基于群体无意识协作的社会事件地理信息推断及空间关联

For the past few years, different kinds of social events start to show increasingly larger scale and more significant impact on government operation and civic life than ever before. Therefore, there is an imperative need of large-scale sensing capability for discovering these social events at anywhere and anytime. Current state-of-the-art approaches rely heavily on specialized personnel and professional equipment (e.g. road traffic monitoring systems), thus are either too costly to be practical or inefficient. To solve this problem, we plan to conduct research on crowd intelligence and propose to develop a series of key techniques to detect these social events in a much cheaper while more efficient way. Through the usage of fingerprint space, sequential space, multi-dimensional scaling, space-time scan statistic, etc., we plan to develop metropolis-scale unconscious crowd-collaboration mechanism and geo-information based social event inference and spatial correlation. Our study includes the fingerprint-location correlation, indoor map generation, road and traffic sensing, and city-scale social event discovery, etc. Based on our research, we expect to develop a set of theories, algorithms, methods and systems that can utilize the mobility and geo-information of the crowd to deduce the geographic information of social events. This set of theories will facilitate crowd-computing based social incident discovery and surveillance, and provide a solid theoretical support to the design and analysis of related crowd computing systems.

近年来随着社会热点事件的规模日益增大，其对政府的正常运转和人民的日常生活影响日益明显。因此迫切需要大规模的、随时随地、无所不在的复杂感知能力，来实现对这些社会事件的及时发现与监测。现有探测社会事件的技术严重依赖专业人员和设备（如交通监测系统），需耗费大量人力物力，代价巨大。针对这一问题，本项目拟对群智计算理论进行研究，利用群智的思想来实现对社会事件的发现和监测，即利用人们的移动设备（智能手机、平板电脑等）自动收集群体日常生活中的信息，通过挖掘其空间关联来发现和监测社会事件。本项目将利用信号指纹空间、序列空间、多维标度、时空扫描统计等方法，探索城市规模群体的无意识协作机制，研究信号指纹-位置关联、室内地图的自动化生成、城市交通感知、城市热点事件发现等关键技术，形成一系列基于群智计算来推断社会事件地理信息的理论与方法，为指导相关群智计算系统的设计与分析提供坚实的理论和技术支撑。

本项目利用人们的移动设备和城市间的无处不在的设备自动收集群体日常生活中的信息，通过包括信号指纹空间、序列空间、多维标度、时空扫描统计等方法，探索与群智感知计算的重要科学问题；研究城市规模群体的无意识协作机制，以包括室内群体行为感知、城市交通感知等为应用来为群智计算系统的设计与分析提供理论和技术支撑。..本项目采用以技术和需求为双牵引双驱动的研究理念，从移动互联网和车联网这两个群智感知计算领域中重要的应用研究领域出发，针对群智移动用户协作等相关问题提出了针对性地分析和解决方案。我们研究了群智感知计算中的众多关键科学问题，包括有效而准确的数据采集、结合线上线下信息的多模态、多粒度的信息感知、如何实现高效的分布式计算、城市规模的感知与预测、以及群智感知中隐私、安全和激励机制。具体的，我们研究了动态、复杂环境下的大规模信息采集问题。特别的，我们针对大型室内(商场、购物中心)以及智能仓库场景中的数据收集问题作了深入的研究。其次，我们研究了群智感知中如何对于线上线下的多模态、多粒度的信息进行有效的感知。我们开发了群智感知中的非侵入式感知方式，包括WiFi, 语音，手机数据，以及线上的社交网络数据，来感知多模态、多粒度的信息。我们研究了群智感知中如何实现高效的分布式计算，包括移动设备的计算迁移问题和分布式环境下如何协作问题。我们研究了城市规模的感知与预测。我们研究了如何利用群智感知获取路网交通的动态变化，实现了基于通行时间的最优路径查询；我们预测了城市热点对于出租车的需求状况。此外，通过和GogoVan等公司合作，提出了一个可以预测用户发送的订单响应估计的通用框架。最后，我们研究了群智感知中隐私、安全和激励机制。我们研究了如何自动识别不同用户对于分享不同数据的敏感程度，并且针对公共WiFi安全问题越做了深入研究。最后，我们将长期激励机制引入群智感知的体系。..在该项目的经费支持下，我们在国外期刊和会议上的论文共发表61篇文章，其中会议论35篇，期刊论文26篇。这些期刊和会议包括国际权威期刊IEEE INFOCOM, IEEE TMC, IEEE TWC, IEEE Network Magazine, IEEE WWW, IEEE TKDE等。这些理论和系统，为群智计算系统的设计与分析提供了坚实的理论和技术支撑。此外，我们在15年获得全军科技进步一等奖，并且发表专利三项。