大规模移动群智感知中的资源优化理论与技术研究

With the wide spread of smartphones, wearable devices, and mobile IoTs, human-centered mobile crowdsensing (MCS) has been emerged as a new sensing solution for collecting large-scale data in many applications. Optimization in mobile crowdsensing systems has recently attracted many attentions from researchers, however there still exist many open problems. This project studies resource optimization in mobile crowdsensing system, with aims to design resource allocation algorithms which improves the overall efficiency of resources while accomplish all sensing and computing tasks by mining and using temporal-spacial and social characteristics of users. Specifically, this project will (1) study participating selection and task assignment problems under different models of MCS, and solve them in theory by proposing efficient algorithms for these complex optimization problems; (2) propose new hybrid communication method to collect mobile sensing data by leveraging mobile social networks and multi-level social group based opportunistic routing; (3) design new distributed computing solution for MCS system, where computation tasks can be outsourced to mobile users to leverage their heterogeneous computational resources and stable social characteristics in mobile social networks. Finally, this project integrates the three research issues above and implements a prototype system of large-scale MCS system. Evaluations of proposed algorithms and systems will be conducted via simulations, experiments, and theoretical studies.

随着智能手机、可穿戴设备和移动物联网的普及，以人为中心的移动群智感知成为提供大规模数据采集的一种新模式。移动群智感知的优化已被国内外研究人员所重视，然而目前还存在许多亟待解决的问题。本项目以大规模移动群智感知为研究对象，目标是充分挖掘移动用户的时空和社会特性，从而设计在完成海量感知计算任务的同时降低网络资源开销和提高系统有效性的资源优化算法。本项目拟：(1)研究不同群智感知模型下的用户选择和感知任务分配问题，建立统一的优化理论并设计有效算法来应对复杂多样的感知任务；(2)利用移动社交网络和基于多层社会属性的机会路由，实现混合数据传输模式来收集海量移动感知数据；(3)允许群智感知系统把计算任务众包给不同移动设备，充分利用异构的计算资源和稳定的社会属性来设计基于移动社交网的分布计算机制。本项目将集成阶段性成果，设计并实现基于移动网络的群智感知原型系统，通过仿真、实验和理论分析评价所设计的算法。

随着智能手机、可穿戴设备和移动物联网的普及，以人为中心的移动群智感知成为提供大规模数据采集的一种新模式。本项目以大规模移动群智感知为研究对象，充分挖掘移动用户的时空和社会特性，有效利用优化理论、D2D数据传输和智能感知等新模式新方法，围绕复杂感知任务的用户选择和任务分配、数据收集和移动智能感知进行基础理论和关键技术研究。主要成果包括（1）利用移动用户的时空规律特性，提出了多种有效的用户选择和任务分配算法；并且对如何利用自学习能力来学习用户的能力、如何设计对参与用户的刺激机制、如何保护参与用户的个人隐私等多个与用户选择密切相关的核心问题进行了深入研究。（2）利用移动用户的移动性和社交性，提出和实现了多种基于D2D链接和用户社会属性来传递和收集感知数据的方法。（3）致力于各种移动智能感知应用技术的研究，并完成了多个基于无线信号、手机传感器、音频感知等的智能感知系统。本项目以大规模移动群智感知的应用需求为驱动，以群智感知系统中资源优化为核心，较好地完成了之前设定的研究目标，在设计理论、部署策略、任务分发、传输技术、智能感知应用等方面取得了较多具有国际先前水平的创新成果，为下一代大规模移动智能感知系统的开发研究与应用打下了坚实的基础。