群智感知系统中数据质量保证关键技术研究

Crowd sensing is a technique that crowdsources sensor data from a large group of individuals equipped with mobile devices which are capable of sensing and computing. Mobile crowd sensing system has enabled advance and larger-scale sensing with richer functionality, which is not adaptable in traditional wireless sensor network. Many works have been done by researchers in this field, however there still exist some unsolved research issues of quality control. The research goal of this project is to improve the quality of sensed data during the whole sensing process. Specifically, this project includes three stages. In the pre-sensing stage, we design task allocation and incentive mechanisms to select appropriate users with high quality of services. In the sensing stage, we implement context-aware sensing systems to achieve high quality data. In the post-sensing stage, we propose data delivery methods to efficiently collect high quality data. To address the challenging issues, this project considers social behaviors of users and design online incentive mechanisms to attract sufficient high quality users; evaluates quality of services of users to design user selection systems with quick response; leverages frequency responses of recorded vibration sound changes to improve localization accuracy; extracts multipath features from acoustic signal to identify contexts; utilizes time-evolving and social characters to propose low cost, energy efficient, short delay, and robust data collection methods. This project also provides solid theoretical analysis and plentiful experiments to evaluate the performance. The achievements of this project will provide profound fundamental theory and technical support for the development of mobile crowd sensing system.

基于“众包”思想的群智感知系统以更低的成本完成传统传感器网络难以应对的大规模、复杂的感知任务。然而，感知数据质量难以保证将制约群智感知系统的广泛应用。影响数据质量的因素贯穿整个任务过程：执行前，需招募并评估参与者，以选择优质用户；执行中，需检测设备感知上下文信息是否满足任务约束，以进行数据筛选；执行后，需通过高效的传输方式进行数据收集，以改善现有数据收集方式存在的流量成本高、接入机会不足的问题。本项目考虑用户自私性，设计在线激励机制，以吸引足够的优质用户参与；评估用户质量，设计用户选择模式以保证感知任务能够快速响应；基于音频感知，提取用户间的相对几何约束，以提高用户定位精度；提取多径效应特征，建立设备工作环境识别模型；挖掘用户社会属性及时空特性，设计满足低成本、低功耗、低时延目标的数据收集机制。研究成果能够为群智感知数据质量保证技术的实践应用奠定坚实的理论和技术基础。

基于“众包”思想的群智感知系统能够以更低的成本完成传统传感器网络难以应对的大规模的、复杂的感知任务。然而，感知数据质量难以保证制约了群智感知系统的广泛应用。本项目针对大规模群智感知系统中数据质量保证的需求，围绕任务执行的三个阶段 (感知前、感知中和感知后)，分别研究激励优质用户长期参与和满足任务即时响应需求的用户选择策略；基于感知位置状态相关性的数据筛选策略；满足时效、成本、功耗平衡需求的多模式数据收集策略。本项目（1）在平台模式下将多平台共存的场景划分为平台间竞争场景和平台间合作场景，我们使用多主导者-多跟随者的斯坦克伯格博弈建模多平台竞争场景的激励机制。在自组织模式下，提出一种基于组合多臂老虎机的在线自学习动态用户选择机制。该机制综合考虑移动用户的静态属性和动态属性，通过感知用户上下文来建立用户能力模型。基于对移动用户服务质量的综合评估，提出一种改进的汤普森采样方法来选择合适的用户参与感知任务，并根据任务完成结果以强化学习的方式更新用户能力模型。（2）提出一种基于用户协作的行人航位推算位置误差矫正方法。该方法基于音频感知，提取移动用户与其周围静止于环境地标旁的用户间的相对几何约束，以协作方式对感知用户的惯性导航定位误差进行矫正，并提出一种利用用户间相遇时机进行协作的、精确的、低成本的室内地图构建方法。（3）提出基于多层的机会数据收集方法和能量有效的基于多层的机会数据收集方法。利用不同类型的数据，分析和预测节点之间的社会关系和每个节点的活跃程度，并利用这些信息来提高数据采集率。研究如何在边缘和云上放置虚拟网络功能以及相邻虚拟网络功能对之间路由流量的问题，我们的研究充分考虑了完全有序的移动边缘计算和部分有序的移动边缘计算两类情况，并且提出了一种有效的随机舍入近似算法，实现低延迟和低功耗的数据传输目标。 . 本项目在国际期刊和国际会议发表学术论文62篇：SCI收录40篇，EI收录22篇，其中包括领域内著名国际会议MOBICOM、INFOCOM、UBICOMP、ICDCS、IWQOS等，著名国际期刊 IEEE TMC、IEEE TPDS、IEEE TSC、IEEE TITS、IEEE TVT、ACM Computing Survey等。项目取得一系列原创性理论成果和关键技术突破，已超额完成了预期的考核指标。