“人-机-物”协同感知中异构感知节点选择与调度机制研究

In dangerous places such as disasters and wars, the human-centered mobile crowdsensing systems are limited for data collection. But unmanned smart devices, such as UAVs, can extend the sensing scope of mobile crowdsensing systems. However, current mobile crowdsensing systems do not have the ability to manage heterogeneous sensing nodes, and cannot achieve the collaborative data collection of heterogeneous sensing nodes. Thus, the applicants intend to conduct innovative research on heterogeneous sensing nodes management. Firstly, to resolve the issues due to the difference of sensing capability and cost, the applicants intends to propose an n-order Markov chain based heterogeneous sensing node selection algorithm. Furthermore, to resolve the issues due to the difference of activity scope, the applicants intend to propose a deep reinforcement learning based heterogeneous sensing node scheduling algorithm. Next, to resolve the issues due to the difference of the space-time position and node type, the applicants intend to propose an incentive mechanism based heterogeneous sensing node cooperation algorithm. The research can break through the limitation of traditional sensing node management methods, achieve a budget constrained intelligent cooperative sensing system of smart device users, unmanned smart devices and IoT sensors, which can adapt to the impacts of sensing tasks requirements and external environment. The research work has a significant impact on the research of mobile crowdsensing systems, especially group intelligence for heterogeneous sensing nodes.

在自然灾害、战争等环境恶劣的场景中，以人为主体的群智感知系统感知范围受限，使用以无人机为代表的无人智能设备将显著提高群智感知系统的感知范围。然而，当前的群智感知系统尚不具备管理异构感知节点的能力，难以实现异构感知节点的协作式数据采集。因此，本项目拟在异构感知节点管理技术上开展原创性研究。针对异构感知节点感知能力和工作成本的差异，提出基于n阶马尔科夫模型的异构感知节点选择算法；针对异构感知节点活动范围的差异，提出基于深度增强学习的异构感知节点调度算法；针对异构感知节点时空位置和节点类型的差异，提出基于激励机制的异构感知节点协作算法。本项目将突破传统感知节点管理技术的瓶颈，实现预算受限的智能化“人-机-物”（智能终端用户-无人智能设备-物联网设备）协同感知系统，能够主动适应感知任务需求与感知环境变化。本项目的研究工作对于群智感知系统，特别是异构感知节点的群体智能化具有重要意义。

作为一种新型的数据收集和处理方式，群智感知已逐渐在各行各业中发挥越来越重要的作用。传统的群智感知以智能终端设备用户为主要参与者，受人类活动范围的限制，感知区域一般也仅限于城市等人群较为密集的地区，难以在地震、战争、核泄漏等极端场景中发挥应有的作用。随着物联网、通信技术的发展，无人机、无人驾驶汽车等新型智能设备的出现极大地拓展了人类的活动范围，从而也可以大幅度提高群智感知的应用范围。这些新型的智能设备整合了大量以GPS、加速度传感器为代表的高性能传感器，具备了强大的感知、计算、移动能力，同时高速移动互联网的出现也大大增强了它们的通信能力。然而，融入新型智能设备的群智感知依然面临着许多问题急需解决，如如何实现对无人智能设备的精准控制、如何实现异构智能终端设备的协作等。本课题针对上述问题，围绕异构感知节点选择、调度和协作算法开展研究工作，取得了如下成果：1)提出一种基于稀疏感知的面向失散人员发现的参与者选择算法；2)提出一种基于学习的可信参与者招募策略；3)提出一种基于互信息最大化的协同感知数据采集及数据重建算法；4)提出一种基于时空分辨率感知的协同数据采集及多跳校准算法。此外课题组还提出了一种基于雾计算的环境监测框架、一种无人机辅助的群智感知多任务分配方法等内容。课题组通过这些研究成果，成功在研究场景下将传统的群智感知升级至“人-机-物”协同感知，完成了拟定的研究计划。最终课题组累计发表学术论文15篇（包含SCI期刊论文7篇，EI期刊、会议论文8篇）、申请国内发明专利2项、培养研究生14名（包含6名博士，8名硕士），按期圆满完成了课题研究计划所列内容，基本达到了预期指标。课题组提出的模型、算法、策略、方案等内容与当前的技术发展和应用需求相吻合，具有较高的理论意义和应用价值，有希望在未来10年内得到进一步的应用的和推广。