让大家都能参与的移动群智感知

作者简介：韩震，计算机研究生在读，研究方向为移动计算

近年来，随着大数据产业的发展,越来越多的数据服务商面临着缺乏数据来源的问题。与此同时，一部分运营商专门为自己的应用需求来收集分析数据。但是这些产生的数据并没有完全的共享利用，导致大量数据孤岛产生。

读者可能很早之前就听过盲人摸象的故事，四个盲人想知道大象的样子，可是他们看不见，只好用手去摸来“感知”，有人摸到大象的鼻子就认为大象跟又粗又长的竹子差不多，有人摸到大象的尾巴就认为它不过是根草绳，有人摸到大象的腿就认为大象是根大柱子，有人摸到大象的耳朵就以为大象是一把蒲扇的样子。

盲人去触摸大象的过程我们可以理解为一个感知过程，每个盲人都是一个基本的感知单元，其实每个感知单元的感知过程和结果都是正确的，但是这整个过程毫无疑问是失败的，究其原因无疑是感知过程之后的数据信息都是片面的，而且是相互割离的数据孤岛，所以得到的最终理解就是错误的。

那如何解决盲人们对象的错误认知呢，或者进一步来说如何打破数据孤岛问题呢？这就不得不请出本文要隆重介绍的移动群智感知技术啦！

我们设想一下，若是盲人在感知完自己所认知的大象之后，四个盲人都坐下来将自己的信息彼此之间相互交换，是不是大家都能正确认识大象呢。移动群智感知就是基于众包思想的产物，大致过程就如同我们刚刚介绍的感知（摸象）、收集（盲人互相交流）、汇总（把与其他人的描述结果结合）。接下来我们来详细介绍一下它，让大家对移动群智感知技术有一个清晰的认识。

移动群智感知属于移动计算研究领域，英文名称是Mobile Crowdsensing。随着以手机为代表的移动智能设备在人们的日常生活中使用频率越来越高，而且在5G和CPU高速发展的形势下，这些移动终端设备的计算、存储、无线通信能力往往较强，并且配备了较为完善的传感器件，用户会主动或者被动的产生各式各样的数据。移动群智感知系统主要是通过部署在云端的管理平台和移动终端用户组成，系统平台可以将数据收集任务（即感知任务）外包给移动用户群体，通过这些用户移动到相关位置，利用他们随身携带的移动终端设备来完成相应的数据收集任务，然后将结果反馈给任务的发起方。其中常用的分配流程则是反向拍卖。所以说移动群智感知就是通过招募移动用户完成数据收集任务，并将数据结果交给数据需求者，从而实现数据共享利用。移动群智感知的数据交易能够激发用户的参与度，最大限度地提高收集数据的质量，因此具有极高的应用价值和研究意义。

目前，在学术界，国内外学者关于移动群智感知的研究工作主要包括应用系统研究、任务分配算法研究、激励机制和隐私保护研究等几个方面。

应用系统研究中，反向拍卖机制是一种在移动群智感知常见的应用机制，其中移动终端用户可以对感知任务集进行竞标。在竞拍过程中，移动终端用户是卖方，而平台是买方。因为它是一种卖方和买方颠倒的拍卖交易模式，故因此得名。

这样的交易模式让平台的处理压力主要集中在任务分配和价格选定，而另一种以平台为中心的交易模式，则需要平台将移动终端用户的感知数据结果，进行二次处理，之后才会呈现给数据需求方，然后可供数据方查询，质量评估。这样的交易模式给数据需求方带来了更好的服务体验，但却大大加重了平台服务器的处理压力和人力成本。

任务分配算法主要考虑如何将系统平台产生的大量数据收集任务分配给各个移动用户，实现一定的性能优化目标，是移动群智感知的核心问题。目前，针对不同的应用场景，大致有基于感知距离的分配算法、即时分配算法、最大社会效用分配算法等。

激励机制的研究主要是通过设计合理的激励机制来促使尽可能多的移动终端用户去执行感知任务，提升任务的成功率和采集质量，是群智感知技术的关键支撑技术。值得注意的是，现在的拍卖机制主要基于博弈和拍卖理论。移动群智感知应用依赖大量普通用户参与，而用户在参与感知时会消耗自己的设备电量、计算、存储、通信等资源并且承担隐私泄露的威胁，因此必须设计合理的激励机制对用户参与感知所付出的代价进行补偿，才能吸引足够的用户，从而保证所需的数据收集质量。现有的工作主要基于两种模式：在以平台为中心的模式中，由平台指定总报酬，最终所有参与用户根据完成的任务量来分享报酬，一般将这种模式建模为斯塔克伯格博弈。研究在以用户为中心的模式中，由用户向平台报价，平台从中选择性价比高的用户来完成任务，一般将这种模式建模为反向拍卖来研究。

隐私保护层面是移动群智感知的研究热点，主要研究内容是设计框架来保护用户的位置隐私和数据隐私，确保在参与群智感知的过程中，移动用户的个人敏感信息不会泄漏给平台或者其他用户。现有的工作主要关注以下三类方法：a)匿名化。将身份信息移除后再将感知数据上报给平台。这种方法的缺点是仍然可以从匿名化的或其它定位传感器测量值中推断出用户频繁访问的位置以及其它个人信息；b)安全多方计算。使用加密技术将感知数据进行变换后上报给平台。这种方法般比较安全，但缺点是一般需要较大的计算量，需要生成和维护多个秘钢，灵活性较差；c)数据加扰。对感知数据添加一些噪音后上报给平台，添加的噪音需要保证用户个体的隐私信息得到保护，同时依然能够准确地计算出群体信息的统计结果。

移动群智感知最重要的内容是数据交易，移动群智感知的数据交易是感知技术和数据交易的交叉技术。几年来，移动群智感知技术已经引起了学界和工业界的广泛关注，出现了许多与之相关的研究成果，并在地图标注、室内定位、城市噪音污染检测、交通流量监控、生活资讯共享、远程医疗等领域上有一定应用。在地图标注方面，移动群智感知系统通过地图的用户的有偿拍照来更新某位置点的即时图片，代表性的系统包括高德地图等。在环境监测方面，移动群智感知系统主要是利用无线终端设备以较小代价实现对城市自然环境的大规模监测，代表性的系统包括Ear-Phone、CreekWatch、Common Sense等等。其中，Ear-Phone 系统主要是利用智能手机的麦克风测量环境噪音，并利用大量用户的测量数据构造城市的环境噪音地图。CreekWatch 系统主要是利用用户拍照或文本描述的方式记录不同地方的水质或垃圾数量，跟踪水质污染。而Common Sense 系统则是通过专用的手持空气质量传感器来收集空气污染数据，并将收集到的数据通过WIFI 等无线网络上传到后台数据库以便进行空气质量分析。在智能交通应用方面，群智感知系统主要利用智能手机收集路况信息，向用户提供智能的出行路线和驾驶辅助，代表性的系统包括CarTel、CityDrive、SignalGuru、CrowdAtlas、CARM等。其中，CarTel 系统在用户行车时利用智能手机感知位置、速度、方向等行车信息，使用户实时了解各条道路的交通状况，并推荐最佳行车路线。CityDrive系统能够利用智能手机和GPS 获取的数据生成地图，并根据汽车的位置信息推断出交叉路口信号灯的变化情况和汽车的最佳驾驶速度。SignalGuru 系统则能够利用智能手机的摄像头感知交通灯的颜色，并通过在附近车辆间共享信息来预测交通灯的变化状态，辅助驾驶员正确调整速度，改善交通状况。CrowdAtlas系统能够利用移动终端设备的导航应用程序检测不符合现有地图的GPS 轨迹从而构建和更新电子地图。CARM 系统则能够利用移动智能手机构建户外无线接收信号强度（RSS）的地图。此外，还有一些通用的移动群智感知系统平台，如gMission、GeoCrowd等等。

总体而言,正是由于移动群智感知具有普适性、智能性、低成本等诸多优势，因而已发展成为了一种非常灵活有效的大数据收集手段。在移动计算领域，已经 成为研究的新兴热点。在人工智能发展的浪潮下，移动群智感知技术势必会保障数据的来源可靠，提高数据质量层面对新兴技术的影响。你是否已经参与其中，因而收益呢？