移动计算中的群智感知-zhengyang.pdfVIP

移动计算中的群智感知 Crowd Sensing in Mobile Computing 杨铮 吴陈沭 清华大学 hmilyyz@ wucs32@ 完成于7月5 日，修改于8月27 日 摘要 随着无线通信和传感器技术的快速发展，无线移动终端设备呈爆炸式 普及，市场上的手机和平板电脑等设备集成了越来越多的传感器，拥有越来 越强大的计算和感知能力。在这样的背景下，群智感知成为当前移动计算中 的研究热点。无线网络与移动计算的几个著名学术会议中，例如ACM MobiCom、ACM MobiSys、IEEE INFOCOM等，许多论文都采纳了群智感知的 思想。MobiSys 2011专门开辟一个会议单元收录相关论文，MobiCom 2012 中至少有 5 篇论文涉及群智感知。 在群智感知中，大量普通用户使用手机、 平板电脑等移动设备作为基本感知单元，通过移动互联网进行协作，实现感 知任务分发与感知数据收集利用，最终完成大规模的、复杂的社会感知任务。 简而言之，群智感知发挥“人多力量大”的特点，将大量草根用户拧成一股 绳，形成随时随地、无孔不入、与人们生活密切相关的感知系统。以前需要 耗费大量人力物力的工作例如道路交通情况监测、大规模无线信号勘测等等 都可以通过群智感知的模式来完成。本文首先介绍了群智感知的基本概念及 其思想，着重讨论了群智感知中的任务分发与收集利用机制，并以监测道路 交通情况和构建建筑物室内地图为代表介绍了两个群智感知的案例，最后在 总结本文的同时探索群智感知中的研究热点。 群智感知的概念 在群智感知中，大量普通用户使用移动设备作为基本感知单元，通过 移动互联网进行协作，实现感知任务分发与感知数据收集利用，最终完成大 规模的、复杂的社会感知任务。 在计算机科学领域，与群智感知相近的概念包括群体计算（Crowd Computing）、参与式感知（Participatory Sensing）、社群感知（Social Sensing）、众包（Crowdsourcing）等等，它们都以大量用户参与作为基础， 可以说在理念上是一致的。对比群智感知，群体计算包含的范围更广一些， 众包多指是任务分发的机制，而参与式感知和社群感知与群智感知在理念上 近似，但分别强调不同的方面。 在群智感知这种协作模式中，完成复杂感知任务的参与者无需是拥有 专业技能的人士。与此相反，大量草根用户成为中坚力量，通过合理的协作 来完成他们单独不可能完成的任务。用户可以主动参与感知任务，也可以被 动参与。假设我们想知道某一时刻城市道路的拥堵情况，那么各地广播电台 交通台的工作模式就是用户主动参与，依赖于走在路上或者开车的人通过发 短信汇报当时当地的道路交通情况。如果利用手机中的传感器自动的监测人 群的移动情况并进行汇报，那么就是用户被动参与。用户被动参与的好处是 用户无需为完成感知任务付出额外的精力和负担，因此用户参与热情高，用 户数量容易提升。 通常来讲，群智感知中的感知任务是复杂的，其感知对象也不仅仅是 一般传感器所感知的温度、湿度、位置等物理属性，更不限于图像、声音等 多媒体数据。上面提到的道路交通状况，以及其他社会事件、人群的活动 等等都是具有强烈社会属性的，因此在本文中称为社会感知任务。社会感知 任务具有范围广、规模大、工作任务重等特点，不是一个用户能够轻易完成 的。为了发挥“人多力量大”，群智感知渐露峥嵘，将大量草根用户拧成一 股绳，形成随时随地、无孔不入、与人们生活密切相关的感知系统。 群智感知背后的思想古已有之，近几年移动计算的爆炸式发展拓展了 群智感知的规模，而传感器技术的普及增强了群智感知的力量，很多以前不 易完成的任务变得轻而易举。在大城市中，监测道路交通状况通常需要耗费 大量人力物力资源，在大街小巷安排交通警察执勤不现实，而部署大量摄像 头还必须要