熊永平　劉偉　劉卓華

摘要：認(rèn)為機(jī)會(huì)群智感知網(wǎng)絡(luò)能夠充分利用移動(dòng)終端在城市中分布密度高、相遇頻繁以及作為移動(dòng)終端攜帶者的人具有社會(huì)屬性等特點(diǎn)，并利用移動(dòng)終端之間的協(xié)作機(jī)會(huì)，從而實(shí)現(xiàn)了數(shù)據(jù)感知應(yīng)用。提出了基于機(jī)會(huì)通信的機(jī)會(huì)群智感知網(wǎng)絡(luò)的概念，并提出了機(jī)會(huì)群智感知網(wǎng)絡(luò)的主要關(guān)鍵技術(shù)：大范圍數(shù)據(jù)收集的機(jī)會(huì)傳輸技術(shù)、特定時(shí)空區(qū)域的數(shù)據(jù)分發(fā)技術(shù)、異步通信機(jī)會(huì)發(fā)現(xiàn)和人群真實(shí)移動(dòng)行為建模等。同時(shí)，針對(duì)各關(guān)鍵技術(shù)提出了解決思路和技術(shù)路線。

關(guān)鍵詞： 群智感知；機(jī)會(huì)網(wǎng)絡(luò)；機(jī)會(huì)傳輸

群智感知[1-2]就是在移動(dòng)感知設(shè)備普遍存在的背景下提出的物聯(lián)網(wǎng)新型感知模式。與傳統(tǒng)有意識(shí)部署的固定無線傳感網(wǎng)不同，它是將眾包的思想與移動(dòng)感知相結(jié)合，將普通用戶的移動(dòng)設(shè)備作為基本感知單元，并通過網(wǎng)絡(luò)進(jìn)行有意識(shí)或無意識(shí)的協(xié)作，形成群智感知網(wǎng)絡(luò)，實(shí)現(xiàn)感知任務(wù)分發(fā)與感知數(shù)據(jù)收集，從而完成大規(guī)模的、復(fù)雜的社會(huì)感知任務(wù)。而這些任務(wù)僅依靠個(gè)體很難實(shí)現(xiàn)，例如，在交通擁堵狀況和城市空氣質(zhì)量監(jiān)測(cè)應(yīng)用中，只有當(dāng)大量的個(gè)體提供行駛速度或空氣質(zhì)量信息才有應(yīng)用價(jià)值。

近年來，其他一些國(guó)家已經(jīng)涌現(xiàn)出大量群智感知技術(shù)的應(yīng)用和研究，包括收集交通路況的CarTel，收集空氣質(zhì)量和污染物的CommonSense，收集城市噪聲信息的NoiseSPY，收集騎車人的運(yùn)動(dòng)軌跡和身體狀況的BikeNet等。然而當(dāng)前的群智感知研究主要針對(duì)基于基礎(chǔ)設(shè)施網(wǎng)絡(luò)的集中式感知系統(tǒng)[3]。該系統(tǒng)中的移動(dòng)設(shè)備一般預(yù)設(shè)通過蜂窩網(wǎng)絡(luò)與互聯(lián)網(wǎng)連接，并將當(dāng)前設(shè)備采集的感知數(shù)據(jù)傳輸?shù)綌?shù)據(jù)中心。城市感知應(yīng)用往往都需要持續(xù)收集大量的數(shù)據(jù)，甚至可能是大規(guī)模多媒體數(shù)據(jù)。這一方面將耗費(fèi)用戶較多的網(wǎng)絡(luò)流量和電量，導(dǎo)致收集成本高，降低用戶參與熱情影響系統(tǒng)可用性；另一方面也給蜂窩網(wǎng)絡(luò)帶來較大的負(fù)載壓力。

考慮到移動(dòng)終端在城市中分布密度高，相遇頻繁，以及作為移動(dòng)終端攜帶者的人具有社會(huì)屬性等特點(diǎn)，集中式的群智感知網(wǎng)絡(luò)結(jié)構(gòu)并未充分利用移動(dòng)終端之間的協(xié)作機(jī)會(huì)。當(dāng)前的移動(dòng)終端基本都具備了短距離無線通信技術(shù)如BlueTooth或Wi-Fi，當(dāng)設(shè)備進(jìn)入彼此通信范圍時(shí)，可以利用短距離無線技術(shù)交換數(shù)據(jù)，即支持機(jī)會(huì)計(jì)算模式[4]。如圖1所示，隨著設(shè)備的持續(xù)移動(dòng)，數(shù)據(jù)在多個(gè)移動(dòng)設(shè)備之間中繼傳輸，直到將數(shù)據(jù)傳輸?shù)骄哂幸庠干蟼鞯挠脩簦珉姵厝萘扛咔揖邆涞统杀净ヂ?lián)網(wǎng)鏈路（例如包月流量很大或Wi-Fi接入）的設(shè)備，進(jìn)而上報(bào)到后端數(shù)據(jù)中心。

機(jī)會(huì)群智感知網(wǎng)絡(luò)是由人攜帶的移動(dòng)設(shè)備協(xié)作形成的移動(dòng)機(jī)會(huì)網(wǎng)絡(luò)[5]，移動(dòng)設(shè)備的持有者隨機(jī)地到達(dá)各個(gè)地方，隨時(shí)隨地進(jìn)行感知，所產(chǎn)生的數(shù)據(jù)利用人移動(dòng)所帶來的通信機(jī)會(huì)多次轉(zhuǎn)發(fā)后實(shí)現(xiàn)感知數(shù)據(jù)的傳輸，以完成感知任務(wù)。由于人群移動(dòng)的自主性和隨機(jī)性，很難存在端到端連通路徑，機(jī)會(huì)群智感知網(wǎng)絡(luò)采用“存儲(chǔ)-攜帶-轉(zhuǎn)發(fā)”工作模式，當(dāng)節(jié)點(diǎn)收到來自上一跳節(jié)點(diǎn)轉(zhuǎn)發(fā)的數(shù)據(jù)后，攜帶該數(shù)據(jù)并等待下一跳轉(zhuǎn)發(fā)機(jī)會(huì)的到來。利用這種模式，用戶可以以很低的成本傳輸感知數(shù)據(jù)并參與感知任務(wù)，有利于推進(jìn)群智感知應(yīng)用的實(shí)用化。

機(jī)會(huì)網(wǎng)絡(luò)領(lǐng)域作為近年來學(xué)術(shù)界關(guān)注的熱點(diǎn)，已經(jīng)產(chǎn)生了大量的研究成果。面向群智感知的機(jī)會(huì)網(wǎng)絡(luò)和一般移動(dòng)機(jī)會(huì)網(wǎng)絡(luò)有著一些共同的問題，但也面臨著不同的挑戰(zhàn)。例如當(dāng)前研究的機(jī)會(huì)路由要求每個(gè)節(jié)點(diǎn)具有全局統(tǒng)一標(biāo)識(shí)，側(cè)重研究從數(shù)據(jù)源節(jié)點(diǎn)如何路由數(shù)據(jù)到目的節(jié)點(diǎn)；而在機(jī)會(huì)群智感知網(wǎng)絡(luò)中，源感知設(shè)備需要將數(shù)據(jù)通過機(jī)會(huì)轉(zhuǎn)發(fā)到具有合適互聯(lián)網(wǎng)鏈路的設(shè)備，進(jìn)而上報(bào)到后端應(yīng)用，可能并不知道目標(biāo)設(shè)備的節(jié)點(diǎn)標(biāo)識(shí)。又如群智感知系統(tǒng)采集實(shí)時(shí)擁堵信息，是一類具有時(shí)空特性的數(shù)據(jù)應(yīng)用，這類數(shù)據(jù)生命周期短，且只對(duì)擁堵點(diǎn)周圍區(qū)域的設(shè)備有效，與大范圍長(zhǎng)期收集的公共數(shù)據(jù)不同。因此并不需要傳輸?shù)綌?shù)據(jù)中心，只需要將數(shù)據(jù)持續(xù)分發(fā)給一個(gè)目標(biāo)區(qū)域內(nèi)的用戶。因此我們提出了機(jī)會(huì)群智感知網(wǎng)絡(luò)的幾項(xiàng)關(guān)鍵技術(shù)。

1 面向大范圍感知數(shù)據(jù)收集

的機(jī)會(huì)傳輸

群智感知最主流的應(yīng)用是低成本、大范圍、持續(xù)收集感知數(shù)據(jù)，感知數(shù)據(jù)以機(jī)會(huì)轉(zhuǎn)發(fā)的方式通過節(jié)點(diǎn)間協(xié)作在多個(gè)移動(dòng)節(jié)點(diǎn)之間逐跳傳輸，直到到達(dá)具有互聯(lián)網(wǎng)鏈路的節(jié)點(diǎn)，進(jìn)而將數(shù)據(jù)傳輸?shù)胶笈_(tái)的數(shù)據(jù)中心。這與普通移動(dòng)機(jī)會(huì)網(wǎng)絡(luò)的機(jī)會(huì)路由不同，感知節(jié)點(diǎn)并不知道感知數(shù)據(jù)消息的目標(biāo)節(jié)點(diǎn)，機(jī)會(huì)傳輸?shù)哪康目梢允侨我庖粋€(gè)或多個(gè)Sink節(jié)點(diǎn)。一方面根據(jù)不同的應(yīng)用，感知數(shù)據(jù)收集需要滿足采樣頻率、覆蓋范圍和收集延遲等指標(biāo)要求；另一方面數(shù)據(jù)在移動(dòng)節(jié)點(diǎn)之間協(xié)作傳輸需要耗費(fèi)節(jié)點(diǎn)的能量和計(jì)算能力，在Sink節(jié)點(diǎn)則需要耗費(fèi)運(yùn)營(yíng)商提供的付費(fèi)網(wǎng)絡(luò)帶寬。大多數(shù)群智感知任務(wù)都是公共服務(wù)，參與任務(wù)對(duì)用戶的直接激勵(lì)收益不明顯，較高的傳輸代價(jià)將影響參與感知任務(wù)的用戶積極性，進(jìn)而降低感知網(wǎng)絡(luò)的覆蓋范圍和可用性。

機(jī)會(huì)網(wǎng)絡(luò)中的數(shù)據(jù)路由傳輸在機(jī)會(huì)網(wǎng)絡(luò)研究中已經(jīng)出現(xiàn)了豐富的成果[5]，機(jī)會(huì)路由機(jī)制涉及兩個(gè)方面：（1）消息的復(fù)制份數(shù)。由于網(wǎng)絡(luò)拓?fù)鋭?dòng)態(tài)變化帶來的傳輸不可靠，采用多拷貝能夠增加傳輸成功率。機(jī)會(huì)路由的兩個(gè)極端方法分別是單拷貝直接傳輸和每個(gè)相遇節(jié)點(diǎn)一份拷貝的流行性路由機(jī)制，過多的冗余拷貝會(huì)降低網(wǎng)絡(luò)資源利用率，需要消除；（2）下一跳選擇策略，即判斷相遇節(jié)點(diǎn)是否為下一跳轉(zhuǎn)發(fā)節(jié)點(diǎn)。獲取網(wǎng)絡(luò)狀態(tài)信息越多，就越有利于選擇策略的優(yōu)化。

機(jī)會(huì)群智感知網(wǎng)絡(luò)中的機(jī)會(huì)傳輸機(jī)制則需要考慮感知數(shù)據(jù)機(jī)會(huì)傳輸過程的相關(guān)性能指標(biāo)，包括互聯(lián)網(wǎng)鏈路傳輸成本、傳輸延時(shí)和能耗、傳輸成功率、數(shù)據(jù)量等。大部分移動(dòng)終端都有成本不等的互聯(lián)網(wǎng)鏈路，相當(dāng)于Sink節(jié)點(diǎn)。在感知數(shù)據(jù)收集應(yīng)用的機(jī)會(huì)網(wǎng)絡(luò)中，感知數(shù)據(jù)只要傳輸?shù)接幸庠柑峁┗ヂ?lián)網(wǎng)鏈路的任意一個(gè)移動(dòng)節(jié)點(diǎn)Sink，就可以將數(shù)據(jù)上傳到數(shù)據(jù)中心。因此如果將所有可能的Sink節(jié)點(diǎn)看成一個(gè)組，該過程則可以建成一個(gè)Anycast模型。

由于機(jī)會(huì)網(wǎng)絡(luò)的間歇性連通和節(jié)點(diǎn)移動(dòng)帶來的拓?fù)浣Y(jié)構(gòu)動(dòng)態(tài)變化，節(jié)點(diǎn)無法及時(shí)獲取網(wǎng)絡(luò)拓?fù)鋪碛?jì)算到Anycast組節(jié)點(diǎn)的跳數(shù)距離?？梢圆捎门c每個(gè)組成員節(jié)點(diǎn)的相遇概率來表示節(jié)點(diǎn)與該組節(jié)點(diǎn)的距離，該概率可通過綜合考慮節(jié)點(diǎn)與組成員節(jié)點(diǎn)的相遇頻率、相遇持續(xù)時(shí)間以及節(jié)點(diǎn)間的相遇傳遞性來計(jì)算。此外，由于網(wǎng)絡(luò)中有多個(gè)消息需要傳輸，為了降低網(wǎng)絡(luò)的開銷，消息以固定K個(gè)拷貝方式轉(zhuǎn)發(fā)。在大規(guī)模的機(jī)會(huì)網(wǎng)絡(luò)中，可能無法知道所有Anycast組節(jié)點(diǎn)的相關(guān)信息，僅考慮相遇概率最大的N個(gè)節(jié)點(diǎn)。

我們提出以下幾種Anycast傳輸方法：

（1）基本方法。這種方法是以節(jié)點(diǎn)最大的相遇概率為判別標(biāo)準(zhǔn)，通過記錄節(jié)點(diǎn)到每一個(gè)組成員節(jié)點(diǎn)的相遇概率，同時(shí)記錄相遇概率最大的組成員個(gè)數(shù)來決定將消息轉(zhuǎn)發(fā)給哪個(gè)相遇節(jié)點(diǎn)。攜帶消息的節(jié)點(diǎn)如果遇到判別標(biāo)準(zhǔn)比它大的節(jié)點(diǎn)，就選擇該節(jié)點(diǎn)為下一跳轉(zhuǎn)發(fā)節(jié)點(diǎn)。這種方法符合Anycast組傳輸?shù)幕舅悸?，發(fā)送消息給最近的組成員節(jié)點(diǎn)。

（2）考慮組節(jié)點(diǎn)分布的方法。這種方法需要綜合考慮與所有組成員節(jié)點(diǎn)的相遇概率，判別標(biāo)準(zhǔn)為相遇概率平均值。當(dāng)與各個(gè)組節(jié)點(diǎn)的相遇概率相差不大時(shí)，該方法將消息轉(zhuǎn)發(fā)到與更多成員節(jié)點(diǎn)相遇的節(jié)點(diǎn)。

（3）自適應(yīng)的Anycast方法。這種方法采用類似勢(shì)場(chǎng)的概念，把每個(gè)組成員看成一個(gè)場(chǎng)源電荷，每個(gè)節(jié)點(diǎn)的電勢(shì)值與到該組節(jié)點(diǎn)的距離成反比。模擬電場(chǎng)如圖2所示，假設(shè)組成員節(jié)點(diǎn)i在網(wǎng)絡(luò)中形成一個(gè)勢(shì)場(chǎng)，該勢(shì)場(chǎng)在節(jié)點(diǎn)[a]上的勢(shì)值計(jì)算公式為：[Ca（i）-λ（λ>0）]，其中[Ca（i）]是上一小節(jié)中定義的節(jié)點(diǎn)間的相對(duì)距離，而[λ]是勢(shì)值下降速度。圖2展示了6個(gè)成員節(jié)點(diǎn)的Anycast組在網(wǎng)絡(luò)中形成的勢(shì)場(chǎng)圖，X和Y軸是地理位置坐標(biāo)，Z軸是勢(shì)值，可以看出：[λ]越大，節(jié)點(diǎn)到組成員節(jié)點(diǎn)的距離對(duì)電勢(shì)值影響越大，單個(gè)組成員節(jié)點(diǎn)形成的勢(shì)場(chǎng)下降越快；隨著[λ]值的減小，距離對(duì)勢(shì)值的影響越來越小，而組成員密度對(duì)勢(shì)值影響越來越大，即組成員節(jié)點(diǎn)越密集的區(qū)域勢(shì)值越大。

2 面向時(shí)空局部有效感知

數(shù)據(jù)的機(jī)會(huì)分發(fā)

機(jī)會(huì)群智感知網(wǎng)絡(luò)的另一類重要應(yīng)用是面向時(shí)空局部有效數(shù)據(jù)。例如，在某一地理區(qū)域內(nèi)的道路擁堵或交通事故信息、銀行等公共服務(wù)點(diǎn)排隊(duì)信息、商場(chǎng)的臨時(shí)促銷信息等，這類信息具有時(shí)空局部有效性，傳播的距離越遠(yuǎn)，經(jīng)過的時(shí)間越長(zhǎng)，這類信息的有效性就越低。同時(shí)，用戶需求也具有這種時(shí)空特性，用戶移動(dòng)到某個(gè)區(qū)域，更為關(guān)注當(dāng)前區(qū)域附近的信息，對(duì)以前的信息和更遠(yuǎn)區(qū)域的信息可能不感興趣。網(wǎng)絡(luò)中的節(jié)點(diǎn)在感知到當(dāng)前區(qū)域中的信息后，利用機(jī)會(huì)相遇將數(shù)據(jù)擴(kuò)散到周邊節(jié)點(diǎn)上，并在信息有效空間區(qū)域內(nèi)的節(jié)點(diǎn)間進(jìn)行協(xié)作擴(kuò)散，以分發(fā)給目標(biāo)區(qū)域上感興趣的移動(dòng)節(jié)點(diǎn)。

機(jī)會(huì)群智感知網(wǎng)絡(luò)技術(shù)中最關(guān)鍵的是感知數(shù)據(jù)機(jī)會(huì)傳播模型。時(shí)空局部有效的感知數(shù)據(jù)應(yīng)該在一個(gè)相對(duì)受限的空間范圍內(nèi)傳播。由于移動(dòng)感知設(shè)備的自主隨機(jī)移動(dòng)，很難建立感知數(shù)據(jù)在多次轉(zhuǎn)發(fā)后的傳播模型。該傳播模型主要和感知數(shù)據(jù)的動(dòng)態(tài)擴(kuò)散算法有關(guān)，感知數(shù)據(jù)限制在有效區(qū)域內(nèi)擴(kuò)散，因此人們需要研究根據(jù)給定的感知數(shù)據(jù)的傳播延時(shí)、應(yīng)用特性、區(qū)域節(jié)點(diǎn)密度以及網(wǎng)絡(luò)負(fù)載等多種因素，以動(dòng)態(tài)調(diào)整目標(biāo)數(shù)據(jù)消息的轉(zhuǎn)發(fā)策略和拷貝份數(shù)。

設(shè)計(jì)一個(gè)高效的數(shù)據(jù)分發(fā)機(jī)制，首先需要確定消息分發(fā)需求，并從典型應(yīng)用出發(fā)，歸納具有時(shí)空特性消息的分發(fā)需求，包括消息的空間范圍、分布密度和延遲以及各種消息的優(yōu)先級(jí)等；其次需要詳細(xì)分析影響消息分發(fā)機(jī)制性能的諸多因素及其之間的關(guān)系，如進(jìn)入空間區(qū)域內(nèi)移動(dòng)節(jié)點(diǎn)數(shù)目、分布和移動(dòng)模型，移動(dòng)節(jié)點(diǎn)的緩存和通信帶寬等網(wǎng)絡(luò)資源以及消息的個(gè)數(shù)、類型、優(yōu)先級(jí)和消息源的分布等；最后確定通信方式，針對(duì)單個(gè)節(jié)點(diǎn)移動(dòng)軌跡的覆蓋范圍有限和機(jī)會(huì)網(wǎng)絡(luò)間歇性連通的特點(diǎn)，可以在所遇到的節(jié)點(diǎn)中選擇部分節(jié)點(diǎn)擴(kuò)散消息，實(shí)現(xiàn)在非連通區(qū)域消息分發(fā)，維護(hù)消息在分發(fā)區(qū)域的密度。

假定在每個(gè)攜帶節(jié)點(diǎn)上維護(hù)一個(gè)節(jié)點(diǎn)狀態(tài)值，則需要記錄當(dāng)前節(jié)點(diǎn)連續(xù)相遇的、沒有攜帶感知數(shù)據(jù)的節(jié)點(diǎn)個(gè)數(shù)。當(dāng)該節(jié)點(diǎn)連續(xù)遇到M個(gè)未攜帶數(shù)據(jù)消息的節(jié)點(diǎn)，將生成一個(gè)感知數(shù)據(jù)的拷貝并傳輸給第M個(gè)相遇的節(jié)點(diǎn)，并使之成為一個(gè)新的攜帶節(jié)點(diǎn)，然后將該狀態(tài)值重置為0。此外，當(dāng)攜帶節(jié)點(diǎn)遇到任一個(gè)攜帶感知數(shù)據(jù)的節(jié)點(diǎn)都將狀態(tài)值重置為0。每個(gè)節(jié)點(diǎn)的狀態(tài)變化可以用一個(gè)Markov過程來刻畫，節(jié)點(diǎn)遇到一個(gè)攜帶數(shù)據(jù)的節(jié)點(diǎn)是概率ρ，遇到未攜帶數(shù)據(jù)的節(jié)點(diǎn)概率是1-ρ，則變化過程可用如圖3所示。

該Markov過程對(duì)應(yīng)的轉(zhuǎn)移概率矩陣表示如式（1）所示：

該過程可以計(jì)算出節(jié)點(diǎn)處于M-1狀態(tài)的概率，還可以估算出攜帶消息的節(jié)點(diǎn)出現(xiàn)的速率。由于攜帶節(jié)點(diǎn)自主移動(dòng)會(huì)不斷離開目標(biāo)區(qū)域，離開速率需要根據(jù)節(jié)點(diǎn)移動(dòng)速度、區(qū)域面積和移動(dòng)模型等參數(shù)計(jì)算。當(dāng)攜帶節(jié)點(diǎn)生成速率等于其離開速率時(shí)，可以計(jì)算出當(dāng)前的算法參數(shù)值M，所有節(jié)點(diǎn)也可以根據(jù)當(dāng)前觀察到的節(jié)點(diǎn)移動(dòng)速率和個(gè)數(shù)動(dòng)態(tài)計(jì)算M值，從而實(shí)現(xiàn)感知數(shù)據(jù)攜帶節(jié)點(diǎn)密度的穩(wěn)態(tài)分布。

3 異步通信機(jī)會(huì)發(fā)現(xiàn)

機(jī)會(huì)群智感知網(wǎng)絡(luò)節(jié)點(diǎn)采用短距離通信技術(shù)交換數(shù)據(jù)。探測(cè)發(fā)現(xiàn)通信范圍內(nèi)的鄰居節(jié)點(diǎn)是實(shí)現(xiàn)感知數(shù)據(jù)機(jī)會(huì)傳輸?shù)那疤釛l件，對(duì)數(shù)據(jù)傳輸性能有非常重要的影響。在網(wǎng)絡(luò)運(yùn)行過程中，感知節(jié)點(diǎn)之間沒有全局同步時(shí)鐘，只能異步進(jìn)行鄰居探測(cè)。由于節(jié)點(diǎn)的隨機(jī)移動(dòng)性以及區(qū)域稀疏性，節(jié)點(diǎn)通常無法獲知其他節(jié)點(diǎn)的運(yùn)動(dòng)狀況，并且節(jié)點(diǎn)之間實(shí)際相遇維持時(shí)間往往較短，所以感知節(jié)點(diǎn)不僅需要在沒有任何其他節(jié)點(diǎn)的預(yù)先信息的條件下異步實(shí)現(xiàn)鄰居節(jié)點(diǎn)間的彼此探測(cè)，還需要滿足探測(cè)及時(shí)和足夠低的機(jī)會(huì)丟失率等性能要求。同時(shí)，由于移動(dòng)節(jié)點(diǎn)能量有限，異步探測(cè)需要考慮能耗這一重要因素。為了減少節(jié)點(diǎn)探測(cè)機(jī)制產(chǎn)生的能耗，節(jié)點(diǎn)不可能頻繁地發(fā)出探測(cè)信息，也不能容忍長(zhǎng)期處于監(jiān)聽狀態(tài)。

針對(duì)移動(dòng)節(jié)點(diǎn)之間的通信機(jī)會(huì)發(fā)現(xiàn)，我們主要采用自適應(yīng)的休眠調(diào)度方法，確保節(jié)點(diǎn)以高占空比降低功耗同時(shí)實(shí)現(xiàn)高效能。例如可以將兩個(gè)鄰居節(jié)點(diǎn)A和B的占空比DA和DB分別選擇為DA≈1/PA1+1/PA2和DB≈1/PB1+1/PB2（其中PA和PB分別是兩個(gè)節(jié)點(diǎn)的休眠周期，且滿足兩兩互素）。根據(jù)中國(guó)余數(shù)定理，必然存在周期P滿足在一個(gè)周期內(nèi)節(jié)點(diǎn)A與節(jié)點(diǎn)B能夠同時(shí)喚醒。但該算法對(duì)于給定的占空比，可以選擇合適的素?cái)?shù)對(duì)，并能夠確定能發(fā)現(xiàn)周圍出現(xiàn)的移動(dòng)設(shè)備。

4 人群移動(dòng)行為建模

真實(shí)人群移動(dòng)特性和移動(dòng)模型是機(jī)會(huì)群智感知網(wǎng)絡(luò)性能分析和傳輸機(jī)制設(shè)計(jì)的工作基礎(chǔ)。真實(shí)移動(dòng)環(huán)境中的移動(dòng)模型，需要綜合考慮人的物理特性和社會(huì)特性，其中物理特性是指人移動(dòng)的物理規(guī)律，例如速度和方向的平滑變化等；而社會(huì)特性是指人的社會(huì)關(guān)系、行為偏好等。如何借鑒現(xiàn)有的移動(dòng)模型方面的研究成果，并建立真實(shí)環(huán)境中的移動(dòng)模型進(jìn)而得到相遇機(jī)會(huì)的分布相當(dāng)具有挑戰(zhàn)性。

針對(duì)城市環(huán)境中真實(shí)人群移動(dòng)行為，我們提出了一個(gè)移動(dòng)模型。在該模型中，在不同的時(shí)間或空間下，人的移動(dòng)模型是不同的：從空間的維度來看，人在不同場(chǎng)景下的移動(dòng)模式是不同的；從時(shí)間的維度來看，人的日常社會(huì)活動(dòng)具有一定的規(guī)律性。該模型構(gòu)建如下：

（1）真實(shí)移動(dòng)場(chǎng)景建模。分析真實(shí)環(huán)境中不同類型的移動(dòng)場(chǎng)景，例如道路、廣場(chǎng)和辦公室等。借鑒已有的移動(dòng)模型，考慮節(jié)點(diǎn)的物理特性、社會(huì)關(guān)系和場(chǎng)景特征?？山Y(jié)合可用的真實(shí)trace數(shù)據(jù)，對(duì)每種特定移動(dòng)場(chǎng)景進(jìn)行建模。

（2）移動(dòng)模型的構(gòu)造。分析人日常社會(huì)活動(dòng)的移動(dòng)規(guī)律，將人在城市環(huán)境下的日?；顒?dòng)表示成不同場(chǎng)景間轉(zhuǎn)移的過程，不同場(chǎng)景采用相應(yīng)的移動(dòng)模型來描述。根據(jù)統(tǒng)計(jì)概率可以生成以場(chǎng)景為狀態(tài)的Markov過程；基于人社會(huì)活動(dòng)的規(guī)律性，可以確定不同狀態(tài)間的時(shí)變轉(zhuǎn)移概率。如圖4描述了在4個(gè)場(chǎng)景間社會(huì)特性確定的時(shí)變轉(zhuǎn)移概率的實(shí)例。

（3）移動(dòng)模型的分析。分析模型的收斂性，以及與機(jī)會(huì)群智感知網(wǎng)絡(luò)緊密相關(guān)的連接特性，包括節(jié)點(diǎn)相遇間隔、相遇持續(xù)時(shí)間等。

（4）移動(dòng)模型的驗(yàn)證。擬從3個(gè)方面綜合評(píng)價(jià)移動(dòng)模型：對(duì)比真實(shí)trace數(shù)據(jù)，評(píng)估該移動(dòng)模型是否能真實(shí)描述節(jié)點(diǎn)的移動(dòng)性；評(píng)價(jià)模型的易用性，以及是否具有完整的數(shù)學(xué)形態(tài)表達(dá)；評(píng)價(jià)移動(dòng)模型參數(shù)的可控性和適用度，是否可通過調(diào)整參數(shù)準(zhǔn)確描述不同的移動(dòng)場(chǎng)景。

5 結(jié)束語

智能終端正在快速普及和發(fā)展，由于終端的隨身攜帶性，利用移動(dòng)終端間的協(xié)作機(jī)會(huì)實(shí)現(xiàn)數(shù)據(jù)感知應(yīng)用在大范圍社會(huì)數(shù)據(jù)采集領(lǐng)域具有重要的應(yīng)用潛力。文章提出了機(jī)會(huì)群智感知網(wǎng)絡(luò)的概念和主要關(guān)鍵技術(shù)，并提出了一些技術(shù)解決思路，具有重要的參考價(jià)值。

參考文獻(xiàn)

[1] 劉云浩. 群智感知計(jì)算[J].中國(guó)計(jì)算機(jī)學(xué)會(huì)通訊， 2012， 8 （10）： 38-41

[2] GANTI R K，YE F，and LEI H. Mobile Crowdsensing：Current State and Future Challenges [J].IEEE Communications Magazine， 2011， 49（11）： 32-39

[3] MA H， ZHAO D， and YUAN P. Opportunities in Mobile Crowd Sensing [J]. Communications Magazine， IEEE， 2014， 52（8）： 29-35

[4] CONTI M and KUMAR M. Opportunities in Opportunistic Computing [J]. Computer， 2010， 43 （1）： 42-50

[5] 熊永平， 孫利民， 牛建偉， 劉燕. 機(jī)會(huì)網(wǎng)絡(luò)[J]. 軟件學(xué)報(bào)， 2009， 20 （1）： 124-137