协作式移动群体感知数据选择方法研究

Mobile Crowdsensing (MCS) leverages mobile smart devices of people to accomplish different large-scale sensing task. With the ubiquitous utilization of cameras as life-logging tools, the MCS mode that uses pictures as the medium of sensing has attracted much attention, and this sensing mode is called Visual Crowdsensing (VCS). The distributed data-sampling way of MCS brings many redundant data and thus receiving high-utility data in a selective way will be an effective way to transmit VCS data on the weakly-connected network of MCS. This project will give a deep analysis on the requirements of VCS data selection and will focus on the method to select data. We aim to study (1) task and data modeling; (2) methods to value the data; (3) methods to gather high-utility data. This research has theoretical meanings and practical values. On one hand, the research improves efficiency of gathering data by building rational task and data models for clear task-understanding and providing participants with sampling advice through exploring the cooperative relationships among them. On the other hand, in order to positively develop the VCS systems, we will design these methods based on the benefits of participants and task providers, which will provide methods and technical supports to VCS applications in different domains.

移动群体感知利用人们携带的移动智能设备完成各种大规模的感知任务。随着摄像头成为人们记录生活点滴的工具，以照片作为感知媒介的群体视觉感知成为目前广受关注的一种移动群体感知模式。移动群体感知的分布式数据采集方式导致大量冗余数据的产生，有选择地接收高效用数据是解决群体视觉感知数据在弱网络环境下传输的有效途径。本项目深入分析群体视觉感知数据选择需求，研究基于节点协作的数据选择方法。具体研究内容包括：（1）群体视觉感知任务与数据建模；（2）群体视觉感知数据价值评估；（3）群体视觉感知数据优选汇聚。本研究的意义在于一方面通过建立统一的任务与数据模型，使各种任务都能够无二义地被解析，通过发掘节点间的协作，督导节点进行数据采集，并通过数据选择，提高数据汇聚效率，另一方面从参与者与任务发布者的利益出发，促进群体视觉感知平台的良性发展，并为群体视觉感知在不同领域的应用提供方法和技术支持。

移动群智感知将普通用户的移动设备作为基本感知单元，通过移动互联网进行有意识或无意识的协作，实现感知任务分发与感知数据收集，完成大规模的、复杂的社会感知任务。数据质量和采集成本是所有群智感知应用在实施中必须考虑的关键指标，降低感知成本以及提高数据质量是促进群智感知在智能城市和智能交通等领域发挥作用的重要手段。本项目重点研究了以大众使用手机拍照作为感知手段的群体视觉感知中存在的挑战，具体研究内容包括：.（1）群体视觉感知任务与数据建模。第一，提出任务驱动的视觉感知数据流建模方法，该方法能够快速甄别冗余数据，以此提高数据收集的可靠性。第二，定义视觉感知任务模型和数据模型，开发了任务驱动的视觉感知数据采集和收集平台，研究任务完成率、激励成本、数据质量三者之间的平衡关系。第三，提出基于多侧面动态任务划分的任务分配算法，该方法通过优化子任务的划分，提高任务的完成率。.（2）群体视觉感知数据选择方法。第一，提出面向移动视觉感知的统一效用评价框架UtiPay，从宏观和微观两个角度对数据的效用进行评价。第二，提出参数化任务约束下的移动视觉数据采集模式，通过移动终端的传感器限制数据采集行为提高数据质量。.（3）群体视觉感知数据优选汇聚。第一，提出新的移动群智感知的激励机制模型TaskMe，通过对数据的质量评估和多轮竞价，激励用户移交优质数据。第二，提出开放式的数据采集模式，通过向参与者提供已收集到的数据的信息帮助参与者采集优质数据。.（4）典型应用。第一，开发了基于抢红包的群体感知视觉数据收集平台。第二，研究基于移动视觉感知的临时障碍物检测应用。第三，研究基于视觉感知的路面车辆跟踪应用。