群智感知計算

隨著物聯網和移動互聯網技術的發展，“群智感知計算”作為一種新的感知模式應運而生。區別於傳統的傳感網感知方式，群智感知計算利用廣泛且自然分佈的持有智能設備的用戶作為移動感知單元，通過群體的廣泛參與、靈活移動、機會連接實現大規模、無處不在的感知過程，目前已成為物聯網、移動計算等領域的學科前沿與研究熱點。本書按照“理論—方法/技術—平臺—應用”的組織思路，遵循“創新引領、深入淺出、理論+實踐”的原則基調，針對群智感知計算的基本概念、體系架構、任務優化分配、數據優選、質量評估、數據移交、計算平臺及典型應用等進行深入的探討。本書為物聯網、移動計算、智慧城市等領域的研究人員、高年級本科生或研究生等提供了具有創新性與前瞻性的群智感知計算**研究成果和學習參考。

於志文，博士，教授，博士生導師，國家傑青，國家“萬人計劃”科技創新領軍人才，智能感知與計算重點實驗室主任。

1章緒論1
1.1背景和意義1
1.2發展歷程3
1.3智感知的兩種模式4
1.4主要挑戰和研究內容6
1.5國內外研究現狀8
1.5.1感知任務分配與激勵機制8
1.5.2智感知數據優選9
1.5.3感知數據移交10
1.5.4智感知應用11
1.6本書結構12
1.7本章小結13
習題13
本章參考文獻13

2章智感知計算的基本概念與體系結構18
2.1基本概念18
2.1.1智協作方式18
2.1.2感知計算主體19
2.1.3主要研究問題描述19
2.1.4低成本數據採集20
2.2智感知任務模型20
2.3用戶模型24
2.3.1用戶角色及特徵24
2.3.2需求分析25
2.3.3多側面用戶屬性27
2.3.4複雜任務模型分析27
2.4數據模型28
2.4.1智數據產生模式及特點292.4.2智數據感知方法30
2.4.3智數據優選與理解30
2.5通用智感知系統架構31
2.6小結31
習題32
本章參考文獻32

3章移動智感知任務單目標優化分配35
3.1面向即時任務的多任務工作者選擇35
3.1.1問題分析35
3.1.2問題定義36
3.1.3貪心解法NearsFirst37
3.1.4遺傳算法37
3.1.5融合貪心策略的遺傳算法(GGAI)38
3.1.6實驗驗證41
3.2面向容延任務的多任務工作者選擇43
3.2.1問題分析43
3.2.2問題定義44
3.2.3貪心算法MostFirst45
3.2.4融合貪心算法的遺傳算法(GGAU)45
3.2.5實驗驗證46
3.3基於移動社交網絡的智感知社化任務分發48
3.3.1問題定義49
3.3.2基於移動行為相似度的社動態劃分50
3.3.3移動智感知社化任務分發51
3.3.4實驗結果及分析53
3.4本章小結55
習題55
本章參考文獻56

4章移動智感知任務多目標優化分配58
4.1用戶資源匱乏情況下的任務分配58
4.1.1問題背景58
4.1.2問題定義59
4.1.3問題分析59
4.1.4算法設計60
4.1.5實驗驗證65
4.2用戶資源充足情況下的任務分配71
4.2.1問題背景71
4.2.2問題定義72
4.2.3問題分析73
4.2.4算法設計73
4.2.5實驗驗證76
4.3機會式的參與者選擇80
4.3.1問題背景80
4.3.2問題定義80
4.3.3問題分析81
4.3.4算法設計82
4.3.5實驗驗證89
4.4本章小結96
習題96
本章參考文獻97

5章數據質量評估與優選98
5.1移動智感知數據質量98
5.2移動智感知數據選擇99
5.3研究進展100
5.3.1移動智感知數據質量評估100
5.3.2移動智感知數據優選101
5.4代表性工作: 視覺智感知與數據優選模型102
5.4.1視覺智感知數據優選模型102
5.4.2基於PTree的高質量數據選擇方法105
5.4.3實驗結果與分析108
5.5本章小結115
習題115
本章參考文獻115

6章移動智感知高效數據移交118
6.1引言118
6.2移動智感知數據移交框架118
6.2.1基於機會網絡的數據移交118
6.2.2基於融合的傳染式數據移交119
6.3代表性工作: 基於PicTree融合的移動智感知數據移交122
6.3.1PicTree融合的基本作122
6.3.2PicTree融合算法122
6.3.3基於PicTree融合的數據轉發124
6.3.4基於樹融合的協作式感知124
6.3.5實驗結果與分析126
6.4本章小結132
習題132
本章參考文獻133

7章移動智感知位置隱私保護134
7.1概述134
7.2研究進展135
7.2.1隱匿位置保護技術135
7.2.2假位置數據技術136
7.2.3位置抑制發布技術136
7.3代表性工作一: 協同任務組中的多方位置隱私保護137
7.3.1模型描述138
7.3.2實驗分析142
7.4代表性工作二: 細粒度模糊位置隱私度量與保護145
7.4.1模型設計 146
7.4.2實驗評估148
7.5本章小結151
習題151
本章參考文獻151

8章移動智感知激勵機制設計153
8.1背景描述153
8.2移動智感知的主要激勵方式154
8.2.1物質激勵154
8.2.2激勵機制: 非物質激勵156
8.3代表性工作: 移動眾包配送任務動態定價策略研究157
8.3.1基於城市動態供需關係的定價框架158
8.3.2算法設計159
8.3.3實驗驗證161
8.3.4實驗結果162
8.4本章小結169
習題170
本章參考文獻170

9章智感知典型應用172
9.1城市環境監測173
9.1.1案例1: Crowdise噪聲監測應用系統173
9.1.2案例2: CrowdCity城市感知平台175
9.2城市動態感知179
9.2.1案例1: FlierMeet基於智感知的跨空間信息轉發和共享系統179
9.2.2案例2: InstantSense視覺智實時事件感知系統182
9.3商業智能184
9.3.1案例1: CrowdTravel旅遊景點路線推薦系統184
9.3.2案例2: 基於智的智能外賣配送系統187
9.4智慧交通189
9.4.1案例1: 基於智感知的靜態障礙物檢測系統190
9.4.2案例2: 基於移動智感知的“後一千米”導航系統192
9.5公共安全195
9.5.1案例1: 基於移動智感知的實時車輛移動跟踪系統196
9.5.2案例2: 基於智感知的移動目標跟踪系統197
9.6本章小結200
習題200
本章參考文獻200

10章移動智感知作系統CrowdOS203
10.1概述203
10.1.1研究背景203
10.1.2智任務的定義204
10.2體系框架205
10.3核心機制207
10.3.1任務解析及調度207
10.3.2資源管理209
10.3.3結果質量優化211
10.4關鍵組件212
10.4.1功能組件213
10.4.2調用接口217
10.5平台實現及測試221
10.5.1平台實現221
10.5.2局部測試226
10.5.3整體測試231
習題240
本章參考文獻240