北京郵電大學智能通信軟件與多媒體北京市重點實驗室 北京 100876

目前物聯(lián)網(wǎng)已進入深度發(fā)展階段，對物理環(huán)境透徹感知的需求越來越強烈，而隨著無線通信和傳感器技術的進步，市場上的智能手機、平板電腦、可穿戴設備、車載感知設備等移動終端集成了越來越多的傳感器，擁有越來越強大的計算、感知、存儲和通信能力。隨著這些無線移動終端設備的爆炸式普及，在大力發(fā)展了十幾年如何利用特定的有意識部署的傳感器提供感知服務之后，物聯(lián)網(wǎng)將通過利用這些普適的移動設備提供更大規(guī)模的、更復雜的、透徹而全面的感知服務，從而進入一個全新的發(fā)展時代[1]。

1 群智感知網(wǎng)絡簡介

1.1 群智感知網(wǎng)絡的基本概念

學術界通常將利用普適的移動設備提供感知服務的物聯(lián)網(wǎng)新型感知模式稱之為“以人為中心的感知”。按照感知對象的類型和規(guī)模，這種感知模式的應用可以分為兩類：個體感知(Personal Sensing)和社群感知(Community/Social Sensing)。典型的個體感知應用包括對個人的運動模式(如站立、行走、慢跑、快跑等)進行監(jiān)測來促進身體健康，對個人的日常交通模式(如自行車、汽車、公交車、火車等)進行監(jiān)測來記錄個人的碳排放足跡等。相比而言，社群感知可以完成那些僅依靠個體很難實現(xiàn)的大規(guī)模、復雜的社會感知任務。例如，在交通擁堵狀況和城市空氣質量監(jiān)測應用中,只有當大量的個體提供行駛速度或空氣質量信息，并將這些信息進行匯聚分析，才能了解整個城市的交通狀況或空氣質量分布。

社群感知又稱為“群智感知”(Crowd Sensing)[1-3]。這主要來源于眾包(Crowdsourcing)的思想，所以又稱之為“眾包感知”(Crowdsourced Sensing)。眾包是《連線》(Wired)雜志在2006年發(fā)明的一個專業(yè)術語，用來描述一種新的分布式問題解決和工作模式，即企業(yè)利用互聯(lián)網(wǎng)來將工作分配出去、發(fā)現(xiàn)創(chuàng)意或解決技術問題。近年來，人們將眾包的思想與移動感知相結合，將普通用戶的移動設備作為基本感知單元，通過移動互聯(lián)網(wǎng)進行有意識或無意識的協(xié)作，形成群智感知網(wǎng)絡，實現(xiàn)感知任務分發(fā)與感知數(shù)據(jù)收集，完成大規(guī)模的、復雜的社會感知任務。

1.2 群智感知網(wǎng)絡的基本特征

在傳統(tǒng)的無線傳感器網(wǎng)絡中，人僅僅作為感知數(shù)據(jù)的最終“消費者”。相比而言，群智感知網(wǎng)絡一個最重要的特點是人將參與數(shù)據(jù)感知、傳輸、分析、應用等整個系統(tǒng)的每個過程，既是感知數(shù)據(jù)的“消費者”，也是感知數(shù)據(jù)的“生產(chǎn)者”，套用一個流行的新造詞，可稱之為“Prosumer”。這種以人為中心的基本特征為物聯(lián)網(wǎng)感知和傳輸手段帶來了前所未有的機會，具體表現(xiàn)如下。

1) 網(wǎng)絡部署成本更低。首先，城市中已有大量的移動設備或車輛，無需專門部署；其次，人的移動性可以促進感知覆蓋與數(shù)據(jù)傳輸。一方面，隨著移動設備的持有者隨機地到達各個地方，這些節(jié)點即可隨時隨地進行感知；另一方面，由于移動節(jié)點之間的相互接觸，這些節(jié)點可以使用“存儲—攜帶—轉發(fā)”的機會傳輸模式在間歇性連通的網(wǎng)絡環(huán)境中傳輸感知數(shù)據(jù)。

2) 網(wǎng)絡維護更容易。首先，網(wǎng)絡中的節(jié)點通常具有更好的能量供給，更強的計算、存儲和通信能力；其次，這些節(jié)點通常由其持有者進行管理和維護，從而處于比較好的工作狀態(tài)。例如，人們總是可以隨時根據(jù)需要來對自己的手機等移動設備進行充電。

3) 系統(tǒng)更具有可擴展性。我們只需要招募更多的用戶參與即可滿足系統(tǒng)應用規(guī)模的擴大。

由于上述優(yōu)點，群智感知網(wǎng)絡成為物聯(lián)網(wǎng)新型的重要感知手段，可利用普適的移動感知設備完成那些僅依靠個體很難實現(xiàn)的大規(guī)模、復雜的社會感知任務。

1.3 群智感知網(wǎng)絡的系統(tǒng)結構

如圖1所示，一個典型的群智感知網(wǎng)絡通常由感知平臺和移動用戶兩部分構成。其中，感知平臺由位于數(shù)據(jù)中心的多個感知服務器組成；移動用戶可以利用智能手機所嵌入的各種傳感器(GPS、加速計、重力感應器、陀螺儀、電子羅盤、光線距離感應器、麥克風、攝像頭等)、車載感知設備(GPS、OBD-II等)、可穿戴設備(智能眼鏡、智能手表等)或其它便攜式電子設備(如Intel的空氣質量傳感器)等采集各種感知數(shù)據(jù)，并通過移動蜂窩網(wǎng)絡(如GSM、3G/4G)或短距離無線通信的方式(如藍牙、Wi-Fi)與感知平臺進行網(wǎng)絡連接，并上報感知數(shù)據(jù)。系統(tǒng)的工作流程可以描述為以下五個步驟。

1) 感知平臺將某個感知任務劃分為若干個感知子任務，通過開放呼叫的方式向移動用戶發(fā)布這些任務，并采取某種激勵機制吸引用戶參與；

2) 用戶得知感知任務后，根據(jù)自己的情況決定是否參與感知活動；

3) 參與用戶利用所攜帶移動設備的傳感器進行感知，將感知數(shù)據(jù)進行前端處理，并采用隱私保護手段將數(shù)據(jù)上報到感知平臺；

4) 感知平臺對所獲得的所有感知數(shù)據(jù)進行處理和分析，并以此構建環(huán)境監(jiān)測、智能交通、城市管理、公共安全、社交服務等各種群智感知應用；

5) 感知平臺對用戶數(shù)據(jù)進行評估，并根據(jù)所采用的激勵機制對用戶感知所付出的代價進行適當補償。

圖1 群智感知網(wǎng)絡系統(tǒng)結構

2 群智感知網(wǎng)絡的典型應用

目前，群智感知網(wǎng)絡已應用到如下典型領域。

1) 環(huán)境監(jiān)測。相比傳統(tǒng)的傳感器網(wǎng)絡，群智感知網(wǎng)絡利用普適的移動感知設備，能以較小成本實現(xiàn)對整個城市的自然環(huán)境的大規(guī)模監(jiān)測。例如，Common Sense[4]利用手持式的空氣質量傳感器測量空氣污染(例如CO2、NOx)狀況，并將其通過藍牙與手機進行連接上報感知數(shù)據(jù)；NoiseTube[5]和Ear-Phone[6]利用手機的麥克風測量環(huán)境噪音，并匯集大量用戶的感知數(shù)據(jù)構造城市的環(huán)境噪音地圖；CreekWatch[7]利用用戶拍照或文本描述來記錄不同地方的水質或垃圾數(shù)量，用來跟蹤水質污染。

2) 智能交通。利用普適的移動感知設備對路況信息進行收集、處理后反饋給用戶，向用戶提供更智能的出行路線和駕駛輔助。例如，CarTel[8]和VTrack[9]利用位置傳感器采集用戶移動軌跡，估計交通擁堵狀況、交通延遲等，為用戶提供合適的行駛路線；SignalGuru[10]利用手機攝像頭感知當前交通燈的顏色，并通過在附近車輛間共享信息來預測交通燈的變化狀態(tài)，輔助駕駛員正確調整速度，達到減少停車次數(shù)、降低燃油消耗的目的，同時也改善了交通狀況；GreenGPS[11]采集用戶的車載GPS信息，并與車輛的燃油消耗相關聯(lián)，從而為用戶提供燃油消耗更少的綠色出行路線。

3) 城市管理。利用普適的移動感知設備可以方便地對城市的基礎設施進行監(jiān)測，幫助政府決策人員更好地管理和規(guī)劃城市，也可以輔助企事業(yè)單位或個人進行決策。例如Sensorly[12]利用手機測量Wi-Fi或移動蜂窩網(wǎng)絡信號質量，并匯集大量用戶的感知數(shù)據(jù)構造城市的網(wǎng)絡覆蓋地圖；Pothole Patrol(P2)[13]和Nericell[14]使用加速計、GPS等傳感器估計道路的顛簸狀況；ParkNet[15]使用安裝在車輛上的超聲波傳感器聯(lián)合智能手機來探測城市街道上可用的停車位。

4)公共安全。利用普適的移動感知設備可以及時地發(fā)現(xiàn)和預測突發(fā)事件，避免事故發(fā)生，用戶捕獲的大量視頻、圖片等信息可以輔助刑偵人員進行案件調查。例如，文獻[16]提出利用手機藍牙掃描的方法快速估計公共場所的人群密度；文獻[17]設計的感知平臺Medusa可以用來及時報告和跟蹤突發(fā)事件(如美國的“占領運動”)；文獻[18]設計的感知平臺GigaSight可以匯集用戶捕獲的大量的視頻、圖片信息，用來從中尋找丟失的孩子，或幫助刑偵人員找到犯罪分子(如美國波士頓爆炸案嫌疑人)。

5) 社交服務。用戶可以通過移動社交網(wǎng)絡相互分享感知信息，通過感知信息的比較和分析來更加了解自己的行為習慣，獲取對自己有用的知識，進而改善自己的行為模式。例如BikeNet[19]使用戶在社交網(wǎng)絡中分享騎自行車所經(jīng)道路的狀況(如二氧化碳濃度、道路顛簸狀況等)，幫助用戶找到更好的騎行路線；DietSense[20]使用戶對所吃的食物拍照并在社交網(wǎng)絡中分享，比較和分析他們的飲食習慣，進而幫助用戶合理控制飲食和提供飲食建議。

3 群智感知網(wǎng)絡面臨的問題與挑戰(zhàn)

作為新興的研究領域，群智感知網(wǎng)絡在基礎理論、實現(xiàn)技術、實際應用三個層面都面臨著許多傳統(tǒng)傳感器網(wǎng)絡不曾遇到的挑戰(zhàn)，可概括為以下七個方面。

1) 群智感知網(wǎng)絡共性平臺。目前，學術界和工業(yè)界已經(jīng)設計和開發(fā)了各種各樣的群智感知應用，它們通常具有相似或者部分重疊的功能，需要相同的或者相互關聯(lián)的感知數(shù)據(jù)，面臨著數(shù)據(jù)收集、資源分配、能量節(jié)約、用戶激勵、安全與隱私等一系列共同的問題與挑戰(zhàn)?，F(xiàn)階段這種相互獨立的開發(fā)模式十分低效，造成了很大的資源浪費。因此，構建群智感知網(wǎng)絡共性平臺是本領域急需解決的基本問題。

2) 群智感知數(shù)據(jù)的前端處理。GPS、加速計、麥克風、攝像頭等傳感器采集的原始感知數(shù)據(jù)通常存在很大噪聲、不完整或具有冗余，難以直接利用；因此，需要設計有效的前端處理算法，主要包括兩類：一類是數(shù)據(jù)質量增強，包括消除噪音、過濾異常數(shù)據(jù)、恢復丟失數(shù)據(jù)、低質圖像修復和增強等操作；另外一類是情境推斷，包括推斷用戶的交通模式、運動模式、社交場合(如開會、打電話、看電視等)和所處的周圍環(huán)境(如道路顛簸、噪聲級別等)。

3) 群智感知數(shù)據(jù)的高效傳輸。很多群智感知應用需要連續(xù)地采集感知數(shù)據(jù)并傳輸?shù)綌?shù)據(jù)中心，而基于移動蜂窩網(wǎng)絡與互聯(lián)網(wǎng)進行連接來上報感知數(shù)據(jù)的傳輸方式將消耗過多的用戶設備電量和數(shù)據(jù)流量，并對移動蜂窩網(wǎng)絡造成很大壓力；因此，需要設計能量有效的數(shù)據(jù)傳輸方法，例如基于短距離無線通訊方式，利用用戶之間相互接觸或用戶與WiFi熱點接觸的機會來轉發(fā)數(shù)據(jù)。

4) 群智感知數(shù)據(jù)的價值挖掘。群智感知數(shù)據(jù)來自不同的用戶、不同的傳感器,具有多模態(tài)、多關聯(lián)等特征，必須將這些海量數(shù)據(jù)進行智能的分析和挖掘才能有效地發(fā)揮價值，形成從數(shù)據(jù)到信息再到知識的飛躍。涉及的技術包括大數(shù)據(jù)存儲與處理、數(shù)據(jù)質量管理、多模態(tài)數(shù)據(jù)挖掘等。

5) 群智感知網(wǎng)絡的資源優(yōu)化?？朔苿庸?jié)點在能量、帶寬、計算等方面的資源限制是群智感知網(wǎng)絡實用化的關鍵。首先，由于用戶數(shù)量和傳感器的可用性都會隨著時間而動態(tài)變化，難以準確地對能量和帶寬需求進行建模和預測來完成特定的感知任務。其次，需要考慮如何從大量的具有不同感知能力的用戶中選擇一個有效的用戶子集，在資源限制條件下合理調度感知和通信資源。

6) 群智感知網(wǎng)絡的激勵機制。群智感知應用依賴大量普通用戶參與，而用戶在參與感知時會消耗自己的設備電量、計算、存儲、通信等資源并且承擔隱私泄露的威脅，因此必須設計合理的激勵機制對用戶參與感知所付出的代價進行補償，才能吸引足夠的用戶，從而保證所需的數(shù)據(jù)收集質量。

7) 群智感知網(wǎng)絡的安全與隱私保護。感知數(shù)據(jù)可能泄露用戶的隱私和敏感信息，因此必須設計合理的隱私保護機制在確保用戶隱私的同時能夠盡可能完成數(shù)據(jù)收集任務。

4 結束語

綜上所述，作為物聯(lián)網(wǎng)的新型感知手段，群智感知網(wǎng)絡技術促進了大量創(chuàng)新應用的出現(xiàn)，同時也面臨一系列新的問題與挑戰(zhàn)。如果能使更多的移動用戶參與群智感知應用，基于更多種類的傳感器產(chǎn)生更加海量的感知數(shù)據(jù)，并加以有效挖掘和利用，那么，人民群眾的集體智慧必將發(fā)揮無窮的價值。

參考文獻

[1]劉云浩.群智感知計算[J].中國計算機學會通訊,2012,8(10):38–41

[2]Ganti R K,Ye F,Lei H.Mobile crowdsensing:Current state and future challenges[J].IEEE Communications Magazine,2011,49(11):32–39

[3]Huadong Ma,Dong Zhao,Peiyan Yuan.Opportunities in Mobile Crowd Sensing[J].IEEE Communications Magazine,2014,52(8):29–35

[4]Dutta P,Aoki P,Kumar N,et al.Common Sense:participatory urban sensing using a network of handheld air quality monitors[C]//ACM SenSys,2009: 349–350.

[5]Stevens M,D'Hondt E.Crowdsourcing of pollution data using smartphones[C].In Workshop on Ubiquitous Crowdsourcing,2010

[6]Rana R,Chou C,Kanhere S,et al.Ear-phone:an end-toend participatory urban noise mapping system[C]//ACM/IEEE IPSN,2010:105–116

[7]Kim S,Robson C,Zimmerman T,et al.Creek watch:pairing usefulness and usability for successful citizen science[C]//ACM SIGCHI,2011:2125–2134

[8]Hull B,Bychkovsky V,Zhang Y,et al.CarTel:a distributed mobile sensor computing system[C]//ACM SenSys,2006:125–138

[9]Thiagarajan A,Ravindranath L,LaCurts K,et al.VTrack:accurate,energy-aware road traffic delay estimation using mobile phones[C]//ACM SenSys,2009: 85–98

[10]Koukoumidis E,Peh L-S,Martonosi M R.SignalGuru:leveraging mobile phones for collaborative traffic signal schedule advisory [C]//ACM MobiSys,2011: 127–140

[11]Ganti R,Pham N,Ahmadi H,et al.GreenGPS:A participatory sensing fuel-efficient maps application[C]//ACM MobiSys,2010:151–164

[12]Sensorly [EB/OL].[2014-09-20].http://www.sensorly.com

[13]Eriksson J,Girod L,Hull B,et al.The pothole patrol:using a mobile sensor network for road surface monitoring[C]//ACM MobiSys,2008: 29–39

[14]Mohan P,Padmanabhan V N,Ramjee R.Nericell:rich monitoring of road and traffic conditions using mobile smartphones[C]//ACM SenSys,2008:323–336

[15]Mathur S,Jin T,Kasturirangan N,et al.Parknet:driveby sensing of road-side parking statistics[C]//ACM MobiSys,2010:123–136

[16]Intelligence E.Bluetooth Based Collaborative Crowd Density Estimation with Mobile Phones [C]//IEEE PerCom,2013

[17]Ra M-R,Liu B,La Porta T F,et al.Medusa:A programming framework for crowd-sensing applications[C]//ACM MobiSys,2012:337–350

[18]Simoens P,Xiao Y,Pillai P,et al.Scalable Crowd-Sourcing of Video from Mobile Devices[C]//ACM MobiSys,2013:139–152

[19]Eisenman S B,Miluzzo E,Lane N D,et al.BikeNet:A mobile sensing system for cyclist experience mapping[J].ACM Trans.on Sensor Networks,2009,6(1):6

[20]Reddy S,Parker A,Hyman J,et al.Image browsing,processing,and clustering for participatory sensing: lessons from a DietSense prototype[C]//EmNets,2007:13–17