基于移动社交网络的群感知关键技术研究

The crowdsensing system is a novel and hot research issue in Internet of things. It treats the devices carried by mobile user, such as smart phones, iPad, etc., as mobile sensors, and organizes them by using software, forming a mobile sensing system, which can cooperatively accomplish complex sensing tasks. Since it has the advantage of low cost, pervasiveness, and high flexibility, it has a broad application prospect. The existing research on crowdsensing systems is very limited, most of which only focuses on the problems of sensing task allocations via clouds. Based on our previous work, this proposal proposes to study the crowdsensing systems in mobile social networks. Unlike the existing research, crowdsensing users in mobile social networks have some unique characteristics, such as heterogeneous sensing, semi-deterministic mobility, social behaviors, and so on. To address the challenging problems caused by these characteristics, we will focus on the issues of task allocation, cooperative sensing, data delivery, utility mechanisms, incentive mechanisms, etc., and will utilize the techniques of combinatorial optimization, approximation algorithm, auction theory, online decision, and so on, to design a series of crowdsensing mechanisms and algorithms, and to conduct the corresponding theoretical analysis and experiments to evaluate their performances. These results will provide strong theoretical and technical supports for building pervasive crowdsensing systems.

群感知系统是物联网领域新兴的一个热门研究课题，主要是将用户携带的智能手机、平板电脑等设备看作是移动的传感器，并利用一定的软件系统将他们组织起来，形成一个能够协作完成复杂感知任务的移动感知系统。由于它具有低成本、普遍适用性、高度灵活性的优势，因而有着广泛的应用前景。现有的群感知系统研究非常有限，且大多仅侧重于基于云平台的感知任务分配问题。本项目则以我们的前期工作为基础，提出基于移动社交网络的群感知系统研究。不同于已有的研究，移动社交网络的群感知用户具有感知异构化、移动半确定化、行为社会化等独有特性。针对这些特性引起的一系列挑战性问题，我们将从任务分配、协作感知、数据传输、效用机制、激励机制等几个方面出发，综合运用组合优化、近似算法、拍卖理论、在线决策等技术手段，设计一整套群感知机制和算法，并对其性能进行理论分析和实验验证。相关成果将会对建设普适性的群感知系统平台提供有力的理论及技术支撑。

移动群智感知是近年来新兴的一种移动大数据收集模式，能够利用人的移动性、智能性，以较低的成本完成传统系统难以应对的复杂感知任务，有着广泛的应用前景。本项目则基于移动社交网络对群智感知的关键技术进行研究，主要包括群智感知任务分配算法、协作群智感知机制、数据传输调度机制、群智感知效用机制、以及激励机制等五个方面的研究内容。为此，本项目以城市及交通数据收集为背景，提出了一系列的移动群智感知机制和算法，包括：普适性移动群智感知系统或车载移动群智感知系统的任务分配算法、时间敏感的数据传输及资源调度机制、质量效用保证的移动群智感知用户招募算法、面向不同应用场景的移动群智感知系统激励机制，以及相应的隐私保护机制等等。在国内外重要学术期刊和会议上发表26篇高质量论文，包括CCF A类国际期刊或会议论文以及JCR一区期刊论文9 篇，B类国际期刊或会议论文9篇，C类国际期刊或会议论文5篇。其中，发表在A类国际会议INFOCOM 2015和A类国际期刊TMC 2017的群智感知在线任务分配算法能够在不确定的环境下取得近似最优的时间效率，谷歌学术引用累计150次，多位本领域著名学者发表的A类或一区论文均将其选列为代表性算法进行了引用；发表在A类国际期刊TNET 2020上的论文提出了首个理论可证明的且无需可信第三方的群智感知安全用户招募协议；发表在A类国际期刊TKDE 2020上的论文提出了保护隐私的轻量级任务分配拍卖机制，谷歌学术引用已达14次，等等。这些算法和机制较好地解决了不同应用场景下移动群智感知系统中包括激励、任务分配、优化调度、隐私保护等核心问题，能够为相应的系统设计提供坚实的技术支撑。