移动群智感知优质高效数据收集方法研究

Pervasive human and ambient sensing are emerging research topics in computer science. Traditional static sensing infrastructures are limited to attain anywhere, anytime sensing due to the reasons such as high installation and maintenance cost, insufficient spatial coverage, and so on. To address this, a new sensing paradigm called mobile crowd sensing (MCS) is proposed. It leverages the increasing number of mobile device users to be mobile sensor nodes, which can connect and cooperate with each other to complete large-scale, complex sensing tasks. Compared to traditional sensor networks, crowd-powered sensing and computing presents numerous research challenges and open issues to be addressed. This project will mainly target the high-quality and efficient data collection problem, and explore several crucial issues in it, such as optimized task allocation, crowdsensed data quality estimation, and selective data collection. In detail, we will study: (1) crowd spatio-temporal context and MCS task modeling; (2) optimized allocation of complex tasks; (3) high-quality data selection based on sensing coverage needs; (4) high-quality data selection based on data semantics. The significance of this research is to study the key MCS techniques, build the generic framework for MCS data collection and processing, and explore the optimized task allocation and high-quality data collection methods. We will further push the usage of the developed techniques and findings to various potential application areas, such as public safety sensing, intelligent city management, and pervasive environment sensing.

移动群智感知是一种新的感知模式，它以大量普通用户作为感知源，强调利用大众的广泛分布性、移动性和连接性完成大规模、复杂的感知任务。相比传统感知网络，移动群智感知面临一系列新的研究挑战。本项目将以群智感知的优质高效数据收集为研究对象，对高效任务分发、质量评估、数据选择移交等关键技术问题进行深入研究。具体研究内容包括：（1）群智感知能力与任务统一建模；（2）群智感知复杂任务优化分发；（3）覆盖需求驱动的群智感知数据优选；（4）语义理解驱动的群智感知数据优选。项目意义在于通过群智感知关键技术研究，构建群体参与式数据高效收集与处理基础架构，探索群智感知任务分发和数据优选等方法，并将研究成果推广到公共安全、环境监测、城市精细化管理等重要应用领域。

本项目围绕移动群体感知中的优质高效数据收集进行深入研究。旨在提出一个通用的群体感知能力与感知任务描述模型，解决复杂任务优化分发、低质冗余数据优选等关键问题，并结合城市精细化管理等领域开展群体感知方法验证。具体研究内容包括：（1）群智感知能力与任务统一建模；（2）群智感知复杂任务优化分发；（3）覆盖需求驱动的群智感知数据优选；（4）语义理解驱动的群智感知数据优选。 . 项目在如下四个方面取得重要研究进展。（1）群智感知能力与任务统一建模。对用户偏好、时空情境、移动规律、社会交互行为及社会关系等进行建模和理解，提出了基于无线信号的参与者能力感知评估方法和移动群智感知概念模型及参考体系架构。（2）群智感知复杂任务优化分发。面向群智感知多任务并发背景下的分配问题，提出基于大规模领域搜索的群智任务优化分配、基于现代投资组合理论的群智多任务分配、以及面向多属性异质任务的参与者优选等方法。（3）覆盖需求驱动的群智感知数据优选。提出了基于多侧面约束的移动群智感知图像优选方法以提高视觉感知质量；分别从云-边-端融合的自适应模型压缩、自适应模型分割角度出发，提出AdaSpring方法和GADS方法来实现在资源受限设备上高效数据处理。（4）语义理解驱动的群智感知数据优选：提出了基于隐式群体智能的群智数据优选和理解、基于多维群智数据的预测模型；在国际上率先推出了开源的群智感知平台CrowdOS，涵盖群智任务敏捷发布、复杂任务高效分配、多粒度数据隐私保护等核心功能。.基于本项目支持，在国内外重要期刊和会议上如IEEE TMC、IEEE IoT、ACM TKDD、ACM TIST、UbiComp、CSCW、IJCAI等上发表论文52篇，其中SCI收录26篇，CCF A类论文18篇。本项目关键技术实现专利申请12项，已授权3项。项目负责人获得国家杰出青年科学基金，并获得教育部自然科学一等奖1项、陕西省自然科学一等奖1项，作为负责人入选陕西高校青年创新团队。