expected to show that the budget of the system is reduced while the information utility of the sensing tasks is improved. The successful implementation of this project provides insights to the future air quality monitoring system.

随着大气污染日益严重，雾霾严重影响了人们的健康生活。目前，城市已部署的雾霾监测点数量少、密度低且成本较高。基于便携式传感器和智能手机的参与式感知能提供细颗粒度且覆盖面广的空气信息，却具有不稳定性。现有的研究方法均独立地基于这两种感知方式，忽略了空气信息对位置和时间的高度依赖性，没有考虑在已部署的监测点的基础上激励相关参与式感知用户带来的系统增益。本项目拟结合两种感知方式的优点，研究参与式感知和传统部署式感知相互协作的混合网络的激励机制，以实现提供高精度稳定度和低成本的空气质量监测的目标。具体研究内容包括：传感任务和信息源间的时间空间相关性、已有传统部署式感知的前提下参与式感知用户的信息增益建模、基于反向竞价的激励机制、以及系统性能的优化设计。最后，搭建混合网络平台，验证所开发的理论模型和激励策略。本项目的成功实施，可为未来空气质量监测系统提供必要的理论参考，并为以后的混合系统的发展打下基础

随着大气污染日益严重，雾霾严重影响了人们的健康生活。目前，城市已部署的雾霾监测点数量少、密度低且成本较高。基于便携式传感器和智能手机的参与式感知能提供细颗粒度且覆盖面广的空气信息，却具有不稳定性。现有的研究方法均独立地基于这两种感知方式，忽略了空气信息对位置和时间的高度依赖性，没有考虑在已部署的监测点的基础上激励相关参与式感知用户带来的系统增益。本项目拟结合两种感知方式的优点，研究参与式感知和传统部署式感知相互协作的混合网络的激励机制，以实现提供高精度稳定度和低成本的空气质量监测的目标。具体研究内容包括：传感任务和信息源间的时间空间相关性、已有传统部署式感知的前提下参与式感知用户的信息增益建模、基于反向竞价的激励机制、以及系统性能的优化设计。最后，搭建混合网络平台，验证所开发的理论模型和激励策略。本项目的成功实施，可为未来空气质量监测系统提供必要的理论参考，并为以后的混合系统的发展打下基础