群智感知網(wǎng)絡(luò)的發(fā)展及挑戰(zhàn)

北京郵電大學(xué)智能通信軟件與多媒體北京市重點(diǎn)實(shí)驗(yàn)室 北京 100876

目前物聯(lián)網(wǎng)已進(jìn)入深度發(fā)展階段，對(duì)物理環(huán)境透徹感知的需求越來越強(qiáng)烈，而隨著無線通信和傳感器技術(shù)的進(jìn)步，市場(chǎng)上的智能手機(jī)、平板電腦、可穿戴設(shè)備、車載感知設(shè)備等移動(dòng)終端集成了越來越多的傳感器，擁有越來越強(qiáng)大的計(jì)算、感知、存儲(chǔ)和通信能力。隨著這些無線移動(dòng)終端設(shè)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(shí)部署的傳感器提供感知服務(wù)之后，物聯(lián)網(wǎng)將通過利用這些普適的移動(dòng)設(shè)備提供更大規(guī)模的、更復(fù)雜的、透徹而全面的感知服務(wù)，從而進(jìn)入一個(gè)全新的發(fā)展時(shí)代[1]。

1 群智感知網(wǎng)絡(luò)簡介

1.1 群智感知網(wǎng)絡(luò)的基本概念

學(xué)術(shù)界通常將利用普適的移動(dòng)設(shè)備提供感知服務(wù)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(duì)象的類型和規(guī)模，這種感知模式的應(yīng)用可以分為兩類：個(gè)體感知(Personal Sensing)和社群感知(Community/Social Sensing)。典型的個(gè)體感知應(yīng)用包括對(duì)個(gè)人的運(yùn)動(dòng)模式(如站立、行走、慢跑、快跑等)進(jìn)行監(jiān)測(cè)來促進(jìn)身體健康，對(duì)個(gè)人的日常交通模式(如自行車、汽車、公交車、火車等)進(jìn)行監(jiān)測(cè)來記錄個(gè)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(gè)體很難實(shí)現(xiàn)的大規(guī)模、復(fù)雜的社會(huì)感知任務(wù)。例如，在交通擁堵狀況和城市空氣質(zhì)量監(jiān)測(cè)應(yīng)用中,只有當(dāng)大量的個(gè)體提供行駛速度或空氣質(zhì)量信息，并將這些信息進(jìn)行匯聚分析，才能了解整個(gè)城市的交通狀況或空氣質(zhì)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(gè)專業(yè)術(shù)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(shù)問題。近年來，人們將眾包的思想與移動(dòng)感知相結(jié)合，將普通用戶的移動(dòng)設(shè)備作為基本感知單元，通過移動(dòng)互聯(lián)網(wǎng)進(jìn)行有意識(shí)或無意識(shí)的協(xié)作，形成群智感知網(wǎng)絡(luò)，實(shí)現(xiàn)感知任務(wù)分發(fā)與感知數(shù)據(jù)收集，完成大規(guī)模的、復(fù)雜的社會(huì)感知任務(wù)。

1.2 群智感知網(wǎng)絡(luò)的基本特征

在傳統(tǒng)的無線傳感器網(wǎng)絡(luò)中，人僅僅作為感知數(shù)據(jù)的最終“消費(fèi)者”。相比而言，群智感知網(wǎng)絡(luò)一個(gè)最重要的特點(diǎn)是人將參與數(shù)據(jù)感知、傳輸、分析、應(yīng)用等整個(gè)系統(tǒng)的每個(gè)過程，既是感知數(shù)據(jù)的“消費(fèi)者”，也是感知數(shù)據(jù)的“生產(chǎn)者”，套用一個(gè)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(jī)會(huì)，具體表現(xiàn)如下。

1) 網(wǎng)絡(luò)部署成本更低。首先，城市中已有大量的移動(dòng)設(shè)備或車輛，無需專門部署；其次，人的移動(dòng)性可以促進(jìn)感知覆蓋與數(shù)據(jù)傳輸。一方面，隨著移動(dòng)設(shè)備的持有者隨機(jī)地到達(dá)各個(gè)地方，這些節(jié)點(diǎn)即可隨時(shí)隨地進(jìn)行感知；另一方面，由于移動(dòng)節(jié)點(diǎn)之間的相互接觸，這些節(jié)點(diǎn)可以使用“存儲(chǔ)—攜帶—轉(zhuǎn)發(fā)”的機(jī)會(huì)傳輸模式在間歇性連通的網(wǎng)絡(luò)環(huán)境中傳輸感知數(shù)據(jù)。

2) 網(wǎng)絡(luò)維護(hù)更容易。首先，網(wǎng)絡(luò)中的節(jié)點(diǎn)通常具有更好的能量供給，更強(qiáng)的計(jì)算、存儲(chǔ)和通信能力；其次，這些節(jié)點(diǎn)通常由其持有者進(jìn)行管理和維護(hù)，從而處于比較好的工作狀態(tài)。例如，人們總是可以隨時(shí)根據(jù)需要來對(duì)自己的手機(jī)等移動(dòng)設(shè)備進(jìn)行充電。

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

由于上述優(yōu)點(diǎn)，群智感知網(wǎng)絡(luò)成為物聯(lián)網(wǎng)新型的重要感知手段，可利用普適的移動(dòng)感知設(shè)備完成那些僅依靠個(gè)體很難實(shí)現(xiàn)的大規(guī)模、復(fù)雜的社會(huì)感知任務(wù)。

1.3 群智感知網(wǎng)絡(luò)的系統(tǒng)結(jié)構(gòu)

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

1) 感知平臺(tái)將某個(gè)感知任務(wù)劃分為若干個(gè)感知子任務(wù)，通過開放呼叫的方式向移動(dòng)用戶發(fā)布這些任務(wù)，并采取某種激勵(lì)機(jī)制吸引用戶參與；

2) 用戶得知感知任務(wù)后，根據(jù)自己的情況決定是否參與感知活動(dòng)；

3) 參與用戶利用所攜帶移動(dòng)設(shè)備的傳感器進(jìn)行感知，將感知數(shù)據(jù)進(jìn)行前端處理，并采用隱私保護(hù)手段將數(shù)據(jù)上報(bào)到感知平臺(tái)；

4) 感知平臺(tái)對(duì)所獲得的所有感知數(shù)據(jù)進(jìn)行處理和分析，并以此構(gòu)建環(huán)境監(jiān)測(cè)、智能交通、城市管理、公共安全、社交服務(wù)等各種群智感知應(yīng)用；

5) 感知平臺(tái)對(duì)用戶數(shù)據(jù)進(jìn)行評(píng)估，并根據(jù)所采用的激勵(lì)機(jī)制對(duì)用戶感知所付出的代價(jià)進(jìn)行適當(dāng)補(bǔ)償。

圖1 群智感知網(wǎng)絡(luò)系統(tǒng)結(jié)構(gòu)

2 群智感知網(wǎng)絡(luò)的典型應(yīng)用

目前，群智感知網(wǎng)絡(luò)已應(yīng)用到如下典型領(lǐng)域。

1) 環(huán)境監(jiān)測(cè)。相比傳統(tǒng)的傳感器網(wǎng)絡(luò)，群智感知網(wǎng)絡(luò)利用普適的移動(dòng)感知設(shè)備，能以較小成本實(shí)現(xiàn)對(duì)整個(gè)城市的自然環(huán)境的大規(guī)模監(jiān)測(cè)。例如，Common Sense[4]利用手持式的空氣質(zhì)量傳感器測(cè)量空氣污染(例如CO2、NOx)狀況，并將其通過藍(lán)牙與手機(jī)進(jìn)行連接上報(bào)感知數(shù)據(jù)；NoiseTube[5]和Ear-Phone[6]利用手機(jī)的麥克風(fēng)測(cè)量環(huán)境噪音，并匯集大量用戶的感知數(shù)據(jù)構(gòu)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(zhì)或垃圾數(shù)量，用來跟蹤水質(zhì)污染。

2) 智能交通。利用普適的移動(dòng)感知設(shè)備對(duì)路況信息進(jìn)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(dòng)軌跡，估計(jì)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(jī)攝像頭感知當(dāng)前交通燈的顏色，并通過在附近車輛間共享信息來預(yù)測(cè)交通燈的變化狀態(tài)，輔助駕駛員正確調(diào)整速度，達(dá)到減少停車次數(shù)、降低燃油消耗的目的，同時(shí)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(guān)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(dòng)感知設(shè)備可以方便地對(duì)城市的基礎(chǔ)設(shè)施進(jìn)行監(jiān)測(cè)，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(gè)人進(jìn)行決策。例如Sensorly[12]利用手機(jī)測(cè)量Wi-Fi或移動(dòng)蜂窩網(wǎng)絡(luò)信號(hào)質(zhì)量，并匯集大量用戶的感知數(shù)據(jù)構(gòu)造城市的網(wǎng)絡(luò)覆蓋地圖；Pothole Patrol(P2)[13]和Nericell[14]使用加速計(jì)、GPS等傳感器估計(jì)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(jī)來探測(cè)城市街道上可用的停車位。

4)公共安全。利用普適的移動(dòng)感知設(shè)備可以及時(shí)地發(fā)現(xiàn)和預(yù)測(cè)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(jìn)行案件調(diào)查。例如，文獻(xiàn)[16]提出利用手機(jī)藍(lán)牙掃描的方法快速估計(jì)公共場(chǎng)所的人群密度；文獻(xiàn)[17]設(shè)計(jì)的感知平臺(tái)Medusa可以用來及時(shí)報(bào)告和跟蹤突發(fā)事件(如美國的“占領(lǐng)運(yùn)動(dòng)”)；文獻(xiàn)[18]設(shè)計(jì)的感知平臺(tái)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(wù)。用戶可以通過移動(dòng)社交網(wǎng)絡(luò)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(xí)慣，獲取對(duì)自己有用的知識(shí)，進(jìn)而改善自己的行為模式。例如BikeNet[19]使用戶在社交網(wǎng)絡(luò)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(duì)所吃的食物拍照并在社交網(wǎng)絡(luò)中分享，比較和分析他們的飲食習(xí)慣，進(jìn)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(luò)面臨的問題與挑戰(zhàn)

作為新興的研究領(lǐng)域，群智感知網(wǎng)絡(luò)在基礎(chǔ)理論、實(shí)現(xiàn)技術(shù)、實(shí)際應(yīng)用三個(gè)層面都面臨著許多傳統(tǒng)傳感器網(wǎng)絡(luò)不曾遇到的挑戰(zhàn)，可概括為以下七個(gè)方面。

1) 群智感知網(wǎng)絡(luò)共性平臺(tái)。目前，學(xué)術(shù)界和工業(yè)界已經(jīng)設(shè)計(jì)和開發(fā)了各種各樣的群智感知應(yīng)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(guān)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(lì)、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(dú)立的開發(fā)模式十分低效，造成了很大的資源浪費(fèi)。因此，構(gòu)建群智感知網(wǎng)絡(luò)共性平臺(tái)是本領(lǐng)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(jì)、麥克風(fēng)、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(shè)計(jì)有效的前端處理算法，主要包括兩類：一類是數(shù)據(jù)質(zhì)量增強(qiáng)，包括消除噪音、過濾異常數(shù)據(jù)、恢復(fù)丟失數(shù)據(jù)、低質(zhì)圖像修復(fù)和增強(qiáng)等操作；另外一類是情境推斷，包括推斷用戶的交通模式、運(yùn)動(dòng)模式、社交場(chǎng)合(如開會(huì)、打電話、看電視等)和所處的周圍環(huán)境(如道路顛簸、噪聲級(jí)別等)。

3) 群智感知數(shù)據(jù)的高效傳輸。很多群智感知應(yīng)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(dòng)蜂窩網(wǎng)絡(luò)與互聯(lián)網(wǎng)進(jìn)行連接來上報(bào)感知數(shù)據(jù)的傳輸方式將消耗過多的用戶設(shè)備電量和數(shù)據(jù)流量，并對(duì)移動(dòng)蜂窩網(wǎng)絡(luò)造成很大壓力；因此，需要設(shè)計(jì)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(diǎn)接觸的機(jī)會(huì)來轉(zhuǎn)發(fā)數(shù)據(jù)。

4) 群智感知數(shù)據(jù)的價(jià)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(guān)聯(lián)等特征，必須將這些海量數(shù)據(jù)進(jìn)行智能的分析和挖掘才能有效地發(fā)揮價(jià)值，形成從數(shù)據(jù)到信息再到知識(shí)的飛躍。涉及的技術(shù)包括大數(shù)據(jù)存儲(chǔ)與處理、數(shù)據(jù)質(zhì)量管理、多模態(tài)數(shù)據(jù)挖掘等。

5) 群智感知網(wǎng)絡(luò)的資源優(yōu)化。克服移動(dòng)節(jié)點(diǎn)在能量、帶寬、計(jì)算等方面的資源限制是群智感知網(wǎng)絡(luò)實(shí)用化的關(guān)鍵。首先，由于用戶數(shù)量和傳感器的可用性都會(huì)隨著時(shí)間而動(dòng)態(tài)變化，難以準(zhǔn)確地對(duì)能量和帶寬需求進(jìn)行建模和預(yù)測(cè)來完成特定的感知任務(wù)。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(gè)有效的用戶子集，在資源限制條件下合理調(diào)度感知和通信資源。

6) 群智感知網(wǎng)絡(luò)的激勵(lì)機(jī)制。群智感知應(yīng)用依賴大量普通用戶參與，而用戶在參與感知時(shí)會(huì)消耗自己的設(shè)備電量、計(jì)算、存儲(chǔ)、通信等資源并且承擔(dān)隱私泄露的威脅，因此必須設(shè)計(jì)合理的激勵(lì)機(jī)制對(duì)用戶參與感知所付出的代價(jià)進(jìn)行補(bǔ)償，才能吸引足夠的用戶，從而保證所需的數(shù)據(jù)收集質(zhì)量。

7) 群智感知網(wǎng)絡(luò)的安全與隱私保護(hù)。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(shè)計(jì)合理的隱私保護(hù)機(jī)制在確保用戶隱私的同時(shí)能夠盡可能完成數(shù)據(jù)收集任務(wù)。

4 結(jié)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(luò)技術(shù)促進(jìn)了大量創(chuàng)新應(yīng)用的出現(xiàn)，同時(shí)也面臨一系列新的問題與挑戰(zhàn)。如果能使更多的移動(dòng)用戶參與群智感知應(yīng)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(jià)值。

參考文獻(xiàn)

[1]劉云浩.群智感知計(jì)算[J].中國計(jì)算機(jī)學(xué)會(huì)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