群智感知中基于可信交互的细粒度众包机制研究

Considering the characteristics of service requirement are personality and diversity for users in the process of Crowd Sensing (CS), the completion of service is mainly depending on coordination and crowdsourcing between users. Aiming at the challenges that mobility, randomness, and space-time complexity of users bring to task allocation, data sensing and data transmission in CS, we will research on fine-grained crowdsourcing mechanism based on trusted interaction, and have a thorough research on its service mechanism and key technologies. This project makes a study from the following three aspects. 1) We will analyze the social characteristics of mobile nodes, conclude multi-dimensional factors of trust relationship, and research on trust relationship cognition. 2) We will analyze the dependency relationship between sensing tasks and crowdsourcing nodes, and research on the fine-grained matching mechanism based on trust-need under different restricted conditions. 3) We will analyze the mobile node behaviors and social network structure, and research on data routing scheme based on trust cooperation and minimum cost under the heterogeneous and mobile environment. With this research, the service quality and service accuracy of crowdsourcing can be greatly improved and the value of data can be notable enlarged. Meanwhile, the research of this project can also provide theoretical and technical support to related areas such as analyzing the trust relationship, mining the behavior pattern and decision making of crowdsourcing in mobile environment.

在群智感知过程中，考虑到服务主体需求个性化和多样化的特征，感知任务更多依靠的是用户之间的相互协作和众包来实现。针对节点移动性、社会性和时空复杂性给群智感知中的任务分配、数据采集、数据传递等带来的挑战，提出一种基于可信交互的细粒度众包机制，深入研究其服务机理和关键技术。具体从以下三个方面展开：1）分析移动节点社会特性，归纳影响信任关系的多维要素，研究众包服务节点的动态信任关系认知方法；2）分析感知任务和众包节点间的依赖关系，研究满足不同约束条件下基于信任需求的细粒度众包匹配机制；3）移动节点行为和社群网络结构的挖掘与演化特性分析，研究在异构、移动环境下的基于可信协作和最小代价的数据路由策略。本项目研究成果能够有效改善众包服务质量，提高服务精度，扩大数据价值。同时，为移动环境下的节点信任关系分析、行为偏好挖掘、众包模式决策等相关应用领域的深入研究与实践提供理论和技术支持。

群智感知利用普通用户所携带的移动设备通过主动式或被动式的感知完成大量感知数据的收集和上传，进一步实现对物理世界的情景感知，具有广阔的应用前景，并逐渐成为国内外研究的热点。项目重点围绕群智感知中的节点信任关系认知、细粒度匹配机制、数据路由与众包激励等问题展开了系统化研究。.针对群智感知中节点信任关系计算存在的层次关系划分不清、关联因子描述粗糙等问题，提出一种采用社会属性的亲密度量化方法，通过分析影响节点社会关系的多维要素，将节点属性因子划分为静态和动态两个维度。通过构造多维语义分级树和空间索引编码，对节点静态属性进行挖掘和形式化表示。基于层次分析法实现节点动态属性的二级评判和有效聚合，并通过节点融合度对亲密关系进行二次修正。.针对参与式感知中的节点选择与任务匹配问题，设计了基于区域任务特征向量的节点子集选择算法。该算法以任务为中心，通过匹配任务与区域特征，得到与任务关联紧密的区域，并从中选择节点执行感知任务。针对机会式感知中的节点选择，设计了基于移动概率矩阵的节点子集选择算法。该算法以节点为中心，着重考虑节点移动过程中对任务区域的覆盖，根据移动概率矩阵预测节点的移动，选择能够使任务区域达到覆盖要求的最小节点集执行感知任务。.针对众包任务的分发与数据回传问题，建立了基于公交系统的任务差异化分发模型，提出了感知区域内一定预算约束下的差异化分发问题，并分别设计了两种差异化分发算法：基于覆盖差异的分发算法和基于扩散差异的分发算法。进一步的，建立了基于公交系统的感知数据快速回传模型，提出了一定预算约束下的多数据动态扩散回传问题，并设计了一种基于回传效用增量的数据回传算法。.针对现有方法在激励过程中没有充分考虑感知任务的参与用户数量、恶意竞标行为和数据质量认证对群智感知带来的影响，构建了一种面向感知任务的群智感知系统激励模型，该模型主要实现了众包服务节点的选择功能和感知数据质量的控制功能。