基于多任务协同的群智感知机理与方法

Mobile Crowdsensing (MCS) is a novel sensing paradigm, which leverages a large number of smartphone users to complete large-scale sensing tasks collaboratively. Existing MCS techniques mostly assume that different crowdsensing tasks are independent. However, due to the in-depth development of smart city and the rapid growth in the number of MCS applications, multiple tasks are not isolated any longer because they compete upon a shared pool of participants. To this end, the study of multi-task MCS techniques considering overall performance for multiple tasks is of great importance. This project attempts to address the following three research challenges in multi-task MCS: 1) The construction of MCS task models and participant capability models, which enables uniform representations of diverse MCS tasks with various requirements of space-time, quality, costs and participants’ capabilities. 2) The study of multi-task assignment strategy for overall utility maximization, which coordinates different tasks. 3) The study of missing data inference and data quality assessment methods by leveraging the correlation among sensing data of multi-tasks. In summary, this project aims to develop a comprehensive theoretical framework for Multi-task Crowdsensing, laying theoretical foundations for the design and analysis of Multi-task Crowdsensing systems.

移动群智感知（群智感知）是利用普通参与者的智能手机，协作完成大规模感知任务的新型感知模式。 现有群智感知研究工作，大都假设任务独立以简化问题。然而，随着智慧城市建设的深入，群智感知任务快速增多，任务间涌现出内在的关联，包括：多个任务因竞争参与者而相互制约，及因感知数据内在相关而可能相互促进。在此情况下，本项目研究任务之间关联的机理，及基于多任务协同的群智感知方法，聚焦三个方面的内容:1)兼容多样性的模型，用以描述和融合时空、质量和成本各异的任务和能力不同的参与者的信息，辅助形成多任务信息的全局认知；2)多任务分配方法，针对多任务之间因竞争参与者能力而相互制约的关系，整体协调多个任务的任务分配，优化整体效用；3)跨任务数据推理方法，利用不同任务数据间的深度关联，跨任务推理缺失数据，支持任务之间的相互促进。本项目预期形成多任务协同的群智感知理论和技术框架，为相关系统的设计与分析提供理论支持。

群智感知是指参与者使用个人计算和感知终端，通过互联网或移动互联网协作，最终完成复杂社会感知或计算任务的新型感知和计算模式。然而，随着智慧城市建设的深入，群智感知任务呈现出新的变化，具体包括三个方面：一是任务快速增多，任务间相互制约与促进，各个任务单独优化的方法无法实现多任务整体效用的最优化；二是感知对象从最初感知物理空间特征，发展到对物理空间、社会空间和网络空间的全面感知，感知终端从以智能手机为主，拓展到物联网设备、社交媒体等多种形态，需要提升终端感知能力以完成复杂的感知任务；三是任务间感知数据相互关联，且存在缺失、噪声等数据质量问题，需要建立高效的数据分析技术，实现感知数据的补全和质量控制。.在此背景下，本项目围绕多任务群智感知的终端感知能力建模与能力提升技术、面向全局效用优化的任务分配方法、多任务群智感知数据分析方法等展开了研究，形成了一系列成果。在终端感知能力提升技术方面，提出了基于电能分解的家用电器用电感知技术、基于智能手机多传感器的食物体积测量技术、基于智能手机的用户心理健康状态感知技术；在面向全局效用优化的任务分配方法方面，提出了融合多任务和参与者特征的群智任务分配方法、基于参与者评价的群智感知任务推荐方法；在多任务群智感知数据分析方法方面，提出了基于少量样本的多任务感知数据补全方法、面向时间序列的频繁/稀有子序列的发现方法。项目面向智慧城市多源数据融合的需求，基于上述研究成果，研制了面向智慧城市多源数据模式匹配的群智感知原型系统，并通过与企业合作，将成果推广到了全国13个城市的智慧城市平台中。.本项目共发表高水平学术论文11篇（其中，CCF A类国际期刊1篇，中文期刊1篇，CCF A类国际会议5篇，B类会议1篇，C类会议3篇）。申请专利2项。共培养4名博士生、5名硕士生，5名本科生。项目执行期间，项目负责人王亚沙入选了教育部长江学者，项目参与者王乐业入选了国家级青年人才计划。