群智感知污染數(shù)據(jù)收集技術(shù)綜述

曹升國(guó)，王勝奧，耿姝萌

(江蘇大學(xué)計(jì)算機(jī)與通信工程學(xué)院,江蘇 鎮(zhèn)江 212013)

0 引 言

隨著社會(huì)經(jīng)濟(jì)的不斷發(fā)展，環(huán)境污染問(wèn)題愈演愈烈，空氣污染和噪音污染已經(jīng)成為城市污染中最常見(jiàn)的問(wèn)題，嚴(yán)重危害人們的身心健康。傳統(tǒng)的污染監(jiān)測(cè)由靜態(tài)的監(jiān)測(cè)站完成，這些監(jiān)測(cè)基站之間常間隔數(shù)公里，對(duì)周圍環(huán)境很難做到全面覆蓋。Santamouris[1]的研究表明，即便是只隔數(shù)米，所獲得的環(huán)境參數(shù)也會(huì)大不相同，因此傳統(tǒng)的污染監(jiān)測(cè)手段無(wú)法對(duì)城市內(nèi)部的污染數(shù)據(jù)進(jìn)行細(xì)微的測(cè)量。此外由于城市土地的可用性低以及高昂的設(shè)備維護(hù)費(fèi)用，建設(shè)這種監(jiān)測(cè)基站有很大的限制。目前的城市污染檢測(cè)主要依賴于城市中部署的專業(yè)傳感設(shè)備，如攝像頭、空氣檢測(cè)器、聲級(jí)計(jì)等，但這些設(shè)備存在覆蓋范圍有限、投資和維護(hù)成本過(guò)高等問(wèn)題，導(dǎo)致了部分地區(qū)無(wú)法獲得精確的實(shí)時(shí)數(shù)據(jù)。為了解決傳統(tǒng)污染監(jiān)測(cè)技術(shù)帶來(lái)的弊端，移動(dòng)群智感知應(yīng)運(yùn)而生。

移動(dòng)群智感知是一種結(jié)合眾包思想和移動(dòng)設(shè)備感知能力的新的數(shù)據(jù)獲取模式，其獲取數(shù)據(jù)無(wú)需專業(yè)的人員或設(shè)備，只需將大量的普通用戶作為目標(biāo)人群，利用目標(biāo)人群隨身攜帶的移動(dòng)智能終端形成大規(guī)模的數(shù)據(jù)收集網(wǎng)絡(luò)，再將數(shù)據(jù)匯總至特定的中央平臺(tái),并將經(jīng)過(guò)處理后的數(shù)據(jù)反饋給用戶。移動(dòng)群智感知具有部署經(jīng)濟(jì)靈活、數(shù)據(jù)多源異構(gòu)、覆蓋范圍廣、擴(kuò)展性和通用性強(qiáng)等優(yōu)點(diǎn)?；谶@些優(yōu)點(diǎn)，環(huán)境監(jiān)測(cè)領(lǐng)域的研究層出不窮，如“commen sence[2]”利用手持感知設(shè)備收集監(jiān)測(cè)空氣中的一氧化碳(CO)、二氧化硫(SO2)等成分，并通過(guò)藍(lán)牙設(shè)備與手機(jī)進(jìn)行信息共享。此外許多以環(huán)境為中心的應(yīng)用程序都是基于群智感知發(fā)展而來(lái)的，如交通監(jiān)控[3]和噪音地圖[4]等。

本文的主要工作在于對(duì)近年來(lái)基于群智感知技術(shù)的污染數(shù)據(jù)收集工作進(jìn)行總結(jié)和對(duì)比分析，對(duì)涉及的關(guān)鍵技術(shù)加以闡述，總結(jié)歸納其優(yōu)缺點(diǎn)和適用場(chǎng)景，旨在為未來(lái)的研究人員應(yīng)用群智感知技術(shù)收集污染數(shù)據(jù)提供相應(yīng)的解決方案。

1 歷史演變

技術(shù)的發(fā)展使得污染數(shù)據(jù)收集方式不斷更新，一些發(fā)達(dá)國(guó)家在研究城市污染管理和污染控制預(yù)測(cè)方面已有多年的歷史，我國(guó)在污染監(jiān)測(cè)方面起步則相對(duì)較晚。目前，污染收集技術(shù)的發(fā)展可大致分為3個(gè)階段：固定基站收集、可移動(dòng)傳感器收集和移動(dòng)終端收集。

1.1 固定基站收集

基站收集一般依靠固定的監(jiān)測(cè)站點(diǎn)完成數(shù)據(jù)收集，該技術(shù)已被應(yīng)用于多個(gè)國(guó)家和地區(qū)。早在1994年，馬德里市就已建成世界首個(gè)由監(jiān)測(cè)站組成的噪聲自動(dòng)監(jiān)測(cè)系統(tǒng)，并成功繪制出馬德里市的噪音圖；新加坡投入200萬(wàn)新元建設(shè)了一個(gè)由18個(gè)監(jiān)測(cè)點(diǎn)組成的城市環(huán)境噪聲自動(dòng)監(jiān)測(cè)網(wǎng)；雅典在雅典奧運(yùn)會(huì)前建設(shè)了一個(gè)由8個(gè)子站組成的道路噪聲監(jiān)測(cè)系統(tǒng)；英國(guó)倫敦于2004年完成了城市的噪聲自動(dòng)監(jiān)測(cè)，公民可以在網(wǎng)絡(luò)上查詢所在地區(qū)的噪聲污染狀況[5]。2018年美國(guó)監(jiān)管機(jī)構(gòu)通過(guò)組建的固定基站監(jiān)測(cè)網(wǎng)絡(luò)完成了標(biāo)準(zhǔn)污染物濃度的收集[6]。我國(guó)部分城市地區(qū)也開(kāi)展了相關(guān)工作，例如北京市在各區(qū)縣安裝了67個(gè)噪聲監(jiān)測(cè)站點(diǎn)，實(shí)時(shí)監(jiān)測(cè)周圍環(huán)境噪聲數(shù)據(jù)[7]。這些研究對(duì)全世界噪音污染的監(jiān)控和治理規(guī)劃都起到積極的作用，但是污染收集裝置本身維護(hù)成本高且需要專業(yè)人員操作，同時(shí)各站點(diǎn)之間通常相隔較遠(yuǎn)，這導(dǎo)致大多數(shù)基站監(jiān)測(cè)覆蓋率較低，無(wú)法大范圍使用。

1.2 可移動(dòng)傳感器的收集

可移動(dòng)傳感器具有可靠性高、使用靈活、適用惡劣環(huán)境等優(yōu)點(diǎn)，且價(jià)格適中，適合大批量使用。Sensordrone、Variable Senors、Alphasense等諸多公司都在提供這樣的商業(yè)傳感器。這些小型傳感器可以通過(guò)藍(lán)牙連接到智能手機(jī)，并作為移動(dòng)通信接口，將收集到的污染數(shù)據(jù)通過(guò)智能手機(jī)傳輸?shù)街醒霐?shù)據(jù)聚合服務(wù)器中。如便攜式傳感器CitiSense[4]，使用者可通過(guò)藍(lán)牙獲得周圍空氣質(zhì)量的實(shí)時(shí)數(shù)據(jù)。此外傳感器也可與其他工具組合使用，例如將HazeWatch[8]傳感器安裝在汽車底盤上以檢測(cè)空氣質(zhì)量；Hasenfratz[9]利用安裝在公共交通車輛上的移動(dòng)傳感器繪制出高分辨率城市空氣污染地圖；CanarinⅡ[10]則是將傳感器與自行車結(jié)合實(shí)現(xiàn)污染數(shù)據(jù)的收集。但與固定基站收集方式相比，可移動(dòng)傳感器存在數(shù)據(jù)準(zhǔn)確度不高且會(huì)隨著時(shí)間推移而出現(xiàn)數(shù)據(jù)質(zhì)量降低的情況[11]。

1.3 移動(dòng)終端收集

隨著部署在移動(dòng)終端上的傳感器(如GPS、麥克風(fēng)、相機(jī)、空氣質(zhì)量檢測(cè)器)越來(lái)越多，研究者結(jié)合群智感知的理念，讓普通用戶可以使用這些移動(dòng)設(shè)備，通過(guò)互聯(lián)網(wǎng)進(jìn)行協(xié)作，從而實(shí)現(xiàn)傳感數(shù)據(jù)的采集。其中較早的產(chǎn)品有CreekWatch[12]，這是一款由美國(guó)IBM公司研發(fā)的移動(dòng)應(yīng)用程序，用于監(jiān)測(cè)水質(zhì)，用戶在經(jīng)過(guò)河流時(shí)可以使用手機(jī)收集水質(zhì)數(shù)據(jù)，如流量、流速、垃圾數(shù)量等。在空氣污染監(jiān)測(cè)方面，文獻(xiàn)[13]利用移動(dòng)群智感知設(shè)計(jì)了一個(gè)細(xì)粒度城市PM2．5三維監(jiān)測(cè)系統(tǒng)BlueAer。此外，由于安卓平臺(tái)擁有豐富的傳感器，基于群智感知的城市噪聲監(jiān)測(cè)系統(tǒng)[14]可以通過(guò)手機(jī)自帶的聽(tīng)筒進(jìn)行環(huán)境噪聲的錄制、存儲(chǔ)和上傳。隨著智能手機(jī)的更新?lián)Q代，相機(jī)拍攝的照片也可用于確定空氣質(zhì)量，如AirTick[15]可以使智能手機(jī)成為空氣污染監(jiān)測(cè)傳感器，其使用圖像分析和深度學(xué)習(xí)技術(shù)對(duì)空氣質(zhì)量進(jìn)行精準(zhǔn)預(yù)測(cè)。雖然現(xiàn)在大多數(shù)的智能手機(jī)還沒(méi)有配備環(huán)境傳感器，但有研究人員已經(jīng)開(kāi)發(fā)出集成環(huán)境傳感器的便捷式外部硬件[16]，此外配備小型低成本環(huán)境傳感器的智能手機(jī)[17]也即將問(wèn)世。

2 污染數(shù)據(jù)收集

2.1 空氣污染

根據(jù)收集工具的不同，空氣污染收集系統(tǒng)可分為3種：基于相機(jī)、基于便攜式傳感器和基于移動(dòng)工具。這些系統(tǒng)為利用眾包的方式在智能手機(jī)上實(shí)現(xiàn)空氣污染感知提供了多種解決方案。

2.1.1 基于相機(jī)的數(shù)據(jù)收集系統(tǒng)

隨著技術(shù)的發(fā)展，通過(guò)分析相機(jī)拍攝的圖片可以確定空氣中部分環(huán)境污染指數(shù)。Liu等人[18]提出一種基于深度學(xué)習(xí)的方法，即利用智能手機(jī)的攝像頭來(lái)精準(zhǔn)預(yù)測(cè)環(huán)境中PM2.5的濃度。該方法使用一系列照片和靜態(tài)的PM2.5傳感器數(shù)據(jù)來(lái)訓(xùn)練預(yù)測(cè)模型。對(duì)從圖片中提取出的特征進(jìn)行線性最小二乘回歸，可得到預(yù)測(cè)PM2.5濃度所需的系數(shù)。Third-Eye[19]是一款手機(jī)應(yīng)用程序，可以使智能手機(jī)成為高水平的PM2.5監(jiān)控器，此外用戶可獲得指定區(qū)域內(nèi)PM2.5的實(shí)時(shí)濃度。污染數(shù)據(jù)來(lái)源于用戶智能手機(jī)拍攝的圖片，通過(guò)處理圖像中光線的強(qiáng)度完成對(duì)空氣中顆粒物濃度的檢測(cè)。此外，Third-Eye使用聚類檢索和網(wǎng)絡(luò)爬行的技術(shù)構(gòu)建大型數(shù)據(jù)集，包括天氣數(shù)據(jù)和空氣污染數(shù)據(jù)，用于智能手機(jī)的戶外拍攝。Wong等人[20]基于從材料表面測(cè)量的反射成分與大氣中氣溶膠的特征進(jìn)行回歸分析，研究出一種算法，利用網(wǎng)絡(luò)攝像機(jī)來(lái)量化空氣質(zhì)量并記錄PM質(zhì)量濃度的時(shí)間發(fā)展和空間分布，利用先進(jìn)陸地觀測(cè)衛(wèi)星(ALOS)圖像繪制了研究區(qū)域的PM質(zhì)量濃度圖。

通過(guò)對(duì)比上述研究可以發(fā)現(xiàn)，這些系統(tǒng)的結(jié)構(gòu)類似，不同之處在于對(duì)圖片的處理技術(shù)、相機(jī)傳感器數(shù)據(jù)精度技術(shù)、PM濃度在地圖上的顯示方式不同。

通過(guò)表1所示的基于圖像處理的應(yīng)用案例比較可以發(fā)現(xiàn)，這類污染數(shù)據(jù)收集技術(shù)不需要額外的外部傳感器，成本低且容易獲得數(shù)據(jù)，缺點(diǎn)是夜間精度不高且所能檢測(cè)的污染僅有顆粒物PM一項(xiàng)，其他的不可見(jiàn)污染物如SO2、CO、O3等均無(wú)法檢測(cè)。

表1 基于圖像處理的應(yīng)用案例比較

2.1.2 基于便攜式傳感器的數(shù)據(jù)收集系統(tǒng)

便攜式傳感器的出現(xiàn)使得監(jiān)測(cè)更小范圍內(nèi)空氣污染數(shù)值的能力大幅上升。AirSense[21]與傳統(tǒng)的基于群智感知的空氣質(zhì)量監(jiān)測(cè)系統(tǒng)不同，AirSense只需少量群眾參與即可。在AirSense中，用戶使用一種先進(jìn)、輕便且低成本的空氣質(zhì)量管理設(shè)備AQMD完成數(shù)據(jù)的收集，用戶可以通過(guò)智能手機(jī)上的AirSense應(yīng)用程序獲得附近位置的空氣質(zhì)量指數(shù)(Air Quality Index, AQI)以及附近城市的AQI地圖。借助群體感知模式，AirSense可以提供時(shí)間和空間分辨率更高的空氣質(zhì)量數(shù)據(jù)，因此AirSense可以低成本監(jiān)測(cè)整個(gè)城市的空氣污染情況。Oletic等人[22]介紹了一種可充電的穿戴式傳感器節(jié)點(diǎn)的設(shè)計(jì)。該節(jié)點(diǎn)配備了溫度傳感器、濕度傳感器、大氣壓傳感器和電化學(xué)氣體傳感器，可以實(shí)現(xiàn)一氧化碳(CO)、二氧化硫(SO2)和二氧化氮(NO2)這3種污染物濃度的檢測(cè)，同時(shí)配備了藍(lán)牙，可實(shí)現(xiàn)無(wú)線通信功能。W-Air[23]是一款可穿戴的個(gè)人多污染監(jiān)測(cè)設(shè)備，為減少用戶行為對(duì)污染數(shù)據(jù)造成的影響，該系統(tǒng)使用了傳感器融合的校準(zhǔn)方案，以得到高質(zhì)量的環(huán)境污染物濃度數(shù)據(jù)。

通過(guò)表2所示的基于便攜式傳感器的應(yīng)用案例比較可以發(fā)現(xiàn)，此類系統(tǒng)的體系結(jié)構(gòu)是相似的，即移動(dòng)設(shè)備通過(guò)藍(lán)牙與外部傳感器進(jìn)行通信，但如何消除用戶行為對(duì)采集到的數(shù)據(jù)的影響才是此類系統(tǒng)研究的重點(diǎn)和難點(diǎn)。與基于相機(jī)的收集系統(tǒng)相比，便攜式傳感器具有可集成多種污染傳感器設(shè)備、可以監(jiān)測(cè)不同的空氣成分的優(yōu)點(diǎn)。

表2 基于便攜式傳感器的應(yīng)用案例比較

2.1.3 基于移動(dòng)工具的數(shù)據(jù)收集系統(tǒng)

相較于其他傳感器工具，利用移動(dòng)工具(如自行車、汽車)作為監(jiān)測(cè)探針具有高流動(dòng)性的優(yōu)勢(shì)，可以獲得更多實(shí)時(shí)性的數(shù)據(jù)。如哥本哈根車輪[10]，這是一個(gè)可以存儲(chǔ)能量的自行車輔助工具，此外其最大的亮點(diǎn)在于可以實(shí)現(xiàn)城市空氣質(zhì)量的移動(dòng)監(jiān)控，它可以監(jiān)測(cè)路面和周圍的空氣環(huán)境信息并通過(guò)藍(lán)牙將信息傳輸?shù)绞謾C(jī)上實(shí)現(xiàn)共享。SmartBike[24]系列產(chǎn)品創(chuàng)建了一個(gè)物聯(lián)網(wǎng)平臺(tái)，使用自行車作為數(shù)據(jù)收集設(shè)備，提供的服務(wù)包括自行車防盜、自行車遠(yuǎn)程實(shí)時(shí)定位、出行路線規(guī)劃和空氣污染監(jiān)測(cè)。其中央服務(wù)器負(fù)責(zé)匯總收集到的空氣污染信息并提供Web界面將數(shù)據(jù)可視化。Hu等人[25]研究出部署在汽車上的空氣收集裝置，可以通過(guò)少量的傳感節(jié)點(diǎn)收集大范圍內(nèi)的CO2濃度信息。每一輛實(shí)驗(yàn)車均配備了CO2傳感器、GPS、GSM模塊和Jennic板，利用CO2傳感器和GPS獲得污染信息，并利用GSM短信服務(wù)實(shí)現(xiàn)數(shù)據(jù)收集。表3提供了基于移動(dòng)工具的應(yīng)用案例的比較和分析。

表3 基于移動(dòng)工具的應(yīng)用案例比較

2.2 噪音污染

噪音污染作為城市污染的一種，其污染數(shù)據(jù)收集方式也是多種多樣。除了利用傳統(tǒng)的基站收集以及利用無(wú)線傳感器網(wǎng)絡(luò)收集[26-27]外，近年來(lái)還出現(xiàn)了許多新的收集方式，例如利用無(wú)線通信和虛擬儀器[28-29]收集噪音以及利用智能手機(jī)內(nèi)置傳感器[30-35]收集噪音。這些噪音數(shù)據(jù)收集方式同樣為利用群智感知技術(shù)解決城市噪聲污染問(wèn)題提供了許多思路。

2.2.1 基于無(wú)線通信和虛擬儀器

移動(dòng)互聯(lián)網(wǎng)的迅速發(fā)展，使得WiFi日益普及。利用WiFi傳輸速度快、可靠性高、覆蓋范圍廣等優(yōu)點(diǎn)以及虛擬儀器軟件Labview強(qiáng)大的數(shù)據(jù)處理能力，文獻(xiàn)[29]開(kāi)發(fā)了一種不需要現(xiàn)場(chǎng)測(cè)量的嵌入式噪聲監(jiān)測(cè)系統(tǒng)，主要由噪聲采集單元、主控電路、存儲(chǔ)單元、WiFi模塊及監(jiān)控中心組成。噪聲提取電路將數(shù)據(jù)通過(guò)單片機(jī)控制器處理后輸出到與其相連接的存儲(chǔ)器中，并通過(guò)WiFi模塊輸出，監(jiān)控中心通過(guò)無(wú)線接入點(diǎn)(Access Point， AP)接收噪聲數(shù)據(jù)，利用虛擬儀器軟件對(duì)噪聲數(shù)據(jù)進(jìn)行解析和實(shí)時(shí)顯示。該噪聲檢測(cè)系統(tǒng)相對(duì)于基站收集方式具有功耗低、通信速率高、抗干擾性好等優(yōu)點(diǎn)，未來(lái)可以通過(guò)激勵(lì)大量的終端用戶參與到群智感知中，實(shí)現(xiàn)大范圍的噪音數(shù)據(jù)感知。

2.2.2 基于參與式傳感器

采用參與式傳感器的一大優(yōu)勢(shì)是用戶可以使用手機(jī)收集感知數(shù)據(jù)，上傳至服務(wù)器。智能手機(jī)上的移動(dòng)眾包為收集城市這類大范圍地區(qū)的上下文感知數(shù)據(jù)提供了一種新的范例，通過(guò)利用基于互聯(lián)網(wǎng)的大眾化協(xié)同、大規(guī)模協(xié)作，實(shí)現(xiàn)覆蓋千萬(wàn)級(jí)人群的群體感知、協(xié)同與演化。

在國(guó)內(nèi)群智感知技術(shù)領(lǐng)域，文獻(xiàn)[31]介紹了基于群智感知的城市噪聲檢測(cè)和噪聲地圖生成系統(tǒng)(Crowd Sensing based Noise-map System， CSNS)。該系統(tǒng)以參與式智能手機(jī)為感知終端采集噪聲污染數(shù)據(jù)。系統(tǒng)計(jì)算麥克風(fēng)采集到的聲音的分貝值，并獲取用戶GPS位置信息生成噪音記錄。其創(chuàng)新在于考慮到了群智感知方式下，不同參與者收集的噪聲數(shù)據(jù)在時(shí)間和空間分布上的隨意性，但存在數(shù)據(jù)不完整或者數(shù)據(jù)冗余的情況，在噪聲數(shù)據(jù)恢復(fù)重建時(shí)采用了一種基于壓縮感知的數(shù)據(jù)采樣和重建算法，以獲得更加精準(zhǔn)的噪聲地圖。

國(guó)外最先利用便攜式傳感器收集污染數(shù)據(jù)的是巴黎索尼計(jì)算機(jī)科學(xué)實(shí)驗(yàn)室研究的手機(jī)噪音監(jiān)測(cè)程序NoiseTube[32]。NoiseTube作為一個(gè)城市噪聲監(jiān)測(cè)平臺(tái)，采用了眾包的方式，用戶可將其安裝在手機(jī)上，以此將手機(jī)作為傳感設(shè)備使用。該應(yīng)用程序可以從不同的傳感器(如噪聲、GPS坐標(biāo)、時(shí)間、用戶輸入)收集本地信息，并將其發(fā)送到服務(wù)器，從而對(duì)數(shù)據(jù)進(jìn)行集中處理。人們可以在谷歌地球上查看處理得到的噪聲地圖，了解自己每天的噪聲暴露量。

此外，Schweizer等人[33]參考NoiseTube利用參與式傳感繪制了準(zhǔn)確、實(shí)時(shí)的噪聲圖。其為安卓開(kāi)發(fā)的應(yīng)用程序NoiseMap收集噪音污染的響度數(shù)據(jù)，并將數(shù)據(jù)傳輸至da_sense平臺(tái)。da_sense不僅收集來(lái)自參與性傳感器的數(shù)據(jù)還有無(wú)線傳感器網(wǎng)絡(luò)中的數(shù)據(jù)，且允許用戶使用Web服務(wù)或JavaScript API訪問(wèn)和控制數(shù)據(jù)，并生成實(shí)時(shí)噪聲圖和數(shù)據(jù)圖。Noisemap的一大優(yōu)勢(shì)是使用了橫向模型和模擬工具外推得到噪聲數(shù)據(jù)，且通過(guò)參與式的傳感器提高了空間和時(shí)間數(shù)據(jù)分辨率。在該系統(tǒng)中還增加了對(duì)收集數(shù)據(jù)的控制和信息的激勵(lì)，以獲得更多精準(zhǔn)可靠的噪聲數(shù)據(jù)。

除以上2種利用群智感知收集噪音污染的系統(tǒng)外，NoiseSense系統(tǒng)[34]除了記錄噪音數(shù)據(jù)，添加記錄的時(shí)間和GPS位置信息外，還具有單用戶模式和組模式2種不同的收集方式。在單用戶模式下，用戶可以直接上傳數(shù)據(jù)到云端；在組模式下，數(shù)據(jù)則會(huì)先收集到組長(zhǎng)的手機(jī)中進(jìn)行預(yù)處理后再上傳，其收集過(guò)程如圖1所示。此外，該系統(tǒng)還能感知手機(jī)的使用場(chǎng)景，當(dāng)系統(tǒng)檢測(cè)到用戶正在撥打電話，或通過(guò)近距離傳感器檢測(cè)到手機(jī)在口袋時(shí)，系統(tǒng)會(huì)提示相應(yīng)信息，以減少不同使用環(huán)境帶來(lái)的影響，提高收集噪音數(shù)據(jù)的準(zhǔn)確性。

圖1 NoiseSense收集過(guò)程

在調(diào)用智能手機(jī)傳感器時(shí)，Lee等人[35]開(kāi)發(fā)的噪音資源管理器應(yīng)用程序則證明了使用校準(zhǔn)過(guò)的智能手機(jī)監(jiān)測(cè)環(huán)境噪聲數(shù)據(jù)眾包的可行性。該研究的核心是基于文獻(xiàn)[36]中的校準(zhǔn)方法，可在Android和IOS端校準(zhǔn)智能手機(jī)并記錄噪聲數(shù)據(jù)，其收集噪音的過(guò)程如圖2所示。系統(tǒng)保存下來(lái)的噪聲數(shù)據(jù)文件可用于進(jìn)一步分析潛在緩解噪音污染的措施，以及作為一個(gè)地方的聲學(xué)遺跡。用戶還可將手機(jī)中的WAV文件和校準(zhǔn)文件上傳到指定網(wǎng)址，用來(lái)生成噪音圖、平均頻譜和頻譜圖。

圖2 噪音資源管理器收集噪音過(guò)程

表4對(duì)所有基于參與式傳感器的收集方式進(jìn)行了對(duì)比，并分析了各自的優(yōu)缺點(diǎn)。

表4 基于參與式傳感器收集方式對(duì)比

3 關(guān)鍵技術(shù)

群智感知需要大量終端用戶的參與，雖然移動(dòng)終端普及率的提高給群智感知在手機(jī)上的應(yīng)用提供了可行性，但在進(jìn)行數(shù)據(jù)感知時(shí)，仍需要解決智能手機(jī)獲取數(shù)據(jù)精準(zhǔn)性差、可靠性不足等問(wèn)題。污染源定位、噪聲數(shù)據(jù)校準(zhǔn)、系統(tǒng)架構(gòu)等都是研究的重點(diǎn)。

3.1 污染源定位

針對(duì)污染事件的精準(zhǔn)定位問(wèn)題，基于智能手機(jī)多傳感器融合的目標(biāo)定位技術(shù)是污染源定位的研究重點(diǎn)之一。利用手機(jī)上集成的GPS、加速度傳感器、地磁傳感器等進(jìn)行數(shù)據(jù)采集，計(jì)算目標(biāo)位置與手機(jī)間的距離，同時(shí)采集二者間的方向信息，進(jìn)一步計(jì)算目標(biāo)的位置。智能手機(jī)定位技術(shù)可分為自定位技術(shù)和目標(biāo)定位技術(shù)。自定位技術(shù)是指通過(guò)一定的技術(shù)手段確定手機(jī)自身的位置。目標(biāo)定位技術(shù)則是通過(guò)手機(jī)來(lái)確定與之有一定距離的目標(biāo)位置。

3.1.1 自定位技術(shù)

傳統(tǒng)的自定位方式有GPS定位、基于WiFi定位和基站定位等幾種方式。GPS定位系統(tǒng)是利用衛(wèi)星在全球范圍內(nèi)進(jìn)行實(shí)時(shí)定位和導(dǎo)航的系統(tǒng)，是目前應(yīng)用最廣泛的定位方式之一。GPS具有全天候、全球覆蓋、三維定速定時(shí)高精度、快速省時(shí)、高效率和應(yīng)用廣泛等諸多特點(diǎn)。隨著無(wú)線網(wǎng)絡(luò)的快速發(fā)展，基于WiFi的定位技術(shù)逐漸成熟。WiFi定位技術(shù)的原理是每一個(gè)無(wú)線AP都有一個(gè)全球唯一的MAC地址，且一般來(lái)說(shuō)無(wú)線AP在一段時(shí)間內(nèi)不會(huì)移動(dòng)，設(shè)備在開(kāi)啟WiFi的情況下即可掃描并接收周圍的AP信號(hào)，無(wú)論是否加密、是否連接，設(shè)備都可以得到AP廣播出來(lái)的MAC地址。設(shè)備將這些可以標(biāo)識(shí)AP的數(shù)據(jù)發(fā)送至位置服務(wù)器，服務(wù)器檢索出每一個(gè)AP的地理位置，結(jié)合信號(hào)的強(qiáng)弱程度，計(jì)算出設(shè)備的地理位置，同時(shí)將位置信息返回到用戶設(shè)備。此外由于無(wú)線AP不同于基站塔，具備可移動(dòng)性，因此位置服務(wù)商需要不斷更新、補(bǔ)充相關(guān)WiFi信息庫(kù)，以保證數(shù)據(jù)的正確性。同時(shí)WiFi定位功耗較低，能夠彌補(bǔ)GPS在室內(nèi)信號(hào)差的問(wèn)題。

針對(duì)室內(nèi)定位，以上幾種技術(shù)都具有一定的局限性。GPS定位常常因?yàn)槭覂?nèi)信號(hào)差導(dǎo)致定位失敗，同時(shí)由于室內(nèi)場(chǎng)景位置復(fù)雜，利用WiFi定位以及基站定位精度低時(shí)，容易定位到其他的房間。此外，當(dāng)用戶處于多樓層的環(huán)境中時(shí)無(wú)法精準(zhǔn)定位到用戶所在的房間。近年來(lái)出現(xiàn)了許多針對(duì)室內(nèi)定位方面的研究，SurroundSense[37]利用室內(nèi)周圍環(huán)境的指紋信息進(jìn)行室內(nèi)定位,利用手機(jī)收集室內(nèi)的WiFi信號(hào)特征、聲音特征、圖像信息、光強(qiáng)特征等，建立與其相應(yīng)空間對(duì)應(yīng)的指紋庫(kù)，利用多種信息匹配用戶所處的空間。以其中的圖像信息為例，從圖像中提取地板主色、亮度等信息，進(jìn)行聚類分析，從而將類似特征的圖像信息歸類。此外，王小輝等人[38]利用RFID技術(shù)或低功耗藍(lán)牙節(jié)點(diǎn)獲取數(shù)據(jù)計(jì)算位置信息。當(dāng)手機(jī)在室內(nèi)靠近節(jié)點(diǎn)時(shí)，會(huì)與節(jié)點(diǎn)進(jìn)行通信，從而實(shí)現(xiàn)室內(nèi)場(chǎng)景下的定位。

3.1.2 目標(biāo)定位技術(shù)

目標(biāo)定位方法在近幾年才出現(xiàn)。如iSee[39]，它要求用戶站在不同地點(diǎn)，在智能手機(jī)屏幕上劃出目標(biāo)事件的方向。服務(wù)器端分析手機(jī)的當(dāng)前位置和目標(biāo)的方向，利用聚類分析等方法對(duì)數(shù)據(jù)進(jìn)行處理計(jì)算得到目標(biāo)的位置。OPS[40]要求用戶在多個(gè)地點(diǎn)對(duì)目標(biāo)進(jìn)行拍攝，采集圖像。通過(guò)從圖像中提取關(guān)鍵點(diǎn)，對(duì)多張圖像中的多組關(guān)鍵點(diǎn)進(jìn)行匹配，進(jìn)行空間推理，構(gòu)建與目標(biāo)物體近似的3D模型，并應(yīng)用手機(jī)傳感器來(lái)縮放和旋轉(zhuǎn)這個(gè)3D模型到其絕對(duì)構(gòu)型，然后對(duì)殘余誤差進(jìn)行非線性優(yōu)化，最終估計(jì)出目標(biāo)的GPS位置。與前者不同，CamLoc[41]則利用了手機(jī)凸透鏡成像原理。用戶首先對(duì)目標(biāo)進(jìn)行拍照，再向后移動(dòng)并對(duì)目標(biāo)再次拍照。CamLoc通過(guò)計(jì)算2張圖像中的目標(biāo)縮放比，利用手機(jī)傳感器計(jì)算手機(jī)移動(dòng)過(guò)程中的位移,從而通過(guò)凸透鏡成像原理計(jì)算用戶與目標(biāo)間的距離，最后將手機(jī)自身位置信息和傳感器采集到的目標(biāo)方向結(jié)合，計(jì)算出目標(biāo)的位置。Smart Measure[42]是一款基于Android平臺(tái)的測(cè)量工具軟件,可以用來(lái)測(cè)量目標(biāo)與用戶間的距離。它要求用戶輸入當(dāng)前身高，并通過(guò)攝像頭取景器瞄準(zhǔn)目標(biāo)的底部。軟件推算出手機(jī)的高度，并測(cè)量手機(jī)向下的傾角，利用直角三角形原理得出目標(biāo)與用戶間的距離。表5為不同的定位技術(shù)應(yīng)用案例的對(duì)比。

表5 不同定位技術(shù)應(yīng)用案例對(duì)比

3.2 噪聲數(shù)據(jù)校準(zhǔn)

在調(diào)用智能手機(jī)內(nèi)置麥克風(fēng)時(shí)，直接計(jì)算智能手機(jī)麥克風(fēng)接收的音頻數(shù)據(jù)得到噪音級(jí)別，因?yàn)橛衅涔潭ǖ膮⒖伎蚣埽a(chǎn)生的數(shù)據(jù)不具代表性，甚至可能具有誤導(dǎo)性。為了使應(yīng)用程序能夠準(zhǔn)確地計(jì)算處理音頻數(shù)據(jù)，正確報(bào)告聲壓水平和頻譜，就必須根據(jù)參考麥克風(fēng)進(jìn)行校準(zhǔn)。校準(zhǔn)方法主要有按不同噪聲級(jí)別系數(shù)校準(zhǔn)、單整體校準(zhǔn)系數(shù)校準(zhǔn)以及按頻率法校準(zhǔn)3種。

3.2.1 不同噪聲級(jí)別的校準(zhǔn)系數(shù)

一些報(bào)告在智能手機(jī)上利用噪聲映射計(jì)算城市噪聲水平，使用智能手機(jī)進(jìn)行校準(zhǔn)和噪聲映射的第一個(gè)綜合性研究成果是NoiseTube[32]。其設(shè)計(jì)原理是利用智能手機(jī)噪聲水平和參考麥克風(fēng)之間的線性映射進(jìn)行校準(zhǔn)。噪聲級(jí)或響度的測(cè)量一般是測(cè)量等效連續(xù)聲級(jí)即Leq。Leq捕捉恒定噪聲源在時(shí)間間隔T上的聲壓級(jí)，該時(shí)間間隔T具有與在同一間隔內(nèi)的實(shí)際變化聲級(jí)壓力相同的聲能。此外，人類的耳朵對(duì)響度的感知取決于聲音的頻率。標(biāo)準(zhǔn)的“加權(quán)尺度”頻率函數(shù)如公式(1)，反映了人類的感知，特別是A-加權(quán)尺度。

(1)

公式(1)中，p為記錄的SPL(SPL代表聲壓級(jí))，P0為最小SPL。該移動(dòng)應(yīng)用程序包含一種實(shí)時(shí)信號(hào)處理算法，在選定的間隔內(nèi)記錄環(huán)境聲音(22500 Hz，16位)的響度水平。然后將A-加權(quán)濾波器應(yīng)用于記錄的聲音和等效聲級(jí)(Leq)2。

3.2.2 單整體校準(zhǔn)系數(shù)

NoiseMap[33]和Ear-phone[43-44]通過(guò)單整體校準(zhǔn)因子進(jìn)行麥克風(fēng)校準(zhǔn)。NoiseMap對(duì)輸入的音頻進(jìn)行采樣，將離散的數(shù)字信號(hào)轉(zhuǎn)換為dB全尺度值(dBFS，dB full值)。而dBFS必須轉(zhuǎn)換為dBSPL(SPL為聲壓級(jí))。SPL是相對(duì)于給定聲壓值的參考系統(tǒng)，聲壓值通常是人類聽(tīng)力的閾值20 μPA。在將dBFS轉(zhuǎn)換為dBSPL時(shí)，必須添加一個(gè)校準(zhǔn)值，因此dBSPL=dBFS+Xcai。噪聲地圖包含一個(gè)校準(zhǔn)工具，會(huì)計(jì)算出一個(gè)恒定的粉紅色噪聲Xcai。這種校準(zhǔn)方法的優(yōu)點(diǎn)是相對(duì)容易實(shí)現(xiàn)且不存在較大誤差。

在Ear-phones中信號(hào)處理模塊則是將環(huán)境噪聲測(cè)量為A加權(quán)等效連續(xù)聲級(jí)或LAeq，T。A加權(quán)通常用于測(cè)量環(huán)境噪音和工業(yè)噪聲，以及評(píng)估所有聲音水平的潛在聽(tīng)力損害和其他健康影響。LAeq，T以A加權(quán)分貝測(cè)量，在時(shí)間間隔內(nèi)捕獲恒定噪聲源的A加權(quán)聲壓級(jí)別，其同一間隔內(nèi)的聲能量與實(shí)際變化聲壓電平相同。A加權(quán)等效聲級(jí)LAeq，T由等式(2)定義：

(2)

其中，vA(t)可由其設(shè)計(jì)的一個(gè)10階數(shù)字濾波器計(jì)算，其頻率響應(yīng)與0 kHz～8 kHz范圍內(nèi)的A加權(quán)信號(hào)相匹配。有關(guān)計(jì)算算法的詳細(xì)信息LAeq，T請(qǐng)參閱文獻(xiàn)[44]。

3.2.3 按頻率法

不同于以往研究中提到的2種精確校準(zhǔn)智能手機(jī)麥克風(fēng)的方法：?jiǎn)握w校準(zhǔn)因子[33]和一組不同噪音水平的校準(zhǔn)因子[32]，Garg等人[36]提出了一種按頻率法校準(zhǔn)。他們的方法校準(zhǔn)智能手機(jī)麥克風(fēng)不僅可以得到等效的連續(xù)聲壓水平，而且能計(jì)算頻譜，并且不需要依靠如氣管室、信號(hào)發(fā)生器或?qū)I(yè)揚(yáng)聲器系統(tǒng)等專業(yè)科學(xué)設(shè)備，只需要借助參考麥克風(fēng)在室外環(huán)境中現(xiàn)場(chǎng)校準(zhǔn)即可。

這種校準(zhǔn)方法不僅提高了數(shù)據(jù)的有效性、精確性，且對(duì)于同一型號(hào)的智能手機(jī)可以采用同一份校準(zhǔn)文件進(jìn)行校準(zhǔn)。通過(guò)該方法測(cè)量的噪聲數(shù)據(jù)，其精度可控制在±1 dB，并且可以用來(lái)計(jì)算聲壓水平和頻譜。表6對(duì)不同的校準(zhǔn)方法進(jìn)行了對(duì)比，并提出了相應(yīng)的適用場(chǎng)景。

表6 噪聲數(shù)據(jù)校準(zhǔn)方法對(duì)比

3.3 系統(tǒng)架構(gòu)

系統(tǒng)架構(gòu)是污染數(shù)據(jù)收集的關(guān)鍵技術(shù)之一?？v觀近年來(lái)污染收集的各項(xiàng)研究工作，系統(tǒng)架構(gòu)均大同小異，本文分析一個(gè)相對(duì)基礎(chǔ)的架構(gòu)，研究者大多以此架構(gòu)為基礎(chǔ)，采用不同的污染收集技術(shù)實(shí)現(xiàn)污染監(jiān)測(cè)。

基礎(chǔ)架構(gòu)如圖3所示，為得到所希望的系統(tǒng)，需要完成2個(gè)解決方案：1)通過(guò)傳感器網(wǎng)絡(luò)網(wǎng)關(guān)(CCI)相互連接的幾個(gè)模塊完成自定義遞送解決方案(CDS)；2)可在云端使用的ThingSpeak[45]解決方案。兩者都提供了REST API[46]應(yīng)用程序接口以提供移動(dòng)應(yīng)用程序的功能，并且在之后扮演著“其他設(shè)備”的角色。

圖3 系統(tǒng)架構(gòu)

CDS通過(guò)利用發(fā)布/訂閱模式使用數(shù)據(jù)收集器可處理多個(gè)傳感器，傳感器將數(shù)據(jù)發(fā)布到傳感器網(wǎng)關(guān)CCI，通過(guò)數(shù)據(jù)記錄器將數(shù)據(jù)保存在數(shù)據(jù)庫(kù)中。ThingSpeak可以在云中使用，傳感器可通過(guò)不同的協(xié)議(如HTTP、MTQQ等)與中央平臺(tái)進(jìn)行交互，使用API便可以進(jìn)行數(shù)據(jù)的提交和訪問(wèn)。

通過(guò)分析可以看出系統(tǒng)架構(gòu)可分為3個(gè)部分，包括數(shù)據(jù)的收集、數(shù)據(jù)的處理與存儲(chǔ)、數(shù)據(jù)的分析和報(bào)告。數(shù)據(jù)收集階段，數(shù)據(jù)從特定的傳感器節(jié)點(diǎn)讀取所需污染信息并存放在數(shù)據(jù)收集器中。數(shù)據(jù)的處理與存儲(chǔ)會(huì)將第一階段收集到的數(shù)據(jù)傳輸?shù)絺鞲衅骶W(wǎng)關(guān)。傳感器網(wǎng)關(guān)CCI控制來(lái)自于不同傳感器的數(shù)據(jù)流并將其通過(guò)數(shù)據(jù)記錄器保存在SQL數(shù)據(jù)庫(kù)中。數(shù)據(jù)的分析與報(bào)告由REST API完成，并控制著移動(dòng)應(yīng)用程序與“其他設(shè)備”之間的通信。移動(dòng)應(yīng)用程序是開(kāi)發(fā)者和用戶交互的聚集地，開(kāi)發(fā)者從此處獲取用戶收集上報(bào)的污染信息，同時(shí)開(kāi)發(fā)者獲取信息后結(jié)合從其他來(lái)源獲取到的數(shù)據(jù)，通過(guò)分析比對(duì)，對(duì)污染數(shù)據(jù)進(jìn)行綜合處理，處理后的數(shù)據(jù)可以通過(guò)多種方式呈現(xiàn)給用戶，如實(shí)時(shí)污染狀況、污染地圖、指定地區(qū)污染狀況的統(tǒng)計(jì)等。此外應(yīng)用程序允許對(duì)用戶指定的監(jiān)測(cè)地區(qū)進(jìn)行每日、每周、每月的污染統(tǒng)計(jì)和對(duì)比，用戶可以更直觀地看到周邊污染的變化趨勢(shì)。

4 結(jié)束語(yǔ)

群智感知可以進(jìn)行大范圍的數(shù)據(jù)感知。出于成本和空間的考慮，未來(lái)在智能手機(jī)上開(kāi)發(fā)的環(huán)境監(jiān)測(cè)系統(tǒng)可以代替多種專業(yè)設(shè)備進(jìn)行城市污染監(jiān)測(cè)。這些聯(lián)網(wǎng)、低成本和易于使用的環(huán)境監(jiān)測(cè)系統(tǒng)的出現(xiàn)，使污染監(jiān)測(cè)領(lǐng)域的模式發(fā)生了轉(zhuǎn)變。利用群智感知獲取的污染數(shù)據(jù)正逐漸被各地方政府和機(jī)構(gòu)所采用，并通過(guò)這些數(shù)據(jù)作出相關(guān)污染防治的決策。需要指出的是，目前在研究此類檢測(cè)系統(tǒng)時(shí),研究者們很少考慮數(shù)據(jù)的完整性和系統(tǒng)的安全性，這可能造成嚴(yán)重的后果，如果環(huán)境數(shù)據(jù)遭到破壞和污染，可能會(huì)讓人工神經(jīng)網(wǎng)絡(luò)得到錯(cuò)誤的結(jié)果從而誤導(dǎo)用戶和政府決策者，因此對(duì)數(shù)據(jù)和系統(tǒng)的保護(hù)[47]將是未來(lái)研究的重點(diǎn)方向之一。另一方面，在智能手機(jī)上調(diào)用專業(yè)傳感器仍有很多問(wèn)題需要解決。例如，在生成眾包噪聲地圖時(shí)，不光要考慮校準(zhǔn)智能手機(jī)測(cè)量噪聲水平的準(zhǔn)確性，還要解決在時(shí)間和空間尺度上數(shù)據(jù)精密度不足、用戶上傳虛假信息等問(wèn)題。對(duì)此，一個(gè)可行的研究方向是利用深度學(xué)習(xí)對(duì)圖像和聲音數(shù)據(jù)進(jìn)行分析處理，通過(guò)鑒別用戶上傳數(shù)據(jù)的真?zhèn)?，提高所獲數(shù)據(jù)的準(zhǔn)確性。

在利用眾包優(yōu)勢(shì)收集數(shù)據(jù)時(shí)，相應(yīng)的激勵(lì)機(jī)制也是要考慮的。當(dāng)污染數(shù)據(jù)難以收集時(shí)，則需要使用大量的激勵(lì)手段來(lái)促進(jìn)用戶對(duì)監(jiān)測(cè)系統(tǒng)的使用。對(duì)于數(shù)據(jù)需求者，只需要在相應(yīng)的平臺(tái)上面發(fā)布任務(wù)并設(shè)置懸賞，其他用戶便可以領(lǐng)取和完成任務(wù)，并按照工作量來(lái)領(lǐng)取報(bào)酬。合理的激勵(lì)機(jī)制[48-49]將激勵(lì)更多的用戶參與到污染監(jiān)測(cè)任務(wù)中來(lái)。此外，在通過(guò)群智感知獲取高質(zhì)量數(shù)據(jù)的同時(shí)，也不可避免地涉及部分用戶的敏感信息，比如地理位置等，因此保護(hù)不同用戶的隱私數(shù)據(jù)安全也是未來(lái)的研究重點(diǎn)之一。