参与式感知:以人为中心的智能感知与计算

越来越多的无线智能移动设备集成了大量不同种类的传感器模块,与此同时无线移动网络也迅速普及.这些因素推动了参与式感知概念的提出与发展.参与式感知又被称为城市感知、以用户为中心的感知、群智感知.参与式感知可以解决传统无线传感网络难以大规模部署以及部署成本高昂的问题.参与式感知系统通过利用移动智能设备中的传感器、社交网络以及个人设备使用行为对参与者周围的物理环境、社会环境或者个人状态进行自主式采集、传输和分析,并做出智能化决策.这对未来实现智慧城市、普适计算以及物联网等重大概念具有重要的意义.首先介绍了参与式感知相关概念、理论以及相应的应用原型系统;然后介绍了参与式感知相关研究前沿热点,包括参与式感知的原型设计、感知数据处理、激励机制、隐私保护、恶意攻击以及不同移动网络的问题等;最后给出研究参与式感知的一般方法.

参与式感知系统中基于社会关系的移动用户位置预测算法

移动用户位置预测是参与式感知系统进行有效数据采集和消息转发的关键,该文提出了一种基于社会关系的移动用户位置预测算法(SMLP).该算法基于位置对应用场景进行建模,通过节点的移动规律挖掘节点之间的社会关系.SMLP算法以马尔可夫模型为基础对节点的移动性进行初步预测,然后利用与其社会关系较强的其他节点的位置对该节点的预测结果进行修正.算法基于马尔可夫模型和加权马尔可夫模型,分别提出了SMLP1和SMLPN两种算法.最后基于UCSD WTD数据集对算法进行仿真实验.实验结果表明:SMLP1比马尔可夫模型有更高的预测精确度;SMLPN与SMLP1相比有了更大程度的性能提升,并以比2阶马尔可夫模型小得多的算法复杂度获得了与2阶马尔可夫模型相似的预测精度.由于加权系数的引入,SMLP1和SMLPN两种算法都具有良好的灵活性.

参与式感知中隐私保护的差异化数据分享协议

参与式感知中用户不仅对数据匹配度有要求,对数据差异化也同样有要求,为了既能满足用户对数据匹配度和差异化数据的需求,也能保护用户的偏好隐私,提出了一种隐私保护的差异化数据分享协议。该协议首先将交互双方的数据表示为两个整数集合,并且利用计数布隆过滤器(CBF)计算两个集合的集合交,以集合交的结果作为数据类型匹配度;其次利用CBF能删除元素的功能,计算两个集合的差异化数据值;最后将数据类型匹配度和差异化数据值与预先设定的阈值比较,判断是否符合交互条件,同时,对CBF的构造方法进行了改进,用以保护用户的偏好隐私。理论分析和实验结果表明,与基于布隆过滤器(BF)的非加密匹配协议相比,该协议克服了匹配结果偏大的缺陷,同时计算开销减少了50%以上。该协议在保护用户偏好隐私和满足用户对差异化数据需求的同时,具有较高的匹配精度和效率。

隐私保护的参与式感知数据分享与访问方案

随着移动设备的发展,参与式感知具有广泛的应用前景。由于参与式感知的用户主体是具有社会属性的人,因此,其面临许多传统传感器网络未曾遇到的问题,用户在采集与共享数据过程中的安全与隐私问题便是其中之一,在用户与用户交互过程中怎样使用户通过单次交易就能获得全部必需的数据,以及在获得全部必需数据的同时如何保证用户的身份隐私和偏好隐私是用户十分关心的问题,也是参与式感知应该解决的问题。首先,通过采用双线性映射和盲签名来保护用户的身份隐私;其次,采用布隆过滤器,使用户通过单次数据交易就能获得全部必需的数据,同时保护用户的偏好隐私不被泄露给匹配失败的数据提供者;最后,通过分析表明了该方案的安全性和可行性。

基于0-1编码的参与式感知隐私保护的数据价值匹配方案

在参与式感知中,满足数据请求者对数据类型和数据价值匹配的要求,同时保护请求者和提供者的个人隐私,是普及参与式感知需要解决的问题。鉴于此,提出了一种基于0-1编码的隐私保护的数据价值匹配方案,它将用户数据价值转换成0-1编码,然后使用时空高效的布隆过滤器执行价值匹配,在保护了用户数据价值隐私的同时,完成了数据价值的高效匹配。理论分析和仿真实验论证了所提方案的正确性、安全性和高效性。

参与式感知系统中基于压缩感知的数据采集算法

基于压缩感知理论提出了一种在参与式感知系统中进行数据采集的算法.该算法通过对节点社会关系的分析,估计得出部分未被传输的节点感知数据,在此基础上对观测矩阵进行更新,使压缩感知算法可以利用已传输的数据和估计得出的数据进行重构.该算法能显著减少参与式感知系统中传输的数据量,同时能够保证较好的数据重构精度.采用随机漫步移动模型进行了仿真实验,验证了算法的可行性.实验表明,与传统的压缩感知算法相比,上述算法在重构成功率相同的情况下,可以显著减少网络传输的数据量,从而降低网络消耗.

城市声景观参与式感知客户端软件研制

城市声景观的研究为积极主动的改善声环境带来了新思路,但目前研究尺度较小,难以全面阐述城市声景观的整体质量。手机等移动设备性能不断提高,以及网络覆盖范围的扩大,增强了公众获取和分享周边环境信息的能力。借助网络和移动计算技术,发展了城市声景观参与式感知研究方法,并研制了相应的客户端应用软件。该软件能够在公众参与下对城市声景观大尺度抽样,获取参与者身边的声景观相关数据,如声要素、空间要素、主观评价要素、参与者个体特征、时间要素和其他辅助要素。该软件自2016年6月在各大主流市场稳定发布后,截至今年11月用户已经达到4 895名,返回评价记录数5 848条,月均新增用户683名,月均活跃用户1 530名,月均应用启动次数4 132次,逐渐形成了一个全球范围内的城市声景观信息收集和研究平台。

参与式感知中可验证的隐私保护数据类型匹配方案

针对参与式感知设备资源有限,很难在高效地保护用户数据类型匹配过程隐私性的同时,对匹配结果进行验证的问题,提出了一个匹配结果可验证的数据类型高效匹配方案。通过引入时空性价比高的布隆过滤器和基于位运算的门限秘密共享机制,分别解决了匹配过程隐私泄露和匹配结果不能被高效验证的问题。集中的理论分析和实验结果证实了方案的正确性、隐私保护性、可验证性和高效性。

参与式感知隐私保护技术

移动智能终端正在成为人们日常生活的核心通信设备,参与式感知的隐私保护技术已成为研究热点.研究和解决数据以及位置隐私保护问题对参与式感知的大规模安全使用具有重要意义,然而参与式感知的特征使得隐私保护技术面临诸多挑战.该文对参与式感知隐私保护现有的研究成果进行了综述,首先介绍了参与式感知的基本应用和攻击模型,然后按照基于分组统计、第三方验证、K-匿名、数字加密4种策略对现有成果进行了分类,阐述了代表性的隐私保护技术,接着分析和比较了各技术的性能并总结了各技术的主要优缺点,最后提出了未来的研究方向.

参与式感知系统中用户累积行为信誉计算

参与式感知系统中,由于感知数据质量可能受参与者影响,提出了基于用户累积行为的信誉计算模型以帮助选择可信赖用户.针对感知环境中用户群体的广泛性及核心用户的不确定性,该模型采用OPTICS聚类算法定义用户场景并划分行为数据集,建立用户累积行为信誉计算模型,同时引入时间戳标记信息抛弃部分旧行为以更新用户信誉.实验表明,该信誉模型能够结合新旧行为较好地计算并调整用户信誉,在感知环境用户信誉评价中具有良好的应用前景.

基于位置的参与式感知服务

以共享为核心理念,探索一种新型的可扩展的LBS——基于位置的参与式感知服务(LBPSS),用于解决当前LBS系统POI更新缓慢、数据采集困难以及用户黏性小等问题。详细设计了LBPSS系统的架构,并分析LBPSS相比于LBS的优势及特点。针对LBPSS的具体实现问题,提出隐私保护、参与激励机制、数据可信验证、数据挖掘和数据可视化五项关键技术。LBPSS用户能够基于位置提供数据同时获取数据及服务,实现更多类型数据的采集与数据共享利用。最后结合ArcGIS Server和Android平台实现LBPSS在空气质量监控中的应用,验证LBPSS的可行性和有效性。

参与式感知下环境评价指标权重确定方法

针对传统评价模型中因主观性引起的评价指标权重难以合理分配的问题,提出参与式感知下的基于利益相关者视角的指标权重确定方法。首先按照传统G1法计算各感知节点下的评价指标权重,再将感知节点分组,通过计算分组内感知节点间的感知相关系数,得到分组内各感知节点的权重;将传统G1法得到的各项指标权重和各感知节点权重对应加权平均,得到各指标的综合权重。将感知节点群组按照G1法得到的评价指标权重矩阵作为BP神经网络的输入,按改进后方法得到的各评价指标的综合权重作为输出,通过对BP神经网络进行训练和测试,得到应用性较广的环境质量评价模型。实验结果表明:该算法不仅能有效计算评价指标的权重,还能降低感知节点的主观性计算偏差。

欧洲智慧城市中的物联网与参与式感知

认为物联网(IoT)和参与式感知是通过无线传感器和移动传感器,从环境和智能传感应用中获取数据的技术。在欧洲国家,物联网和参与式感知已应用在很多领域,市场发展迅猛。在瑞典,以智慧城市为目标,并注重节能的绿色物联网工程正在实施。在该工程中,提出了一个结合绿色网络、智慧感知和云计算技术的绿色物联网解决方案,以解决更具有交互性和响应性的城市管理问题。通过对两款针对医疗和安全驾驶参与式感知应用的介绍,认为智慧城市应用需要结合从不同的来源得到的感知数据,以正确地提取特征并预测未来。

基于激励协作的参与式感知机制探究

参与式感知亦称众包感知、社会协作感知或群体智能感知,随着大数据、人工智能和物联网的快速发展,参与式感知正变得日益流行并有巨大的市场潜力和广阔应用前景。鉴于参与式感知的激励协作机制是当前国内外学者的一个研究热点,文章分析了近年来参与式感知应用中激励机制的研究现状和工作进展,包括理论研究、实验研究和实际应用系统。首先,指出了参与式感知与激励协作之间的内在联系,说明了参与式感知的基本工作原理;然后,从用户、平台、激励措施和安全性等多个角度比较分析了现有机制的优缺点和应用场合。最后,列举了目前典型的参与式感知应用系统,并指出了该领域面临的挑战和今后的研究方向。

基于开源软件的参与式感知框架及在群测群防中的应用

参与式感知,即利用智能手机的嵌入式传感器收集身边各种类型的环境信息,并把数据上传至服务器。在信息采集中得到广泛运用。探讨结合开源软件和自行开发的方式,搭建参与式感知的系统框架,并在地质灾害的群测群防系统中应用。

基于参与式感知的建筑起重机械检验检测质量控制研究

分析了建筑起重机械检验检测风险与质量控制现状,针对质量控制缺少实时监管的问题,采用参与式感知技术,研究基于物联网+APP的检验检测质量控制方法,实现了基于数据驱动的检验检测现场行为实时、动态监管,并实现了检验检测过程数据可视化及预警。

面向城市社区规划的参与式感知与计算——概念模型与技术框架

科学准确地感知社区居民参与现状、诊断存在问题,及时广泛地了解社区居民需求与诉求,对于提升新形势下社区居民参与城市社区规划的能力与水平意义重大。借助网络和移动设备等技术手段,采取以人为主体的参与式感知方式获取数据,可实时感知和分析居民的情感、行为和所处的环境,进而提高社区居民参与的广泛性和时效性。国内外该领域的研究刚刚起步,对面向城市社区规划的参与式感知与计算尚缺乏系统深入的机理探索和方法研究。本文针对中国城市社区规划的实际需求,构建了面向城市社区规划的参与式感知与计算概念模型,提出实现参与式感知与计算的技术框架,并探讨其中涉及的具体技术研究内容。本研究将深化面向城市社区的参与式感知与计算的相关理论与方法研究,为城市社区规划的公众参与和科学评估提供新思路、新方法。

移动群智感知应用

认为无线通信和智能移动设备的发展为群智感知在移动环境下的应用奠定了基础,而廉价多样的传感器使移动群智感知应用与人类社会的联系更加紧密。移动群智感知用户采集数据时的协作方式分为参与式感知、机会感知两种,各有优缺点和局限性。移动群智感知需要考虑用户成本、网络压力、云计算服务器架设、用户隐私保护等方面的问题,要面对情境隐私、匿名任务、匿名数据汇报、可靠数据读取、数据真实性等安全方面的挑战。

基于群智感知的噪音收集展示系统

针对已有噪音地图绘制方法的人力和时间开销较大的问题,设计并实现一种基于群智感知建立的噪音地图系统。该系统包括移动端和服务器端,移动端的智能手机通过麦克风收集所在位置的噪音程度,校正后上传服务器,服务器端汇总噪音数据,恢复缺失数据并供用户查询。实验结果表明,当该系统将移动端校正的数据与标准测量仪的误差控制在3dB以内时,能以较小的人力和时间开销建立实时细粒度的噪音地图。

公众参与智慧城市建设模式研究

智慧城市建设对城市发展具有重要机遇和潜在价值,对智慧城市及其建设的相关理论与实践的研究日益活跃,但对智慧城市背景下公众参与模式的系统研究仍较匮乏。本文在梳理已有文献的基础上,将公众参与模式划分为3种类型,着重对生活实验室、参与式感知和开放数据迸行研究。研究结果表明:公众参与智慧城市建设的不同模式是解决城市生活所面临问题、改进城市居民生活质量与提高城市公共服务质量的重要途径。