移动感知中的资源优化与激励机制研究

Recently, due to its promising potentials, mobile sensing has been attracting much research attention. Most of existing works considered how to implement a mobile sensing system, with little effort on resource allocation and incentive mechanism design. In this project, we focus on these challenging issues, and propose several efficient solutions. We take into account the practical requirements of mobile sensing applications and corroborate the theoretical analysis by experimental results. Specifically, in this project, we will first study the sensing coverage problem in mobile sensing, and attempt to obtain a model for accurately quantifying the dynamic network coverage by adopting spatial-temporal correlation analysis, information theory and random graph theory. Then we will design centralized and distributed algorithms to optimize the performance of all participating mobile users while guaranteeing the required network coverage. Lastly, to encourage the participation of mobile users, we will investigate incentive mechanism and privacy protection schemes by appealing to economy theory, game theory and encryption. By providing efficient solutions to the aforementioned problems in mobile sensing, this project would lay a foundation for theoretical analysis and practical applications.

近年来，移动感知受到大量研究者重视，具有广泛的应用前景。大部分现有工作考虑如何搭建一个移动感知平台，对系统中的资源优化配置及激励机制研究甚少。本项目针对移动感知中的上述关键理论问题，结合感知应用的现实要求，采用理论分析及实验验证相结合的途径，提出了一系列有效解决方案。首先，本项目将研究移动感知中网络覆盖质量问题，通过时空相关性分析、信息论及随机图理论来建立覆盖质量的动态模型。然后在保覆盖质量的前提下实现移动设备用户性能最优化，并设计中心式及分布式的节点资源优化算法。为了鼓励更多的移动用户参与到感知任务中来，本项目基于经济学、博弈论、加密等技术和理论研究移动感知中的激励机制以及隐私保护方案。本项目所提出的针对移动感知平台资源优化配置、激励机制及隐私保护方案， 将为移动感知系统的理论研究和应用提供重要理论基础和方法支撑。

移动感知是环境监测、智能交通和智慧城市的重要支撑技术，传感器网络和群智感知是两个典型的移动感知模式。本项目针对可充电传感器网络的资源优化和感知质量问题，以及群智感知的任务分配和激励设计问题，得到了如下一系列原创性研究成果：..针对可充电传感器网络的资源优化问题，首先在链路和电池容量双重约束下，设计了节点采样率和电池能量的联合优化算法；然后利用近似网络效用最大化技术，解决了有移动汇聚节点存在时，汇聚节点移动性造成的数据传输能量时变问题；最后，针对可充电无线传感器平台WISP充电和数据传输必须分离的特性，设计了最优的阅读器能量调度法，有效实现了充电效率和传输冲突率之间的平衡。..针对传感器网络的感知质量问题，对于概率感知模型，把概率区域感知问题转化为点覆盖问题，并设计了全覆盖问题的优化算法，并从数学上严格证明了该算法的理论性能；对于全景感知模型，通过找出区域全景覆盖与点全景覆盖之间的内在几何关系，把区域全景覆盖问题转化成了点全景覆盖问题，并分别设计了相应的集中式和分布式算法；最后，对于主动感知模型，考虑双基雷达传感器网络场景，构建了感知质量覆盖图，并设计节点激活算法来选取传感器的覆盖集合。..针对群智感知系统的任务分配与资源优化问题，首先设计了一种通用的有效近似算法来解决任务分配中存在的NP难问题，并分别提出了保系统性能的集中式算法和分布式算法；然后，分别研究了微云和频谱感知两种群智感知应用中具体的任务分配与资源优化问题。..针对群智感知系统的激励设计问题，创新性提出了一种分布式算法来计算群智感知系统的Walrasian均衡，该算法利用对偶分解技术有效收敛到系统最优解；然后，考虑群智感知系统中人与人之间的社交关系，设计了一种全新的社交激励机制；最后，以群智感知技术在恶意节点检测中的应用为例，针对全信息和部分信息两种不同场景设计了有效的激励机制。