群智大數(shù)據(jù)感知網(wǎng)絡(luò)部署機(jī)制研究

李金航　何欣　丁爽

摘 要：移動群智感知是一種新的大規(guī)模的感知模式，它將人作為基本的感知單元進(jìn)行數(shù)據(jù)的收集，正在被廣泛部署并逐步融入到日常生活中。就目前來看，現(xiàn)有的模型和方法已經(jīng)不能滿足在數(shù)據(jù)處理和數(shù)據(jù)收集方面的需求，雖然有很多的方法來提高群智感知的數(shù)據(jù)收集方法與數(shù)據(jù)傳輸方法，但是仍然缺少大規(guī)模的混合感知框架模型，該文對基礎(chǔ)的感知網(wǎng)絡(luò)框架模型進(jìn)行分析，為以后的感知框架發(fā)展奠定敦實(shí)的基礎(chǔ)。

關(guān)鍵詞：移動群智感知 數(shù)據(jù)收集 感知模型

中圖分類號：TP311.13 文獻(xiàn)標(biāo)識碼：A 文章編號：1672-3791（2019）01（c）-0012-04

Abstract： Mobile crowd sensing is a new large-scale perception model that collects data as a basic unit of perception and is being widely deployed and gradually integrated into daily life. At present， the existing models and methods can no longer meet the requirements of data processing and data collection. Although there are many ways to improve the group-aware data collection methods and data transmission methods， there is still a lack of large-scale mixed sensing. This paper analyzes the basic perceptual network framework model and lays a solid foundation for the development of the perception framework in the future.

Key Words： Mobile crowd sensing； Data collection； Sensing model

近年來，由于科技的不斷進(jìn)步，帶動物聯(lián)網(wǎng)、無線傳感網(wǎng)絡(luò)等的高速發(fā)展，而作為移動智能終端手機(jī)、ipad、車載網(wǎng)絡(luò)、可穿戴設(shè)備等也趨向于平民化，基本上屬于人人所持有的設(shè)備，而且在日常生活中也逐漸成為了人們所離不開的設(shè)備，這也為移動群智感知網(wǎng)絡(luò)的發(fā)展奠定了基礎(chǔ)。在此背景下，一種新的感知模式——移動群智感知[5]應(yīng)運(yùn)而生，相較于傳統(tǒng)的感知技術(shù)，它最大的不同就是不依賴于專業(yè)的設(shè)備與技術(shù)人員，而是將所有攜帶移動智能設(shè)備的人、動物、車輛等作為基本的感知單元，形成大規(guī)模、及時性的感知系統(tǒng)。

群智感知就是利用人攜帶智能設(shè)備或者可穿戴設(shè)備，作為基本的感知單元，在較短的距離內(nèi)用無線通信的方式進(jìn)行相互的合作，進(jìn)行數(shù)據(jù)的收集與傳輸。而用戶參與數(shù)據(jù)的收集方式主要體現(xiàn)為：線下移動感知參與，通過（human-in-the-loop）感知模式傳輸數(shù)據(jù)；在線社交媒體參與，通過各種移動社交媒體貢獻(xiàn)數(shù)據(jù)。但是受移動節(jié)點(diǎn)的自身能力和網(wǎng)絡(luò)框架的限制，群智感知的網(wǎng)絡(luò)難以形成較大的規(guī)模。該文將正方形網(wǎng)格劃分進(jìn)行細(xì)致的分析，并與正六邊形網(wǎng)絡(luò)劃分方式相對比，最后給出兩者的優(yōu)劣性，為以后群智感知網(wǎng)絡(luò)框架的部署策略打下厚實(shí)的基礎(chǔ)。

1 基于正方形的移動感知部署策略

正方形網(wǎng)格部署就是將整個目標(biāo)區(qū)域用正方形虛擬網(wǎng)絡(luò)工具劃分成若干個正方形網(wǎng)格，并且對周圍的地域進(jìn)行無重疊服務(wù)的方式排列。網(wǎng)格內(nèi)的移動節(jié)點(diǎn)可以根據(jù)自身的坐標(biāo)、邊長計(jì)算出自己所在網(wǎng)格區(qū)域，如圖1所示。在正方形網(wǎng)格的部署下可以看出，正方形網(wǎng)格的部署簡便易操作，比較符合實(shí)際中的應(yīng)用。下面將從網(wǎng)格之間的數(shù)據(jù)傳輸能量消耗與網(wǎng)絡(luò)的連通性兩方面來分析。

1.1 能量消耗

該文在論證分析能量時，所采用的能量模型如圖2所示，與典型的傳統(tǒng)路由協(xié)議如LEACH、HEED等所使用的能量模型相同。假設(shè)網(wǎng)絡(luò)中的N個節(jié)點(diǎn)的初始能量相同，節(jié)點(diǎn)在工作中的能量消耗主要分為3個部分，分別是發(fā)送數(shù)據(jù)、處理數(shù)據(jù)和接收數(shù)據(jù)。節(jié)點(diǎn)發(fā)送kbit數(shù)據(jù)消耗的能量為：

3 仿真分析

為了驗(yàn)證上面所提出的部署策略，該文使用Matlab 2016a對上面所提到的能量消耗及網(wǎng)絡(luò)連通穩(wěn)定性進(jìn)行分析，如圖7和圖8所示。

在能量消耗方面，傳輸kbit數(shù)據(jù)消耗的能量與傳輸距離d成正比關(guān)系，從圖7中可以明顯看出正六邊形網(wǎng)格劃分的傳輸距離遠(yuǎn)遠(yuǎn)低于正方形網(wǎng)格劃分的傳輸距離，因此，正六邊形網(wǎng)格劃分的傳輸能量消耗遠(yuǎn)低于正方形的能量消耗。

在網(wǎng)絡(luò)連通穩(wěn)定性上，從圖8可以看出隨著面積的增加最大歐式距離也逐漸變大，正方形網(wǎng)格劃分的最大歐式距離明顯高于正六邊形網(wǎng)格劃分的最大歐式距離，最大歐式距離越大，通信質(zhì)量逐漸變得不穩(wěn)定，但是正六邊形網(wǎng)格劃分相對于正方形網(wǎng)格劃分來說是比較低的，因此，正六邊形的通信質(zhì)量比正方形網(wǎng)格劃分略微好上一些。

4 結(jié)語

該文具體對群智感知中的感知框架進(jìn)行了分析，著重分析了正方形和正六邊形部署策略，可以看出：在相鄰網(wǎng)格之間的數(shù)據(jù)傳輸時正六邊形網(wǎng)格劃分的能量消耗比正方形網(wǎng)格劃分要低很多，并且在通信方面正六邊形的穩(wěn)定性要比正方形好很多。因此，在以后的工作中，以正六邊形網(wǎng)格部署為基礎(chǔ)，通過添加和改進(jìn)網(wǎng)格框架，來提高群智感知網(wǎng)絡(luò)的性能。

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)會通訊，2012， 8（10）： 38-41.

[2] Ganti RK，F(xiàn)an Y，Hui L. Mobile crowdsensing： current state and future challenges[J].IEEE Communications Magazine，2011，49（11）：32-39.

[3] AL-KARAKI JN， UL-MUSTAFA R， KAMAL AE. Data aggregation in wireless sensor networks-exact and approximate algorithms[A].Proceedings of the IEEE Workshop on High Performance Switching and Routing[C].Phoenix： IEEE Computer Society Press，2004：241-245.

[4] Huang C， Tseng Y. A survey of solutions to the coverage problems in wireless sensor networks[J].Journal of Internet Technology，2005，6（1）：1-8.

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

[6] Guo B，Wang Z， Yu ZW， et al. Mobile crowd sensing and computing： the review of an emerging human-powered sensing paradigm[J].ACM Computing Surveys， 2015，48（1）：1-31.

[7] Moser EI，Roudi Y，Witter MP，et al. Grid cells and cortical representation[J].Nature Reviews Neuroscien-ce，2014，15（7）：466-481.

[8] Tian D， Georganas ND. Connectivity maintenance and coverage preservation in wireless sensor networks[J]. Ad Hoc Networks，2005，3（6）：744-761.