摘要：任务分配是实现群智感知的关键环节,为了获取高质量感知数据,往往需要把任务合理分配给用户.现有研究大多简单采用各种优化方法来挑选最佳感知用户,忽略了任务与用户之间的潜在关联关系,从而导致感知质量低下.在此挑战下,文章设计了一种新型任务分配机制,首先,通过分析用户、任务的各自属性,构建了群智感知领域知识图谱;其次,采用基于相似性分析的链接预测方法充分挖掘用户-任务间的隐式关系,并在关联度较高的用户-任务间建立链接;再次,为了最大化感知数据质量,在系统预算的约束下提出一种以用户组感知能力代替个人表现的招募方式,综合考虑了覆盖率与信誉值两个特征指标;最后,基于遗传算法选定一组感知能力最大的用户,实现最终的任务分配.经过实验评估,文章所提方法能够有效提升感知数据质量,同时保证感知任务的基本覆盖率.

摘要：针对现有群智感知激励方法难以满足分布式环境下用户的隐私需求,该文提出一种基于Tangle网络的群智感知隐私保护激励方法TNIP(tangle network incentive policy)。首先,基于隐私保护思想,感知网络采用Tangle网络框架,分布式记录方式保障网络安全性;其次,为防止恶意竞争和区块链带来的PoW(proof of work)门槛等问题,设计了PoW控制算法,降低参与门槛和恶意竞争;接着,借助基于ECDSA(elliptic curve digital signature algorithm)的数字签名方法增强了感知数据保护,使数据更安全;然后,利用量化评估模型对隐私泄露风险进行量化评估,再通过可信的里程碑交易控制网络风险,增强感知网络隐私性;最后,利用真实数据集,通过仿真试验对该文提出的TNIP方法的激励效果和隐私保护方法进行对比分析,试验结果表明,TNIP方法在三类任务的平均参与率较CSII(cross-space multi-interaction-based-dynamic incentive scheme)方法和TCS(tangle-net crowd sensing)方法分别提高了8.79%和5.93%。

摘要：近年来,智能终端的快速普及极大地推动了集数据采集、分析、处理于一体的群智感知服务的发展。隐私保护作为保障服务安全运行和鼓励感知用户参与的必要手段,成为需要解决的首要科学问题。文中首先从群智感知的全生命周期出发,在描述其主要组成部分和业务流程之后,再从群智感知场景对隐私保护的特有需求出发,对隐私保护的定义和衡量指标进行讨论,并对现有文献设计的隐私保护机制所侧重的不同阶段进行分类,从隐私保护范围、保护强度、感知用户身份可追溯、感知数据损失和感知终端能耗的角度对文献使用的隐私保护机制进行讨论。在此基础上对文献使用的实验数据集进行梳理,最后结合群智感知应用的发展需求和全球对隐私保护的监管要求提出未来研究面临的挑战。

摘要：当前,群智感知中的激励机制大多是基于传统经济学的,而行为经济学的研究结果表明,由于损失厌恶的存在,用户不是总追求自身经济效用的最大化,基于传统经济学的机制并不能完全有效地激励用户.为此,文中设计了一种基于用户损失厌恶的激励机制(LA-RAIM).该机制基于用户的损失厌恶心理,设计了用户的奖励因子,通过在激励时间内给予用户额外奖励,让用户感受到不参与任务就会有损失,以此激励更多用户参与感知任务.仿真实验结果表明,与经典的RVA-IM相比,LA-RAIM既能促进更多的用户参与系统感知任务,也同时提升了系统的平台效用和获胜者平均效用.

摘要：针对已有大多数研究在设计激励机制时未考虑用户的隐私泄露问题,本文提出一种支持隐私保护的激励机制综合方案IMPP(Incentive Mechanism with Privacy-Preserving in mobile crowd sensing).首先,基于轻量级隐私保护思想,采用单向安全哈希函数生成256位哈希值作为参与者的匿名身份标识,以此来保护参与者的身份隐私;其次,依据参与者的数据效用值、期望回报及感知任务预算实现面向数据质量的补偿激励,选择性价比最高的胜出者;接着,借助分布式压缩感知理论,对胜出者的原始感知数据压缩处理,得到剔除冗余的观测值,并在观测值中添加哈希函数值等噪扰数据后传送于服务器端聚合,以增强感知数据的隐私性保护,之后对隐私数据集进行完整性校验并重构;最后,利用真实数据集,通过仿真实验对IMPP的有效性进行对比分析.实验结果表明,IMPP机制在隐私保护水平、数据完整性、数据精确性、时间效率、评估准确率、重构匹配度及激励效果等方面是高效的.

摘要：物联网技术的发展使得各种各样的智能感知设备应运而生,这些智能感知设备需要不断收集各项数据来完成感知任务,随着参与感知任务的设备增加,出现了大量数据隐私泄露问题,数据隐私保护机制已经无法满足复杂的感知数据保护要求。因此在群智感知环境下,基于节点分类设计新的数据隐私保护增强机制,首先在群智感知环境下设计感知任务模型,其次基于节点分类分析数据隐私保护增强学习冲突,最后在群智感知环境下进行性能评估,从而构建综合数据隐私保护增强机制。实验结果表明,使用该数据隐私保护增强机制后,泄露的隐私信息条数较少,证明其具有有效性,有一定的应用价值,可以作为后续数据隐私保护的参考。

摘要：城市内河周边环境常常受到破坏和污染,如何有效地对河道进行监测逐渐引起公众、政府和学术界的关注。目前传统的监测方式存在成本高昂、覆盖面不足等缺陷。鉴于智能移动设备的不断普及,文中提出利用群智感知来高效监测河道环境的新思路。该问题可描述为假定每一河段附近有c个位置点可监测该河段,然后根据大量用户的移动轨迹选择出其中r个用户来共同完成s个时段对所有河段的监测。文中规定用户数r越小,监测成本越少。设计了逐步贪心策略、全局贪心策略和整数规划策略用于解决该问题,即选择最少参与者达到“s时长-c范围-r用户”的监测目标。将上述策略应用于福州市台江区部分河道的环境监测,实验结果表明,上述策略均能获得比随机策略更好的解,其中整数规划策略的表现最好。但是,随着问题规模的变大,解决小规模整数规划的隐枚举算法会出现无法求解的情况,因此提出了基于贪心初始化的离散粒子群算法(Greedy Initialization-Discrete Particle Swarm Optimization,GI-DPSO)。虽然该算法可以求解大规模整数规划,但计算费时。综合考虑监测成本和计算代价,建议对小规模问题采用整数规划策略,对大规模问题采用全局贪心策略。

摘要：近年来,作为一种新的感知环境、收集数据和提供信息服务的模式,群智感知逐渐成为当前的研究热点之一.激励机制是群智感知研究中的一个重要问题,即通过设计合理的激励方式来激励足够多的参与者参与感知任务,并提供高质可靠的感知数据.对近年来在群智感知激励机制方面的研究工作进行综述,首先概述群智感知和群智感知激励机制;然后从关键技术入手,介绍4类主要激励方式和6类核心研究问题;最后,对现有工作进行对比分析,总结研究挑战,并指出未来发展方向,为相关研究人员提供有价值的参考.

摘要：针对目前中国配电台区数据采集不全、信息化和智能化程度低、用户和电网之间缺乏交互等问题,考虑未来台区分布式可再生能源、储能系统、电动汽车等灵活性资源地广泛接入对电网的冲击,以适应未来配电网电力市场化改革需求为目标,开展基于群感知技术的互动型智能台区研究与设计。首先,基于万物互联的思路构建智能台区电力物联网,实现台区负荷感知与数据监测,打通信息交互通道;然后,基于台区监测数据,设计一次能源自平衡和自趋优算法,实现台区的智能经济运行和智慧供电;最后,以信息物理系统为基础,对未来台区多能互补机制的建立进行了分析展望,力争将台区建成真正的智能体,为未来智能台区的建设发展提供可行的借鉴与参考。

摘要：针对群智感知网络数据收集中的效率问题,需要整合数据收集能量、延迟优化节点、参数设置、网络路由和通信协议等多方面优势,建立符合实际的群智感知网络的智能高效数据收集策略。本文设计了一种能够减少数据冗余、提高数据覆盖率的群体感知策略,从如何选择数据收集者,降低平台开销,提高网络覆盖率来保证应用的服务质量,为群智感知网络高效数据收集提供参考依据。