文章内容

1 Introduction

  • 感知设备和移动网络的急速发展促进了IoT对物体和网络空间的互联
  • MCS创建了一种全新的感知方式对IoT的服务进行了扩展同时探索了智能网络的时代
  • MCS需要大量的参与者进行数据感知，资源限制（带宽…）成为关键挑战
  • MCS方案用于商业领域需要保证QoS（Quality-of-Service）
  • 文章目标：
    • 1）了解MCS现存问题以及过去已经提出的方案对其发展的帮助
    • 2）了解不同MCS技术在智能资源管理时达到低成本和良好的QoS所具有的长处和局限，并且了解如何使用这些方法解决未来相似的问题
    • 3）对未来MCS和IoT研究提供方向性指导

2 Background

2.1 IoT

（1）IoT定义

“The Internet of Things allows people and things to be connected Anytime, Anyplace, with Anything and Anyone, ideally using Any path/network and Any service.”

（2）IoT应用领域

L. Atzori, A. Iera, and G. Morabito. 2010. The internet of things: A survey. Computer Networks 54, 15 （2010）, 2787–2850.

  • 物流运输
  • 健康护理
  • 智能环境（家、植物）
  • 人与社会

2.2 MCS

（1）分类方式

1）按照参与者的感知行为

S. Jami, A. Basalamah, A. Lbath, and M. Youssef. 2015. Hybrid participatory sensing for analyzing group dynamics in the largest annual religious gathering. In Proceedings of the ACM UbiComp.547–558.

  • Paticipatory
  • Opportunistic

2）按照感知现象、内容

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

  • 环境应用
  • 基础设施应用
  • 社区应用

（2）MCS系统结构

（3）MCS基本流程

1）数据收集

  • 用户控制感知设备进行数据手动收集（高能耗、低效）
  • 数据收集部分由用户控制，并周期性进行采样（开启某种应用）
  • 基于内容感知的数据感知（特定时间、地点）

2）数据存储

3）数据上传

4）数据去重

  • 消除数据收集阶段的冗余数据来减少资源消耗并提高应用的QoS

  • 按照去重的发生阶段，可分为两种方式：

    • 实时去重（当获取到数据时进行哈希和压缩，降低本地感知设备的存储量）
    • 预处理去重（获取到的数据被预先存储便于处理）

考虑群体感知平台的移动性和内容的稳定程度，将群体感知应用分类为下表所示：

3 现存移动群体感知策略

3.1 MCS策略用于减少资源消耗

  • 通过实时有效地确定传感器流之间的功能依赖关系，并仅从最小的传感器集合中主动收集数据，从而减少传感器网络中收集的数据量
  • 在带宽限制的网络中致力于识别传感数据中的相似数据，减少冗余

3.2 MCS策略用于提高QoS

  • 压缩群体感知（Compressive CrowdSensing - CCS）

强调减少数据冗余的群体感知技术：


近年来常用的移动群体感知策略及其实例：

3.3 数据集

4 不同应用领域的群体感知策略

4.1 自然环境监测

1.面向环境保护的群体感知策略

  • Mun 等利用参与式群体感知策略来衡量其后改变和资源污染的影响。

M. Mun, S. Reddy, K. Shilton, N. Yau, J. Burke, D. Estrin, M. Hansen,E. Howard, R. West, and P. Boda. 2009. PEIR, the personal environmental impact report, as a platform for participatory sensing systems research. In Proceedings of the ACM MobiSys.

  • 参与式群体感知两大特征：上下文触发式反馈 和 数据可视化

2.衡量及减少噪音污染

  • Maisonneuve等提出了一种参与式的噪声污染监测方法—— NoiseTube
  • Rana等使用基于传统基础设施的方法建立了一个噪声地图用于提高城市噪声监测的效率

3.空气污染监测

  • Zheng等提出了一种全面的方法，结合了群体感知应用监测器感知的空气状态数据和历史空气污染数据库来对整个城市的实时环境质量进行报告。 核心算法包括两个分类器，一个基于人工智能神经网络（Artificial Neural Network)将区域的空间信息考虑在内；另一个是一个先行链式的条件随机域（Conditional Random Field），把温度、湿度等类似的因素中的实时依赖关系考虑在内。
  • 人工智能解决群体感知问题是一个趋势

4.2 交通信息收集和管理

  • 交通流信息收集：主要研究交通趋势预测，提升交通管理效率
  • 物流服务提升
    • Chen等提出方法识别居民移动模式的方法，为夜间公交路线的修改提供了依据
    • Zhou等提出方法基于移动群体感知对等车时间进行预测
    • Eriksson 等开发了 The Pothole patrol 使用GPS和安装在移动车辆上的震动传感器来路面情况

4.3 城市动态感知

主要研究城市居民移动或行为模式

4.4 位置服务

4.5 基于社交网络应用

  • 智能推荐热点位置（一种是推荐用户感兴趣的热点位置的通用列表，一种是给用户提供个性化定制选择）
  • 公众安全和灾难通讯提升（通过移动计算建立平台用于识别紧急事件，分析清醒，自动寻求帮助）

4.6 医疗保健

  • 公众健康监测
  • 个人健康管理

4.7 公众安全

  • 犯罪预防和调查

  • 灾难管理和救济

5 面临的挑战与未来研究方向

5.1 MCS的挑战

1.传感设备的自动配置：

  • 传统普适计算只有有限数量的感知设备与应用相连接，但是IOT有大量的感知设备被连接在一起

2.资源局限：

  • 感知设备资源有限，由于感知设备的多模接入感知能力，不同类型的感知设备需要感知同样的信息，新旧设备资源不匹配

3.数据冗余、质量、不一致：

  • 检测冗余数据
  • 感知设备资源不匹配，不同设备运行相同的计算可能会得到不一致的结果

4.动机和激励：

  • 如何提供好的动机和激励策略，同时兼顾隐私

5.隐私、安全以及数据完整性

5.2 IoT的挑战

  • 可用性
  • 可靠性
  • 流动性
  • 管理
  • 可扩展性
  • 互操作性

5.3 未来研究方向

  • 最优化多因素（位置、预测、能量预算）
  • 隐私保护
  • 一种通用的方法
  • 在大数据中注入知识
  • 智能数据处理
  • 社交互联网
  • 人类协同

生词

  • threefold adj.三倍的； adv.成三倍 三重的；三重保护
  • be coined by 被…创造
  • participatory adj.参与式的 参与性；供人分享的
  • holistic adj.整体的；全面的；功能整体性的全人；全盘的
  • multimodality 多模态；多模态性；多模接入
  • congestion n.充血；淤血；（交通）拥塞；塞车
  • be resilient to adj. 可迅速回复的；有适应力的；有弹性的；能复原的
  • interoperability n.互用性；互操作性；互通性
  • heterogeneous adj.由很多种类组成的；各种各样的； 异构型；异类的
  • multinational adj.跨国的；跨国公司的； 多民族的
  • synergistically 协同；协同作用