参与式计算资源分配与用户激励策略研究

With the rapid increasing of the smart terminals, the embedded resources including the sensing resources (sensors、cameras), computing resources (GPU、CPU) and the communication resources(WiFi、Bluetooth) provides strong ability for data acquisition and analysis. However, due to the properties of distribution and selfishness of the owners, now these terminals do not used efficiently at all. For this reason, this project tries to explore how to use these scattered resources based on the crowdsourcing concept, which can be called as participatory computing. Specifically, it studies the resource allocation and users incentive problems oriented to the dynamics and heterogeneous of the resources and tasks, and the discrepancy of the users' psychology. First, this project studies the sensing resources scheduling policy in the long-term time area and the data driven sensing resources scheduling policy. Then, it will explore the data transmission problem based on the opportunistic network. Next, it will explore the co-scheduling policy with multiple resources. Finally, this project will considers the users incentive policy in dynamic and uncertain scenarios. These technologies are the critical factors in the participatory computing framework, and can be used to improve the performance in many applications, such as the air pollution and traffic condition monitoring, terrorist and lost children tracking, etc.

随着智能手机等移动终端的蓬勃发展，其内嵌的感知资源（包括传感器、摄像头等）、计算资源 (CPU、GPU等)和通信资源（WiFi、Bluetooth等）等提供了极强的数据获取和分析处理能力。但是，由于其零散分布特性，以及所有者的自私性，目前这些终端设备并没有得到有效运用。为此，本项目基于众包理念，探讨面向零散分布式资源的参与式计算技术。具体来说，本项目针对参与式计算中资源和任务的动态不确定性、异构性、参与者自私性等多项因素，研究资源优化配置和参与者激励问题。重点突破长时域感知资源调度、数据驱动的感知资源动态调度、基于机会网络的并发数据传输优化、参与式计算异构资源协同调度以及动态不确定情况下的参与者激励等关键技术，以解决参与式计算从数据采集、传输到分析计算中的部分核心问题，提高空气质量检测、城市交通监控、恐怖分子追踪和丢失儿童追踪等应用的性能，并为其提供理论依据和技术支撑。

随着智能手机等移动终端的蓬勃发展，其内嵌的感知资源、计算资源和通信资源等提供了极强的数据获取和分析处理能力。但是，由于其零散分布特性，以及所有者的自私性，目前这些终端设备并没有得到有效运用。为此，本课题基于“众包”理念，探讨了面向零散分布式资源的参与式计算技术。具体来说，针对参与式计算中资源和任务的动态不确定性、异构性、参与者自私性等多项因素，研究了资源优化配置和参与者激励等问题，先后提出了长时域感知资源调度、数据驱动的感知资源动态调度、基于机会网络的并发数据传输优化、参与式计算异构资源协同调度以及动态不确定情况下的参与者激励等一系列关键技术，通过感知、通信和计算等异构资源的协同调度，解决了参与式计算中数据采集、传输和分析计算中的一些重难点问题，并支撑了课题组所承担的部分工程项目的研制。相关理论研究成果在IEEE Transactions on Industrial Informatics、IEEE CEC、系统工程与电子技术等国内外高水平期刊和会议发表学术论文16篇，其中SCI检索8篇、EI检索13篇。获得湖南省自然科学一等奖1项、军队科技进步二等奖1项，申请国家发明专利2项。在项目研究过程中，协助培养博士生4名，硕士生8名、指导本科毕业设计4名。