基于张量分解的群智感知网络监测服务质量动态保障关键技术研究

Crowd sensing enables the collection of large-scale fine-grained sensing data, by leveraging ubiquitous mobile terminal devices as sensing nodes and wireless mobile communication networks as data transmission links. Environment monitoring is one of the most important applications of crowd sensing, like noise pollution intensity monitoring and air pollution concentration monitoring. Existing related work lacks in-depth study on guaranteeing the monitoring service quality of crowd sensing. This project aims to provide a tensor decomposition-based method which can guarantee the service quality of crowd sensing continuously. First, we will build models for a crowd sensing system, especially modeling the quality and heterogeneity of sensing data collected by different mobile sensing nodes. Second, we will formulate a scientific definition for the monitoring service quality of crowd sensing, and analyze the tradeoff between the service quality achieved and the cost paid for data collection. Third, we will analyze the spatial-temporal correlations of multi-source heterogeneous sensing data, and design a tensor decomposition-based data estimation algorithm for missing data. Finally, combining the data estimation algorithm and aiming to minimize the total cost of data collection, we will propose an online method to guarantee the service quality in time, which dynamically selects appropriate mobile sensing nodes to collect data. The successful development of this project will form a few key technologies for guaranteeing the monitoring service quality of a crowd sensing system and promote the application and industrialization of crowd sensing in smart cities.

群智感知网络以普适的移动终端设备作为感知节点，以无线移动通信网络作为数据传输纽带，实现了大规模细粒度感知数据的收集。环境监测是群智感知网络的重要应用之一，典型的例子有噪音污染强度和空气污染浓度监测等。现有研究工作缺乏对基于群智感知网络的监测服务质量的深入研究。本项目拟系统地研究基于张量分解的群智感知网络监测服务质量的动态保障方法。首先，对群智感知网络进行建模，着重刻画移动感知节点的数据质量与数据类型异构性。其次，对监测服务质量进行定义，分析服务质量与数据收集成本的折衷关系。第三，分析多源异构感知数据的时空相关性，针对数据缺失设计基于张量分解的高效的数据估计算法。最后，融合数据估计算法，以降低数据收集成本为目标，提出服务质量动态保障方法，实现对移动感知节点的在线选择。本项目的成功开展将形成基于群智感知网络的服务质量动态保障的若干关键技术，推动群智感知网络在智慧城市等领域的的实用化与产业化。

本项目对基于群智感知的大规模细粒度感知数据收集中参与者选择和激励机制进行了深入的研究，以保障群智感知网络监测服务质量，推动其在智慧城市等领域的落地，具体在五个方面展开研究并取得预期成果：1）提出了一种面向细粒度异常事件检测的群智感知用户选择方案，该方案兼顾考虑用户的移动性和测不准性，基于信息熵的概念对感知数据在异常事件检测中的效用进行建模，并证明了基于自适应贪心思想的用户选择算法能达到近似最优的事件检测准确率。2）提出了一套面向细粒度空气质量监测的群智感知用户选择及激励方案，该方案借助于压缩感知理论，利用感知数据的内在时空关联性，极大地降低数据收集的开销，并设计了一种基于主动学习的感知数据采样算法，兼顾考虑最大化数据多样性且最小化数据收集的成本，实时地生成数据采样方案。3）提出了一种基于团购思想的群智感知参与用户雇佣激励机制，该机制考虑到群智感知系统中不同数据请求者可能有相近的数据需求，从而以团购方式雇佣数据收集者可大大降低数据收集的开销，并设计了一种满足个体理性、诚实性和算法高效性的两阶段的数据拍卖机制。4）提出了一套面向社交网络的群智感知用户选择方案及在线激励机制，通过对用户在社交网络中的中心性进行度量，分别设计了一个基于社交影响力的用户选择算法和一个保证个体理性和诚实性的在线支付算法。5）提出了一种保护参与者位置隐私的时空感知数据收集方案，兼顾考虑感知数据中包含的位置标签和测量值均会暴露数据收集者的个人隐私，分别设计了基于随机响应和高斯噪声干扰的位置隐私保护策略和测量值隐私保护策略，并证明了在有效保护用户隐私下数据准确率下降仅在10%以内。