移动群智感知中基于位置语义的情景计算关键技术研究

The emerging technology of mobile crowd computing systems has great application value. The key technologies of situation computing based on semantics location are regarded as crucial parts of generic technologies in LBS for crowd computing environments. In this project, combined with the requirements and characteristics of mobile crowd computing, we present the architecture of location situation sensing system. We propose the semantics location model for mobile objective and its method of formal description. We present the architecture of situation computing based on semantics location. We propose a deterministic and a probabilistic implementation of scenarios models. We present the online incentive mechanism supporting dynamic sensing tasks and users' nature of opportunistically occurring in the area of interest. We propose the dynamic system model, and improve the truthful online incentive mechanism based on non-zero arrival-departure model in order to make a tradeoff between utility maximization and truthfulness. In order to improve the qualitu of competitive and cooperative sensing data, we design the mechanism of data processing. We design and implement the prototype system of sensing density of the crowd in city in order to avoid the occurrence of safety accidents. In this project, we analyze and evaluate the performance of situation sensing mechanism based on semantics location by using the combination of theoretical analysis, verification and simulation experiments.

新兴的移动群智感知计算蕴藏着巨大应用价值，基于位置语义信息的情景计算关键技术是群智感知中位置服务共性技术重要组成部分。本研究结合移动群智感知特性与需求，构建位置情景感知系统体系架构。研究面向移动对象的位置语义模型，提出位置语义表述模型及其形式化描述方法，并在此基础上研究基于位置语义信息的情景计算框架，提出基于场景的分层情景模型构造方法、确定和非确定场景的识别方法。研究面向动态任务和节点策略性参与的群智感知在线激励机制，提出改进的非零到达-离开模型等保证真实报价在线激励机制，实现效用和保证真实报价的优化均衡。研究面向系统级优化的竞争型和合作型感知数据质量增强技术，提高数据质量和可用性。面向城市地铁和大型社会活动类公共安全，构建基于位置情景计算的城市密集人群拥挤实时感知与应急管理示范应用。拟综合采用理论分析、模拟仿真和构造原型系统等手段来验证基于位置语义信息的情景计算机制的有效性和性能。

新兴的移动群智计算蕴藏着巨大应用价值，基于位置语义信息的情景计算关键技术是群智感知中位置服务共性技术重要组成部分。本研究结合移动群智感知特性与需求，研究提出了位置情景感知系统体系架构；研究提出了位置语义表述模型及其形式化描述方法，并在此基础上构建了基于位置语义信息的情景计算框架；研究提出了面向动态任务和节点策略性参与的群智感知在线激励机制，实现效用和保证真实报价的优化均衡；研究提出了面向系统级优化的竞争型和合作型感知数据质量增强技术；面向移动感知需求构建了智能系统平台及其应用示范。特别是本研究在面向移动感知数据质量增强与智能认知研究方面取得重要研究进展并获得重要结果，本项目研究组基于深度学习方法，研究提出了一种基于深度学习的非侵入式多参数故障诊断系统，基于构建的模型研究提出了一种新的基于稀疏自编码器的深度神经网络的故障诊断算法，以及研究提出了模型和数据联合驱动的基于编解码结构的深度表征学习方法等。本项目研究取得了良好的研究成果：发表高水平学术论文16篇，其中高水平国际期SCI刊论文8篇，高水平国际EI会议论文8篇（其中5篇为CCF推荐会议），且其中SCI一区/CCF A类论文5篇（包括本领域著名学术期刊IEEE TIP，ACM TKDD，IEEE TGRS，IEEE-ACM TN，ACM TIST等），获得发明专利授权1项，获得软件著作权授权6项，培养毕业研究生5人，举办与组织相关高水平学术交流会议2次，参加国际学术会议并做分组报告8次，邀请邀请同行海外专家学者来华交流3次等。