群智感知网络发展现状及面临问题

李铀 张可欣 郑特 韦江华

1.广西科技大学教务处计算机科学与通信工程学院；2.广西科技大学机械与汽车工程学院

随着移动终端设备、嵌入式传感器设备等的快速发展，移动群智感知网络成为物联网的新感知技术，相较于传统感知网络解决了成本高的难题，近年来被广泛应用于发展。本文主要从移动群智感知网络的发展研究现状及未来面临问题进行综述。通过对群智感知网络的定义、特点及架构，群智感知网络在3个方面的经典应用等进行阐述和总结。

物联网不断发展到现在已经进入了一个新的更深层次的发展阶段，对于我们所在信息世界的一个透彻感知需求愈发强烈，在互联网、传感器等技术快速发展的浪潮下，移动终端设备的快速普及，拥有越来越强大的感知计算能力，使得移动群智感知网络成为移动计算的核心[1]。移动群智感知网络能够大幅度降低大规模感知网络的所需成本，很好地解决了成本高的关键难题，成为物联网的核心[2]，近年来受到广泛的研究关注。

1 移动群智感知网络介绍

1.1 移动群智感知网络的定义

群智感知网络这个思想最早是在互联网发展初期被人们所提出并应用的。众包(Crowdsourcing)这个概念早在2006年时于《连线》杂志上提出[1]，即采用分布式将任务分配出去，交给广大互联网用户自愿完成。随着近几年来各种技术不断成熟，智能感知(Crowdsourcing)是作为新型的物联网感知模式。而由于群智感知网络这个新兴感知模式发展并不久，并没有一个共同且精准的定义描述。以下是一个宽泛且广为人知的基本定义。

在群智感知网络中，用户手中的独立智能终端设备(如手机、手环、平板等)以及传感设备是群智感知的基本单元，再通过互联网等网络协作形式对大规模城市进行复杂的感知任务的实现[1]。根据用户对感知数据收集方式的不同，移动群智感知又分为机会式感知和参与式感知[2]。机会感知主要在用户不知情的情况下进行的感知行为，不需要用户主动参与感知过程。而参与式感知是用户自发且主动感知数据的过程。本文主要讨论机会感知，即用户无意识情况下参与感知。

1.2 移动群智感知网络的体系结构

一个移动群智感知网络的典型基本架构通常由感知层、网络(传输)层、应用层三部分组成。

（1）感知层。感知层在人各个重要的器官中充当着皮肤以及五官的角色，有对物理环境进行全面感知的能力，移动群智感知网络的结构中作为物理环境信息获取的核心和基本。用户个体以及各种智能终端设备组成了感知层[3]，在云端收集到来自使用者的感知任务请求后分配给不同的参与者，参与者通过集成于智能终端中的丰富传感器对外界环境或人体机能状态等物理信息进行数据感知以及数据采集。例如，利用加速度传感器感知检测路面颠簸以及坑洞情况监测[4]；通过麦克风感知音频样本以监测城市噪声污染状况[5]；使用GPS、WiFi信号检测器和GSM提供位置数据等[6]。

（2）传输(网络)层。传输层作为移动群智感知网络中的神经中枢和大脑，又分为数据传输、数据收集、数据处理三个方面。移动群智感知网络利用参与者移动终端设备进行数据传输，但用户数量庞大且各个用户所使用的网络不完全相同。故传输层中拥有许多中网络，主要用于将大量的感知数据上传到云端服务器中。传输层还负责着激励用户参与到感知任务以及感知任务的分配。

（3）应用层。应用层作为移动群智感知结构中的“加工产”。在最后对收集到的原始感知数据进行数据处理，将感知数据可能存在的不精确、不完整、不一致等问题[3]进行处理从而达到提高感知数据质量的目的。云端服务器通过应用层的处理将感知数据进行存储，再与行业需求结合，通过各种不同的应用程序为用户提供不同类型的服务，实现行业的智能化。

1.3 移动群智感知网络的特点

智能感知网络与传统无线传感器网络的区别就在于—智能感知网络通过因特网将人、传感器等连接起来。人在感知任务的过程中既作为消费者也作为生产者，而在传统无线传感器网络中单纯依靠大量传感器所构成的网络感知信息最终将感知数据传给用户，用户仅作为消费者。在这种新型感知网络中有如下特点：

（1）部署感知网络成本及细粒度降低。移动群智感知网络通过用户手中独立的移动智能终端设备中内含的大量传感器进行感知，并且使用智能设备可使用已有网络进行感知数据的传输。在这群智感知网络中无需再部署其他的传感器以及传输设备，且智能设备由用户个体来进行管理和维护，故移动群智感知网络所需的成本降低，同时也降低了感知网络中所需的维护成本。同时随着时代科技的不断发展，越来越多的用户使用智能设备且具有移动性，使得移动群众感知网络可以完成大规模的城市感知任务，例如，文献[7]使用移动群智感知设计了3D时空细颗粒物(PM2.5)检测系统BlueAer用于从细颗粒水平上了解城市PM2.5的浓度分布等。群智感知网络与传统的无线传感器网络相比，这种特点是群智感知网络最显著的优点，同时也是群智感知网络兴起的主要原因。

（2）感知数据的不完整性及不准确性。由于机会式感知中不需要用户有意识的参与感知过程，即感知任务都是在智能设备中自动进行的，感知数据依赖于感知算法和应用环境[2]，而每个用户的设备性能各不相同，导致用户所感知的数据不尽相同。

（3）具有更大的可扩展性。随着人的移动就可以扩大感知范围的覆盖范围，因此只需要大量的用户参与到感知网络中便可以实现感知网络的扩大。

2 群智感知网络的应用发展与研究现状

群智感知网络发展到目前为止已经在各种场景中广泛应用，例如环境[9-10]、交通[11-13]、社交[14-15]等各个方面。按照应用领域不同进行分类可分为环境感知、基础设施感知以及社会感知三种类别[16]。

2.1 环境感知

环境感知应用借助于用户在生活中所感知到的物理环境信息来完成城市环境网络的绘制，在便利人们生活的同时还可以使人们防止受到环境污染造成的损失。

例如，一个用于对环境的空气污染质量检测的示例原型部署是Common Sense系统[17]。Common Sense系统中使用空气质量传感器检测空气中所含有的各种污染物(如二氧化碳、氮氧化物等)，将检测到的数值传输到与系统相连接的用户智能设备上以供用户参考。当大量用户的手机部署时，就可以共同感知测量一个大范围的空气质量，构成一个空气质量监测系统。同样，人们也可以利用手机上的麦克风传感器来检测环境中的噪音水平，如文献[18]中NoiseTube使用手机中的麦克风传感器对环境中的噪音值进行检测，并利用大量感知数据进行城市噪音地图的构建。

2.2 社会感知

通过移动群智感知网络人们可以随时记录、分享感知信息，通过上传感知数据并进行数据的比较以及分析来更好的了解和改善自己的行为习惯。例如，个人可以分享他们的锻炼数据(例如一天锻炼的时长以及强度)，并将锻炼数据水平与社区其他人对比，可以改善自身的日常锻炼。这方面的一个典型用例是糖尿病患者在社区观察其他糖尿病患者吃什么并控制他们的饮食或向其他人提供建议。

2.3 公共基础设施感知

公共基础设施应用中包括了与公共基础设施相关的大规模现象的测量。例如，测量道路平整状况、交通拥堵现象、停车位可用性和实时交通跟踪等。

（1）测量道路的平整性及交通拥堵状况。如麻省理工学院的Cartel[19]和微软研究院的Nericell[20]。Cartel系统利用汽车上的专用设备(例如GPS、WiFi检测器等)来检测行车的地理位置并收集到相关的路面状况。为便于用户查询所需的服务，再将所收集到的数据通过网络传输到中央服务器。Nericell系统利用用户手机上的各种传感器(如GPS、加速度传感器)就可以确定平均车速或交通延误，还可以监测喇叭声的大小以及道路上的坑洼。

（2）检测停车位可用性。ParkNet应用程序[21]依靠超声波传感器对车位的使用情况进行检测，将检测信息通过处理器处理后上传到云端服务器，再由服务器发送数据给用户。从而构建一套检测城市停车位信息的检测系统。该系统需要在汽车上安装有超声波传感器装置，然而该装置的安装成本较高，尚不容易实现大规模网络。

（3）实时交通跟踪。文献[22]使用蓝牙感知装置实现预测公交到站的时间。主要利用在公交车以及公交站点分别安装智能识别卡和蓝牙感知装置，当公交经过站点时，公交车上的智能识别卡就会被站点的蓝牙感知装置所感知。

3 移动群智感知网络发展面临问题

群智感知网络在物联网领域中初露头角，是一种新型的网络感知模式，便已经在生活的各个领域被广泛应用。然而移动群智感知仍处于初步发展阶段，面临着许多挑战，尚需要在多个关键环节予以完善，如技术、理论、应用[23]等方面。以下主要分析三个方面。

3.1 用户隐私安全保护

移动群智感知网络在进行感知任务时需要收集大量用户的感知数据信息，在这一过程中，感知数据的收集可能会导致用户个人隐私信息的不慎泄露。如通过用户出行通勤、在外旅游时使用的GPS传感器对用户个人工作地点、常用路线等隐私信息进行推测[24]。因此，在该网络中，既要保证用户个人的隐私安全问题，又要兼顾移动群智感知应用的实现。

在隐私保护安全方面，目前已有许多研究与算法。如安全多方计算 (Secure Muti-party Computation)[25]，安全多方计算使用去中心化、数据加密等技术来确保用户相关数据的安全。这类加密技术属于技术密集型，因需要为他们生成并维护多个密钥，故不可拓展，导致有更多的能量消耗。如文献[26]提出了一种基于移动节点的隐私保护算法等。即便当前已有许多学者在对该方面问题提出一些见解与方法，但至今还没有一个能完全保证用户隐私安全问题的算法。当前隐私保护还是一个重要问题。

3.2 感知数据质量可靠性

移动群智感知网络依靠大量用户提供感知数据上传到云端服务器分析供用户使用，故依赖于用户所提交数据的质量。而用户使用智能设备进行数据感知，每个用户设备不具有统一性，感知数据不一定完整可靠。因此需要对感知数据进行管理整合。

目前有关移动群智感知网络质量的研究较少。文献[27]首先从时间空间两个维度定义“城市分辨率”这一新指标，并从时空覆盖质量以及数据质量分析并提供了一些移动群智感知网络中感知质量保障的方法。文献[28]设计了分发算法和数据质量评估算法。结合了汤普森抽样算法和贪心策略对数据质量以及覆盖区域进行检测量化。但随着覆盖范围扩大，该算法会出现感知数据重复等状况。

3.3 群智感知激励机制

群智感知应用中需要大量用户的参与，而参与感知任务时会消耗用户资源(如电量、内存、计算等)，且存在隐私安全问题，这就要求通过适当的激励机制，保证有足够的用户参与感知任务从而保证感知任务的实现。

4 结语

移动群智感知作为物联网的新型感知技术，在快速发展的同时也面临着许多问题与挑战。论文首先对群智感知网络的基本概念和经典网络结构进行了阐述，再对群智感知网络的特点进行分析并结合文献总结了群智感知网络面临的挑战。

引用

[1] 刘云浩.群智感知计算[J].中国计算机学会通讯,2012,8(10): 38-41.

[2] 陈荟慧,郭斌,於志文.移动群智感知应用[J].中兴通讯技术, 2014,20(1):35-37.

[3] 刘云浩.物联网导论[M].北京:科学出版社,2010.

[4] 刘媛妮,李慧聪,关鑫,等.移动群智感知激励机制研究综述[J].重庆邮电大学学报(自然科学版),2018,30(2):147-158.

[5] Mohanp,Padmanabhan V N,Ramjee R.Nericell: Rich Monitoring of road and Traffic Conditions Using Mobile Smartphones [C].Sensys.[S.1.]:ACM,2008:323-336.

[6] Sara Hachem,Vivien Malet,Raphael Ventura,et al.Monitoring noise pollution using the urban civics middleware[A].IEEE First International Conference on Big Data Computing Service and Applications[C].USA:IEEE,2015:52-61.

[7] 吴凡.基于群智感知的WiFi室内定位技术研究[D].武汉:华中科技大学,2019.

[8] Hu Y,Dai G,Fan J, et al. BlueAer: A fine-grained urban PM2.5 3D monitoring system using mobile sensing[C]// IEEE Infocom--the IEEE International Conference on Computer Communications. IEEE, 2016:1-9.

[9] 黄永宁.基于群智感知的灾害数据采集、传输与应用[D].南京:南京邮电大学,2016.

[10] 孟想.基于群智感知的空气质量传感器校准方法设计与实现[D].北京:北京邮电大学,2018.

[11] Bychkovsky V, Madden S,Chen K,et al.Distributed Mobile Sensor Computing System[J]. 2006:730.

[12] 李树.基于群智感知判别交通拥堵的研究[J].无线互联科技, 2016(4):128+139.

[13] Mobile crowdsensing: current state and future challenges[J].IEEE Communications Magazine: Articles, News, and Events of Interest to Communications Engineers, 2011.

[14] 熊峰.群智感知中的辅助情境识别方法及其在老年化社会服务中的应用研究[D].广州:华南理工大学,2016.

[15] Eisenman S B, Miluzzo E, Lane N D , et al. The BikeNet mobile sensing system for cyclist experience mapping[J]. Acm Sensys, 2007.

[16] 何宏,向朝参,肖书成,等.群智感知网络研究现状与发展[J].吉林大学学报(信息科学版),2016,34(3):374-383.

[17] Willett W, Aoki P M , Kumar N , et al. Common Sense Community: Scaffolding Mobile Sensing and Analysis for Novice Users[C]// International Conference on Pervasive Computing. Springer-Verlag, 2010.

[18] Stevens M，Hondt E . Crowdsourcing of Pollution Data using Smartphones[J]. crowdsourcing of pollution data using smartphones, 2010.

[19] Yang Z.CarTel: A Distributed Mobile Sensor Computing System[J]. Acm Sensys, 1951:125-138.

[20] Mohan P, Padmanabhan V N, Ramjee R. Nericell: rich monitoring of road and traffic conditions using mobile smartphones[C]. Proceedings of the 6th ACM conference on Embedded network sensor systems, 2008:323-336.

[21] Mathur S,Tong J,Kasturirangan N,et al.ParkNet: Driveby Sensing of Road-Side Parking Statistics[C]// International Conference on Mobile Systems. 2010.

[22] 王庆纲.基于蓝牙感知的公交车辆到站时间预测方法研究[J].中国市政工程,2015(2):1-3+114.

[23] 赵东,马华东.群智感知网络的发展及挑战[J].信息通信技术,2014,8(5):66-70.

[24] Krumm J. A survey of computational location privacy. Pers Ubiquit Comput[J]. Personal & Ubiquitous Computing, 2009,13(6):391-399.

[25] A.C.Yao.Protocols for Secure Computations.[C]// Proceedings of the 23rd Annual IEEE Symposium on Foundations of Computer Science,1982:160-164.

[26] 金鑫,王涛春,吕成梅,等.移动群智感知中原始数据隐私保护算法[J].计算机应用,2020,40(11):3249-3254.

[27] 赵东,马华东,刘亮.移动群智感知质量度量与保障[J].中兴通讯技术,2015,21(6):2-5.

[28] 张伟,李卓,陈昕.感知质量优化的移动群智感知任务在线分发算法[J].物联网学报,2020,4(4):91-97.