于瑞云 王鵬飛 白志宏 王興偉

(東北大學(xué)軟件學(xué)院 沈陽 110169)(yury@mail.neu.edu.cn)

參與式感知：以人為中心的智能感知與計算

于瑞云 王鵬飛 白志宏 王興偉

(東北大學(xué)軟件學(xué)院 沈陽 110169)(yury@mail.neu.edu.cn)

越來越多的無線智能移動設(shè)備集成了大量不同種類的傳感器模塊，與此同時無線移動網(wǎng)絡(luò)也迅速普及.這些因素推動了參與式感知概念的提出與發(fā)展.參與式感知又被稱為城市感知、以用戶為中心的感知、群智感知.參與式感知可以解決傳統(tǒng)無線傳感網(wǎng)絡(luò)難以大規(guī)模部署以及部署成本高昂的問題.參與式感知系統(tǒng)通過利用移動智能設(shè)備中的傳感器、社交網(wǎng)絡(luò)以及個人設(shè)備使用行為對參與者周圍的物理環(huán)境、社會環(huán)境或者個人狀態(tài)進行自主式采集、傳輸和分析，并做出智能化決策.這對未來實現(xiàn)智慧城市、普適計算以及物聯(lián)網(wǎng)等重大概念具有重要的意義.首先介紹了參與式感知相關(guān)概念、理論以及相應(yīng)的應(yīng)用原型系統(tǒng)；然后介紹了參與式感知相關(guān)研究前沿?zé)狳c，包括參與式感知的原型設(shè)計、感知數(shù)據(jù)處理、激勵機制、隱私保護、惡意攻擊以及不同移動網(wǎng)絡(luò)的問題等；最后給出研究參與式感知的一般方法.

參與式感知；以用戶為中心的感知；城市感知；群智感知；普適計算

參與式感知[1]指通過移動設(shè)備形成一個交互式的、參與式的傳感網(wǎng)絡(luò)，能夠讓普通用戶和專家用戶采集、分析和分享本地感知信息.參與式感知是無線傳感網(wǎng)絡(luò)(wireless sensor networks)的延伸和拓展，傳統(tǒng)的無線傳感網(wǎng)絡(luò)由于設(shè)備昂貴、部署困難等原因很難大規(guī)模應(yīng)用，而參與式感知提供了一種全新的、廉價的且易于部署的模式和方法來解決這些問題.參與式感知使感知的中心由傳統(tǒng)傳感器節(jié)點轉(zhuǎn)移到人和智能移動設(shè)備上，人和智能移動設(shè)備有機組合成為了類似無線傳感網(wǎng)絡(luò)中具備傳感器模塊的設(shè)備節(jié)點.參與式感知應(yīng)用一般不需要預(yù)先部署特殊的基礎(chǔ)設(shè)施，這大大節(jié)省了開支并適合應(yīng)用的大規(guī)模部署，同時也是與傳統(tǒng)無線傳感器網(wǎng)絡(luò)最大的區(qū)別.

參與式感知概念的提出和發(fā)展主要得益于移動智能手機的普及，嵌入了豐富傳感器模塊(例如GPS、加速度傳感器、方向傳感器、壓力傳感器、光線傳感器等)的移動智能手機為參與式感知提供了設(shè)備支持.除智能手機以外，各種具備通信和傳感功能的平板、PDA、智能手環(huán)、手表以及眼鏡等設(shè)備均可以作為感知節(jié)點以不同組網(wǎng)方式加入到參與式感知應(yīng)用中，并提供相關(guān)感知數(shù)據(jù).

目前，參與式感知得到了一定的應(yīng)用，如噪音污染監(jiān)測[2]、行車路線規(guī)劃[3]以及環(huán)境污染監(jiān)測[4]等.參與式感知應(yīng)用與傳統(tǒng)無線傳感器網(wǎng)絡(luò)相比更加強調(diào)了人在感知過程的參與以及人對感知的決定性作用.基本的參與式感知過程如圖1所示，參與者通過智能設(shè)備組成的傳感網(wǎng)收集感知信息，這些感知信息上傳給感知服務(wù)器后經(jīng)過分析處理獲得有意義的整合感知結(jié)果并將其分享給相應(yīng)的數(shù)據(jù)消費者.

Fig. 1 Basic framework of the participatory sensing application圖1 參與式感知基本框架

參與式感知以人為中心，用戶出于個人愛好、經(jīng)濟、興趣等原因有意識地主動響應(yīng)感知需求，這是參與式感知與機會感知(opportunistic sensing)最大的區(qū)別[5].機會感知中數(shù)據(jù)的采集是通過用戶無意識的感知上傳獲得的.

另外，在參與式感知中用戶既可以作為感知數(shù)據(jù)的提供者也可以作為數(shù)據(jù)的消費者，這一點是參與式感知和眾包(crowdsourcing)最大的區(qū)別[6].在眾包模式中，系統(tǒng)中所完成的任務(wù)一般不能被參與者所消費.參與式感知對未來實現(xiàn)普適計算和智慧城市等概念重大意義，因而近幾年來引起了科研人員的密切關(guān)注.美國加州大學(xué)洛杉機分校的嵌入式網(wǎng)絡(luò)感知中心(Center for Embedded Networked Sensing, CENS)研究中心于2006年提出了這一設(shè)想，并將之稱為“參與式感知”[1].從2009年以來，該中心已經(jīng)將主要精力投入到參與式感知技術(shù)研究中.在CENS研究中心2011年年度進展報告[7]的Research部分，參與式感知方面的內(nèi)容占了將近一半的篇幅；在中國計算機學(xué)會CCF YOCSEF確定的2011—2012年度活動計劃中,參與式感知(participatory sensing)被列為2011—2012年度10個學(xué)術(shù)報告會主題之一.2014年“ACM中國會議委員會成立與群智感知網(wǎng)絡(luò)研討會”在清華大學(xué)舉行，會議圍繞“群智感知網(wǎng)絡(luò)”主題進行討論，分析了主動出發(fā)到無意識配合等感知特點；同年，CCF YOCSEF舉辦了“群智計算研究進展”相關(guān)學(xué)術(shù)報告會，總結(jié)了參與式感知和眾包等概念，分析了社會感知這一高級感知階段，并從產(chǎn)業(yè)角度研究如何將其應(yīng)用到實際系統(tǒng)中.2016年中國計算機大會舉辦了“群智感知計算前沿”專題論壇，對群智感知系統(tǒng)部署與應(yīng)用、隱私保護機制、激勵等問題進行了熱烈討論，總結(jié)了群智感知未來發(fā)展方向.IEEE和ACM相關(guān)領(lǐng)域頂級學(xué)術(shù)會議陸續(xù)發(fā)表了一些與參與式感知、群智感知相關(guān)的學(xué)術(shù)論文并組織舉辦了相關(guān)研討會，例如International Workshop on Mobile Sensing, Computing and Communication(MSCC)，International Workshop on Crowd Assisted Sensing (CASPer)，Workshop on Crowdsensing Methods, Techniques, and Applications(CROWDSENSING)等.鑒于參與式感知在國外已經(jīng)取得了一定的成果，國內(nèi)尚處于發(fā)展階段，為了深入理解參與式感知的概念和發(fā)展趨勢，并促進國內(nèi)在該方向上的研究，綜述參與式感知研究進展工作具有重要意義.

1 參與式感知應(yīng)用現(xiàn)狀

參與式感知應(yīng)用是參與式感知理論研究的基礎(chǔ)也是研究重點.參與式感知應(yīng)用根據(jù)感知目的和感知范圍的不同劃分為公共感知應(yīng)用、社交感知應(yīng)用以及個人感知應(yīng)用3類.

1.1 公共感知應(yīng)用

公共感知應(yīng)用指通過智能移動設(shè)備對公共環(huán)境進行感知的應(yīng)用，公共環(huán)境包括但不限于噪音、道路情況、溫度、空氣濕度、天氣狀況、二氧化碳、PM2.5等.目前大部分參與式感知應(yīng)用都是圍繞公共感知進行的.

文獻[2]提出了第1款基于移動智能設(shè)備開放且廉價的城市噪音監(jiān)測應(yīng)用EarPhone，其主要用于城市道路噪音污染的監(jiān)測.參與者通過手機感知周邊噪音信息，這些噪音數(shù)據(jù)通過智能設(shè)備進行評級并轉(zhuǎn)化為噪音等級數(shù)據(jù)，感知服務(wù)器對參與者上傳的噪音等級數(shù)據(jù)處理后根據(jù)相關(guān)地理位置信息將感知服務(wù)器處理后的噪音監(jiān)測信息顯示在電子地圖上并分享給數(shù)據(jù)消費者.EarPhone也研究了在噪音監(jiān)測背景下的眾包模型、不完整數(shù)據(jù)以及隨機樣本數(shù)據(jù)所產(chǎn)生的其他問題等.EarPhone可以提高人們對噪音污染的關(guān)注并協(xié)助尋找解決方案.

交通擁堵是大部分城市難以解決的問題，測量定位擁堵的位置，并通知其他用戶繞過這些擁堵是緩解擁堵的一種解決方式.文獻[3]提出并實現(xiàn)了一款名為V-Track的出行時間估計應(yīng)用，并強調(diào)了手機中能量消耗的敏感性和感知數(shù)據(jù)的不穩(wěn)定性.然而GPS模塊的長時間使用會導(dǎo)致手機電池很快耗盡，為了解決該問題作者提出了利用低能耗但高噪音的信號(例如WiFi信號等)去估計用戶出行軌跡和時間.V-Track使用一種基于隱Markov的地圖匹配機制和時間估計方法通過插入稀疏數(shù)據(jù)并基于用戶偏好和出行時間去識別最適合的行進道路.同時，作者也通過多種方式驗證了其方法的有效性，并對WiFi和GPS模塊基于能源消耗的最佳采樣策略進行了詳細的研究和探討.

Fig. 2 Prototype of gas-mobile圖2 Gas-Mobile空氣監(jiān)測應(yīng)用

文獻[8]設(shè)計實現(xiàn)了一款名為Gas-Mobile的空氣污染監(jiān)測應(yīng)用，原型如圖2所示.其通過外置空氣檢測感知模塊對空氣環(huán)境進行監(jiān)測，并考慮了參與式感知中能耗和花費等問題.為了保證監(jiān)測數(shù)據(jù)的準確性，部署空氣污染監(jiān)測器在政府監(jiān)測基站附近，進行傳感數(shù)據(jù)校正.同時，作者也分析了設(shè)備的移動對于傳感器感知準確性的影響.

另外還有很多與公共感知相關(guān)的應(yīng)用，例如，文獻[9]利用手機攝像頭設(shè)計實現(xiàn)了一種尋找商場特價商品應(yīng)用LiveCampare，其通過商品條形碼來確定商品，利用位置信息來確定商場并設(shè)計了相應(yīng)的激勵機制；文獻[10]利用手機設(shè)計了一個價格信息分享應(yīng)用Mobishop，并在手機端實現(xiàn)了光學(xué)字符識別(optical character recognition， OCR)模塊處理照片信息；文獻[11]利用手機內(nèi)置麥克風(fēng)開發(fā)了一款噪音地圖應(yīng)用Laermometer，除了噪音數(shù)據(jù)還添加了參與者關(guān)于噪音等級的主觀評論信息；文獻[12]開發(fā)了一款名為MobGeoSen的應(yīng)用來監(jiān)控地區(qū)環(huán)境和個人狀態(tài)；文獻[13]設(shè)計了基于參與式感知的公交時間預(yù)測應(yīng)用，并做了長時間的模擬跟蹤實驗.

1.2 社交感知應(yīng)用

社交感知指參與者的感知信息在一個社交群組中分享，社交感知應(yīng)用收集和分享感知信息給他的朋友、社交群組或者圈子.

文獻[14]設(shè)計并實現(xiàn)了一款名為CenceMe的社交感知應(yīng)用，社交群組中的成員通過一種安全的方式來分享他們的日常感知信息.這種感知信息可能是用戶的活動(走路、遇到朋友等)、情緒(開心、快樂、悲傷等)或者所在環(huán)境(吵鬧、熱、高海拔等)等.CenceMe將移動感知邊界拓展到社交網(wǎng)絡(luò)的同時提高了社交網(wǎng)絡(luò)的連通力和感知能力.應(yīng)用包括嵌入在用戶手機中的物理傳感器、虛擬軟件傳感器和數(shù)據(jù)分析引擎3部分.物理傳感器可以感知加速度、重力、聲音和視覺等，虛擬軟件傳感器捕捉用戶的在線社交數(shù)據(jù)等.CenceMe通過上述感知模塊和分析引擎可以對不同的好友展示自己不同的感知信息，這些服務(wù)包括：生活方式、社交互動、位置信息等.

文獻[15]設(shè)計實現(xiàn)了一款利用手機攝像頭尋找潛在“有趣”事件的應(yīng)用MoVi，并通過Nokia手機和iPod Nano實現(xiàn).MoVi主要包括4個模塊：群組管理模塊(group management module)、事件監(jiān)測模塊(event detection module)、角度選擇模塊(view selection module)和事件分片模塊(event segmenta-tion module).群組管理模塊基于社交上下文的相關(guān)性分離出一個移動設(shè)備集合；事件監(jiān)測模塊去識別社交上“有趣”的事情；角度選擇模塊從群組中選擇最好的角度去探測該“有趣”的事情；事件分離模塊獲得事件觸發(fā)的時間戳，掃描傳感器測量的數(shù)據(jù)去辨別事件的開始和結(jié)束.

文獻[16]設(shè)計了一款名為Apollo的事件發(fā)生探測應(yīng)用.作者通過利用Twitter用戶的微博數(shù)據(jù)作為感知數(shù)據(jù)來源，利用社交關(guān)系圖譜基于期望最大化算法進行了事件發(fā)生的識別.其提出了人聯(lián)網(wǎng)(Internet of people, Iop)可能是未來最大的感知網(wǎng)絡(luò)，而且人也可以作為一種高級傳感器來收集數(shù)據(jù)和感知環(huán)境.作者將社交網(wǎng)絡(luò)作為傳感網(wǎng)絡(luò)、將人作為傳感器并解決了感知數(shù)據(jù)可靠性問題.最后，文章考慮了微博數(shù)據(jù)的單向關(guān)注的特征，利用期望最大化算法進行事件可能發(fā)生的概率估計.

除此之外，還有其他一些基于參與式社交感知的應(yīng)用.例如文獻[17]提出了一種個人環(huán)境影響報告應(yīng)用PEIR，可以將感知信息分享到Facebook；文獻[18]開發(fā)了一種在社交網(wǎng)絡(luò)中探索災(zāi)難推斷的系統(tǒng)原型，通過社交網(wǎng)絡(luò)數(shù)據(jù)預(yù)測災(zāi)難發(fā)生，并進行了實驗?zāi)M來驗證應(yīng)用的有效性.

1.3 個人感知應(yīng)用

個人感知應(yīng)用關(guān)注用戶個人信息的收集、監(jiān)測和決策處理.個人感知應(yīng)用收集用戶的信息包括生活信息、物理活動信息、生理信息、地理位置信息等.這些信息通過感知服務(wù)器或者移動設(shè)備進一步處理后為個人服務(wù).

文獻[19]設(shè)計實現(xiàn)了基于手機麥克風(fēng)的個人感知應(yīng)用SoundSense，其是一個定量感知聲音事件的框架，并在iPhone手機上予以實現(xiàn).該架構(gòu)和算法通過使用監(jiān)督和無監(jiān)督學(xué)習(xí)技術(shù)來進行聲音分類(例如音樂、聲音等)并發(fā)現(xiàn)新奇的聲音事件推送給個人用戶.通過實踐評估證明SoundSense可以有效識別日常生活中有意義的新奇聲音事件.

Fig. 3 Prototype of NeuroPhone圖3 NeuroPhone原型系統(tǒng)

文獻[20]提出了一款名為NeuroPhone的神經(jīng)信號感知應(yīng)用，該應(yīng)用可以通過神經(jīng)信號控制手機操作，圖3是NeuroPhone系統(tǒng)的示意圖.傳統(tǒng)檢測神經(jīng)信號的設(shè)備一般非常昂貴、體積大且容易損壞，而NeuroPhone通過一種便宜且現(xiàn)有的無線腦電圖 (electroencephalography, EGG) 手持設(shè)備替代神經(jīng)檢測設(shè)備控制手機.開發(fā)了用大腦控制的、類似P300拼寫腦機界面(brain-computer interfaces)的電話本應(yīng)用.該電話本應(yīng)用打開后閃現(xiàn)一系列聯(lián)系人的信息，一個P300腦電位會在閃現(xiàn)的人與用戶想聯(lián)系的人一致時發(fā)出.從手持設(shè)備發(fā)出的EGG信號通過無線方式傳輸給手機，并可以從噪音中分離出來，手機接到信號后該聯(lián)系人的電話號碼就自動撥出.NeuroPhone開辟了腦機交互的新領(lǐng)域，作者還討論了該應(yīng)用未來的研究方向.

文獻[21]提出了一款名為EyePhone的眼鏡定位追蹤應(yīng)用，其也是一種不需要手操作就可以進行交互的移動手機應(yīng)用.EyePhone通過手機攝像頭追蹤用戶眼睛的移動來進行手機的操作.程序通過攝像頭跟蹤眼睛并推斷它的位置，通過眨眼睛來觸發(fā)鼠標點擊事件.EyePhone應(yīng)用中的追蹤算法包括4個階段：

1) 階段1是眼睛識別，通過邊緣檢測識別眼球所在位置；

2) 階段2是眼部模板創(chuàng)建，產(chǎn)生一個用戶開放眼球的模板，當用戶第1次使用眼部檢測算法的時候產(chǎn)生1個用戶開放眼球模板，該模板會被永遠存儲；

3) 階段3是基于模版匹配的眼部追蹤的過程，模版匹配函數(shù)計算開放眼部模板和搜索窗的相關(guān)度；

4) 階段4是眨眼檢測，基于閾值技術(shù)通過模版匹配函數(shù)返回歸一化相關(guān)系數(shù)，與此同時為了解決攝像頭離人的遠近問題，作者用了4種閾值進行計算.

還有其他個人感知應(yīng)用，例如文獻[22]實現(xiàn)了一款名為AndWelness的個人日常生活感知應(yīng)用，其收集定義的數(shù)據(jù)、文字信息、媒體信息和其他感知信息(如地理位置、活動推測信息等)等；文獻[23]提出了一款名為UbiFit Garden的健康應(yīng)用，開發(fā)了單獨的感知模塊來監(jiān)測用戶的日常習(xí)慣，并激勵用戶進行有效頻率的健身運動；文獻[24]提出了一款長期健康管理應(yīng)用Balance，用戶可以輸入飲食情況，并開發(fā)了感知模塊測量氧氣消耗進而感知個人卡路里的消耗；文獻[25]提出了一款名為SPA的手機輔助慢性疾病自我管理應(yīng)用，用戶可以自我監(jiān)測自身的生理體征參數(shù)進而達到治療慢性病的作用；文獻[26]提出了一款名為HyperFit的個人營養(yǎng)健康和鍛煉管理應(yīng)用，其基于互聯(lián)網(wǎng)并提供一個虛擬教練來進行實際指導(dǎo)；文獻[27]開發(fā)了名為HealthAware的健康管理應(yīng)用，通過使用者對食物拍照可以給出與該食物相關(guān)的信息；文獻[28]提出了一款基于姿勢交互的文檔應(yīng)用Pacer；文獻[29]提出了一種基于藍牙的個人追蹤系統(tǒng)；文獻[30]提出了一款名為UbiqLog的日常生活記錄原型應(yīng)用；文獻[31]提出了基于手機的高血壓自我管理報告應(yīng)用系統(tǒng)；文獻[32]提出了基于手機的增強現(xiàn)實問答導(dǎo)航系統(tǒng)；文獻[33]提出了基于上下文感知的無線傳感器網(wǎng)絡(luò)訪問應(yīng)用CONSORTSS；文獻[34]提出了名為Cam的手機攝像頭文檔處理應(yīng)用.

大部分參與式感知應(yīng)用都可以歸納為本節(jié)中3種類型，隨著參與式感知的發(fā)展，相信會有更多新穎實用的參與式感知應(yīng)用被提出和實現(xiàn).

2 參與式感知研究的熱點問題

參與式感知研究的熱點問題主要集中在參與式感知原型應(yīng)用研究、感知數(shù)據(jù)相關(guān)研究、激勵機制研究、隱私保護研究4個方面.

2.1 參與式感知原型

參與式感知原型是參與式感知研究的基礎(chǔ)，因此開發(fā)和研究新的參與式感知原型對參與式感知研究意義重大.由于傳感器決定了感知能力，所以其成為了研究參與式感知原型的基礎(chǔ).為了說明參與式感知應(yīng)用原型研究方向，本節(jié)基于傳感器特征將參與式感知原型研究分為設(shè)備自身傳感器感知原型研究、外置傳感器感知原型研究以及人智傳感感知原型研究3類(參與式感知原型研究歸納總結(jié)如附錄A所示).

1) 設(shè)備自身傳感器感知原型的研究

從附錄A中表A1可以概括所有的參與式感知應(yīng)用都無一例外用到了智能手機的內(nèi)置傳感器設(shè)備.設(shè)備自身配備的傳感器可以滿足很多感知需求，表1列舉了近3年主流手機所配備的傳感器設(shè)備情況.

通過表1可以看出隨手機的更新?lián)Q代越來越多的傳感器被集成在移動設(shè)備中，這可以更加廣泛地進行感知.目前，已經(jīng)有很多利用移動設(shè)備自身傳感器構(gòu)建的參與式感知原型，基于手機自身傳感器應(yīng)用的研究主要集中在2方面.

多傳感器綜合原型研究：使用2個以及2個以上的傳感器模塊來完成某一特定感知的應(yīng)用研究.很多參與式感知應(yīng)用都使用了多個傳感器，例如基于地理位置的感知都需要使用定位模塊和其他1個或多個傳感器模塊.

內(nèi)置其他模塊拓展原型研究：將手機中原本非傳感器模塊當作傳感器模塊進而拓展感知范圍的參與式感知原型研究，目前這方面的研究相對較少.例如，WiFi模塊和藍牙模塊原本是通信模塊，主要用于無線通信.然而，可以通過WiFi模塊或者藍牙模塊來探測周圍的WiFi或者藍牙信號強度、感知周圍的設(shè)備等.利用這些非傳感器模塊進行感知可以拓展參與式感知應(yīng)用原型，例如利用WiFi信號強度進行室內(nèi)定位[35]；蘋果最新推出的手機iPhone 6S擁有壓力感應(yīng)屏幕，其可以感應(yīng)屏幕所受壓力，這也為參與式感知應(yīng)用提供了研究的新的感知手段.手機中其他模塊拓展的新特征可以賦予手機更多的潛在感知能力，進而拓展參與式感知原型研究.

Table 1 Sensors in Mainstream Mobile Phones

2) 外置傳感器感知原型的研究

由于一些傳感器的客觀狀況(體積過大、過于昂貴或者精度不足等)導(dǎo)致其很難集成到手機中，影響了參與式感知系統(tǒng)原型的研究.例如，如果要檢測空氣中PM2.5的數(shù)值，必須結(jié)合PM2.5傳感器，然而PM2.5傳感器并不是手機需要的傳感器，并且PM2.5傳感器體積大且昂貴.但是，未來隨著科技的進步可以使這些傳感器集成到手機中或者變得小巧易于攜帶.因此，外置傳感器感知原型的研究對未來參與式感知意義重大.一般而言，這些外置模塊與手機通過無線或者有線的方式進行連接通信.

外置傳感器傳感應(yīng)用的研究將會是未來參與式感知原型研究的主要方向之一，第1節(jié)中很多感知原型都使用了外置傳感器.隨著傳感器的種類逐漸豐富、體積逐漸變小、成本逐漸降低，越來越多的外置傳感器集成到手機中.例如氣壓傳感器已經(jīng)集成到相當多的手機中.基于外置傳感應(yīng)用原型必定會在研究的同時遇到一些難以解決的問題，從而涌現(xiàn)新的研究領(lǐng)域和研究方向.

3) 人智傳感原型的研究

人智傳感 (human intelligence sensing)指在參與式感知環(huán)境下，人充當傳感器無法充當?shù)膫鞲衅鞲兄h(huán)境等信息并將感知信息通過移動智能設(shè)備上傳共享并進行智能化決策的過程.

在2014年的第13屆傳感網(wǎng)絡(luò)數(shù)據(jù)處理國際大會(International Conference on Information Proce-ssing in Sensor Networks, IPSN)中一個重要的議題為“All Things Sensors”，會議提出了萬物皆可以作為傳感器的概念，這拓展了傳感器的邊界.其中文獻[16]提出了“Using Human as Sensors”的概念，并通過Twitter 微博社交數(shù)據(jù)設(shè)計并驗證了基于期望最大化和社交關(guān)系的事件監(jiān)測算法，建立了感知應(yīng)用原型并進行了實驗驗證.在此之前，也有很多關(guān)于利用微博數(shù)據(jù)進行事件監(jiān)測的算法提出和建立，其中包括對自然災(zāi)害的監(jiān)測預(yù)警等[36-40].這些人智傳感應(yīng)用和算法的提出為人智傳感原型的研究和開發(fā)提供了基礎(chǔ).

目前，人智傳感應(yīng)用原型的研究處于上升階段.由于人的更加高度參與(趨利性、自私性、惡意等)導(dǎo)致其與其他參與式感知應(yīng)用原型相比更加困難，這給人智傳感原型的研究提出了更大的挑戰(zhàn).本文歸納了人智傳感應(yīng)用原型研究與其他參與式感知應(yīng)用原型研究不同之處.

① 感知數(shù)據(jù)語義獲取.人產(chǎn)生的感知數(shù)據(jù)可能是文字、影像和圖像等形式，然而這些數(shù)據(jù)很難被識別和使用.為了使數(shù)據(jù)滿足參與式感知應(yīng)用的需求，往往要將這些數(shù)據(jù)“翻譯”成為人智傳感應(yīng)用所需要的語義，例如二元數(shù)據(jù)、模糊數(shù)據(jù)等.感知數(shù)據(jù)語義的獲取與自然語言處理、圖像識別、視頻處理等方面息息相關(guān).

② 感知數(shù)據(jù)相對性.由于人的參與給數(shù)據(jù)的真實性提出了巨大的挑戰(zhàn).普通傳感器通過物理感知進而獲得相應(yīng)數(shù)據(jù)，然而人所感知的數(shù)據(jù)經(jīng)過大腦神經(jīng)處理，無論是由于人的主觀感受不同、自私、惡意、趨利亦或其他原因，這都將影響所獲得感知數(shù)據(jù)的真實性.以主觀感受為例，每個人對相同環(huán)境的感知是有主觀性的.例如同樣對于20℃的環(huán)境溫度，住在北極附近的人可能感覺很溫暖然而住在赤道附近的人卻覺得比較涼爽.感知數(shù)據(jù)的相對性需要科研學(xué)者進一步通過實際的案例和感知模型進行分析，設(shè)計出合適的算法或者機制解決該問題.

與此同時，還有很多參與式感知應(yīng)用既使用手機內(nèi)部傳感器也使用外置的其他傳感器，或強調(diào)了人的參與.例如人和GPS模塊可以組成基于地理位置的人智傳感應(yīng)用；內(nèi)部和外部傳感器協(xié)同可以組成類似BikeNet[4]的參與式感知應(yīng)用等.相信未來多種傳感器混合運用、交叉?zhèn)鞲幸矔俏磥硌芯繜狳c.

2.2 感知數(shù)據(jù)處理

感知數(shù)據(jù)是參與式感知的主要處理對象，感知數(shù)據(jù)經(jīng)過采集、分析、上傳、再發(fā)送給數(shù)據(jù)消耗者.在整個數(shù)據(jù)處理過程中，感知數(shù)據(jù)經(jīng)歷了數(shù)據(jù)采集、數(shù)據(jù)分析、數(shù)據(jù)上傳和數(shù)據(jù)分發(fā)4個階段，這4個階段也是參與式感知中感知數(shù)據(jù)研究的重點.本節(jié)將結(jié)合參與式感知的特點詳細闡述這4個方面的相關(guān)熱門研究問題和成果.

2.2.1 參與式感知數(shù)據(jù)采集

由于感知數(shù)據(jù)是參與式感知的感知源頭，如何進行有效數(shù)據(jù)采集是一個重要的研究方向.研究數(shù)據(jù)采集可以提高參與式感知應(yīng)用的用戶參與度、提升數(shù)據(jù)采集效率、提高數(shù)據(jù)質(zhì)量、減少資源消耗等.很多數(shù)據(jù)采集問題在傳統(tǒng)傳感器網(wǎng)絡(luò)中已經(jīng)有比較多的研究，本節(jié)主要闡述參與式感知中數(shù)據(jù)采集與傳統(tǒng)傳感器網(wǎng)絡(luò)不同的部分——參與者招募.

與傳統(tǒng)傳感器網(wǎng)絡(luò)不同，參與式感知環(huán)境下感知節(jié)點并不能按照系統(tǒng)需要的情況進行固定部署.人與手機有機組成感知節(jié)點按照人的自身運動規(guī)律進行活動，這導(dǎo)致解決如何通過參與者獲得參與式感知應(yīng)用需要的數(shù)據(jù)成為了富有挑戰(zhàn)的問題.數(shù)據(jù)采集問題在參與式感知環(huán)境下轉(zhuǎn)換為特定參與式感知用戶的招募問題，通過什么方式來招募什么樣的用戶、如何高效地招募用戶、如何盡可能節(jié)約資源等都成為參與式感知數(shù)據(jù)采集相對于傳統(tǒng)傳感器網(wǎng)絡(luò)不同的研究方向.

文獻[41]提出了一種基于移動環(huán)境上下文的參與者招募機制，該機制通過考慮用戶對該任務(wù)的合適程度、地理空間位置和用戶習(xí)慣進行用戶招募；文獻[42]提出了一種在參與式感知下的數(shù)據(jù)收集招募框架，該框架可以讓參與式感知組織者基于地理位置、時間特點和用戶喜好去識別感知合適的參與者進而進行招募，并考慮了系統(tǒng)的效用問題；文獻[43]提出的用戶選擇方法，在一定范圍內(nèi)選擇低價但是高質(zhì)量的數(shù)據(jù)提供者，該方法主要將參與者選擇問題形式化為一個多目標背包問題并給予解決；文獻[44]提出了一種基于社交的應(yīng)用無關(guān)的參與式感知信任框架，其使用模糊邏輯來對參與式感知用戶進行評分；文獻[45]提出了一種高效節(jié)能移動感知系統(tǒng)(energy efficient mobile sensing system, EEMSS)，其利用多層傳感器管理策略識別用戶狀態(tài)和監(jiān)測狀態(tài)的改變.

一般來說，招募用戶可以從是否愿意提供幫助、數(shù)據(jù)質(zhì)量、響應(yīng)速度、服務(wù)質(zhì)量、用戶典型程度、系統(tǒng)開銷、用戶花費等方面來進行考慮.為了讓用戶更加主動地提供感知數(shù)據(jù)，越來越多的學(xué)者關(guān)注于參與式感知系統(tǒng)中激勵機制和算法的研究和設(shè)計，激勵機制將在2.3節(jié)做詳細介紹.

2.2.2 參與式感知數(shù)據(jù)分析

參與式感知數(shù)據(jù)分析指參與式感知應(yīng)用獲得感知數(shù)據(jù)之后，根據(jù)參與式感知應(yīng)用的目的對數(shù)據(jù)進行分析和處理的過程.

由于人的參與引起感知數(shù)據(jù)不準確(例如傳感器放置不準確、用戶個人愛好等)會影響數(shù)據(jù)的分析，如何鑒別數(shù)據(jù)的真實性和整合沖突數(shù)據(jù)是一個亟需解決的問題；由于感知用戶的稀疏或者用戶參與度不高會導(dǎo)致感知數(shù)據(jù)不完整，有時需要通過相關(guān)理論或算法補足數(shù)據(jù)；參與式感知所獲取的數(shù)據(jù)形式有時與傳統(tǒng)傳感器感知的數(shù)據(jù)不同，參與者上傳的感知數(shù)據(jù)可能是文字、圖片、視頻或者是對某種事物的評分、評級等主觀信息等.以上所有原因?qū)е滦枰线m的分析算法來對這些數(shù)據(jù)進行處理.

目前數(shù)據(jù)真實性鑒別和數(shù)據(jù)整合已經(jīng)有了相關(guān)研究，文獻[46]提出了一種基于數(shù)據(jù)來源獨立性的方法來整合沖突數(shù)據(jù)，其主要運用貝葉斯分析來研究數(shù)據(jù)源的獨立性，設(shè)計了迭代算法檢測獨立性并從沖突數(shù)據(jù)中尋找真實數(shù)據(jù)；文獻[47]通過研究3種潛在的概率模型解決數(shù)據(jù)沖突并提高數(shù)據(jù)準確性；文獻[48]提出了一種在分布式感知系統(tǒng)中的廣義決定聚合(generalized decision aggregation, GDA)算法，考慮了數(shù)據(jù)融合和感知節(jié)點的可靠性；文獻[49]提出基于Gompertz函數(shù)的聲望框架來計算數(shù)據(jù)的真實性，作者通過一個參與式感知的噪音檢測應(yīng)用實現(xiàn)了該算法并與Beta聲望模式進行對比，結(jié)果顯示基于Gompertz函數(shù)的聲望系統(tǒng)的計算效果優(yōu)于Beta聲望模式3倍；文獻[50]提出了一種基于社交群組的貝葉斯聚合模型，其利用用戶的社交群組屬性并結(jié)合貝葉斯理論進行數(shù)據(jù)整合，實驗證明相對于同樣數(shù)量標簽的其他聚合算法該模型的數(shù)據(jù)準確率提高8%.

對于數(shù)據(jù)稀疏問題目前也有一些解決方案，文獻[51]提出了一種基于Kriging技術(shù)對數(shù)據(jù)進行實時補全的算法，通過該算法可以對空氣污染的數(shù)據(jù)進行補全；文獻[52]提出了一種基于高斯-馬爾科夫隨機場與Kriging技術(shù)結(jié)合的數(shù)據(jù)處理方法，提高了算法的計算速度并減少了應(yīng)用存儲需求，但是沒有考慮多變量的時間相關(guān)性；文獻[53]提出了一種參與式感知應(yīng)用下的數(shù)據(jù)差值模型，并通過空氣質(zhì)量檢測系統(tǒng)進行實際實驗.目前解決數(shù)據(jù)稀疏問題主要是通過利用Markov隨機場、高斯分布、Kriging技術(shù)、主成分分析(principal component analysis, PCA)、獨立成分分析(independent component analysis, ICA)方法進行補全解決.聯(lián)合利用2種及2種以上方法或理論進行數(shù)據(jù)補全不失為一種好的解決方案.

在參與式感知系統(tǒng)中對于感知數(shù)據(jù)的主觀數(shù)據(jù)分析很重要，這與神經(jīng)信息處理類似.神經(jīng)信息處理后的感知數(shù)據(jù)成為應(yīng)用所需要的源數(shù)據(jù)，例如二元數(shù)據(jù)、模糊數(shù)據(jù)、概率數(shù)值以及其他可以用來進行后續(xù)處理的數(shù)據(jù).文獻[16,54]通過定義的二元數(shù)據(jù)來處理人感知的數(shù)據(jù)，并通過感知數(shù)據(jù)提出了相應(yīng)的事件發(fā)生算法；文獻[55]設(shè)計了一套基于模糊邏輯的醫(yī)療保健物理性能指標，用于檢測老年人的健康情況；文獻[56]基于DietSense原型研究了參與式感知中圖像處理和分類的方法，其闡述了主色分析、邊緣檢測、顏色直方圖等方法在參與式感知應(yīng)用中的應(yīng)用.本文認為未來這方面的研究主要集中在相應(yīng)參與式感知應(yīng)用中感知數(shù)據(jù)的有效表達，以及進一步的數(shù)據(jù)分析.

隨著感知數(shù)據(jù)的不斷增加，參與式感知應(yīng)用中的感知大數(shù)據(jù)分析越來越受到重視，如何在感知大數(shù)據(jù)中獲得有效信息成為重要的研究方向.文獻[57]提出了一種基于半監(jiān)督學(xué)習(xí)方法的實時空氣質(zhì)量推測算法，結(jié)合PM2.5基站觀測信息、交通信息、人的移動信息、道路網(wǎng)絡(luò)信息以及興趣點 (point of interests, POIs) 信息等進行計算；文獻[58]利用城市感知大數(shù)據(jù)提出了一種計算任意地點實時空氣質(zhì)量的算法和一種基于最小熵模型進行空氣質(zhì)量觀測基站最優(yōu)選址的算法.目前大部分應(yīng)用集中在對自然環(huán)境的監(jiān)測，未來隨著其他領(lǐng)域的發(fā)展會有更多不同種類的大數(shù)據(jù)分析，例如感知醫(yī)療大數(shù)據(jù)、車聯(lián)網(wǎng)大數(shù)據(jù)等.

2.2.3 參與式感知數(shù)據(jù)的上傳與分發(fā)

大部分的參與式感知應(yīng)用均部署在移動蜂窩網(wǎng)絡(luò)中.由于下一代無線互聯(lián)網(wǎng)可能會與目前使用的無線網(wǎng)絡(luò)不同，或在某些特定情況下蜂窩網(wǎng)絡(luò)無法工作，網(wǎng)絡(luò)環(huán)境的不同對參與式感知數(shù)據(jù)的上傳與分發(fā)提出了挑戰(zhàn).

從網(wǎng)絡(luò)模型來看，參與式感知屬于應(yīng)用層內(nèi)容.由于參與式感知所屬網(wǎng)絡(luò)層級較高，這導(dǎo)致參與式感知添加的新特性可以為其下面層級所使用，下面層級的特征也會影響參與式感知的效果.

目前，相關(guān)學(xué)者已經(jīng)基于具體網(wǎng)絡(luò)對參與式感知數(shù)據(jù)上傳和分發(fā)進行了研究.例如文獻[59]在提出激勵算法的同時，考慮了多種網(wǎng)絡(luò)形式，除了一般通信方式以外，其還考慮了廣泛的近距離無線通信方式(例如藍牙、Zigbee,WiFi等)；文獻[60]提出了一種在參與式感知框架下的基于時延容忍網(wǎng)絡(luò)(delay tolerant network, DTN)的數(shù)據(jù)收集路由算法，其主要應(yīng)用于災(zāi)難應(yīng)急等情境，該算法可以有效減少感知數(shù)據(jù)上傳過程的時延；文獻[61]提出一種支持參與式感知的災(zāi)難應(yīng)對系統(tǒng)的數(shù)據(jù)分發(fā)框架，該框架可以通過幾個廣泛使用的度量作為輸入并通過動態(tài)組合這些度量做出智能決策.

2.3 激勵機制

人的理性(趨利性)導(dǎo)致其總希望獲得最大的效用，然而在人獲得最大效用的同時系統(tǒng)往往無法達到令人滿意的效果.即使參與式感知應(yīng)用選擇了合適的用戶招募對象，如果該用戶由于其理性選擇拒絕參加任務(wù)，那么依然會導(dǎo)致任務(wù)難以完成.為了保證參與式感知應(yīng)用的正常運行，設(shè)計合理的激勵機制或算法提高用戶的參與度十分必要.

由于用戶的參與程度直接決定了參與式感知應(yīng)用的感知效果，近年來相關(guān)學(xué)者對參與式感知應(yīng)用的研究越來越集中在該領(lǐng)域.本文將參與式感知下的激勵機制主要劃分為基于拍賣的激勵機制、基于博弈的激勵機制以及其他類型的激勵機制.

2.3.1 基于拍賣的激勵機制

拍賣原理廣泛應(yīng)用于參與式感知激勵機制的研究與設(shè)計中，拍賣原理有效描述了參與式感知應(yīng)用和用戶之間的交互行為并為激勵參與者提供數(shù)據(jù)提供了強有力的理論依據(jù).拍賣主要分為2種模式，即常規(guī)拍賣和反向拍賣.簡而言之，常規(guī)拍賣是買家出價，價高者得；而反向拍賣是賣家出價，價低者得.在參與式感知中主要應(yīng)用反向拍賣，參與式感知服務(wù)器作為數(shù)據(jù)購買者，參與者作為數(shù)據(jù)提供者，反向拍賣的流程主要如圖4所示:

Fig. 4 Flow chart of reverse auction圖4 反向拍賣流程

最早將拍賣機制運用到參與式感知的是文獻[62]，其設(shè)計了參與式感知環(huán)境下基于反向拍賣的動態(tài)價格激勵機制，用戶可以提供一個合理的投標價格將他們的感知數(shù)據(jù)賣給感知服務(wù)提供者，服務(wù)器根據(jù)投標價格決定是否購買該感知數(shù)據(jù)，該激勵機制可以減少服務(wù)器的激勵消耗、提高系統(tǒng)的穩(wěn)定性；文獻[63]更加具體化了文獻[62]中的激勵算法，其通過考慮地理位置進行改進，基于預(yù)算限制和地理位置因素提出了一種周期性的反向拍賣的激勵機制，通過貪婪算法選擇一個有代表性用戶子集；文獻[64]提出了基于反向拍賣提出了一系列手機感知的激勵方法TBA，TOIM 和TOIMAD，這3種算法都具有計算高效、理性、高收益且極具競爭力的特征，其中TBA機制追求平臺效用最大化，而TOIM和TOIMAD機制則實現(xiàn)了用戶真實報價的目的；文獻[65]提出了一種基于反向拍賣的最優(yōu)激勵驅(qū)動的參與式感知應(yīng)用設(shè)計，即最小化滿足參與者要求也滿足數(shù)據(jù)消費者既定質(zhì)量的感知數(shù)據(jù)要求；文獻[66]提出了一種基于Laypunov的 VCG拍賣規(guī)則的激勵機制，其研究了參與者的選擇問題，最大化社會利益并保證了社交用戶的長期參與.

2.3.2 基于博弈的激勵機制

博弈論是一種研究競爭或者斗爭現(xiàn)象的數(shù)學(xué)理論和方法.利用博弈論考慮納什均衡或者帕累托最優(yōu)，可以研究用戶的自私行為.通過博弈論建立參與式感知環(huán)境下的博弈模型，設(shè)計博弈規(guī)則，尋找可以激勵用戶行為的方法，進而可以激勵參與者并提高參與式感知應(yīng)用的性能.

文獻[59]提出了一種以廉價為基礎(chǔ)的博弈激勵機制，該機制可以激勵自私節(jié)點的參與并最大化他們的獎勵，與此同時根據(jù)描述的問題尋找納什均衡和帕列托最優(yōu)；文獻[67-68]提出了一種基于斯塔克伯格博弈的激勵機制，其設(shè)定只有當有足夠用戶參與上傳數(shù)據(jù)時參與式感知服務(wù)器才能夠獲得一定的收益，并通過子博弈精煉納什均衡證明該機制的穩(wěn)定性和有效性；文獻[69]將參與式感知應(yīng)用分類為以服務(wù)為中心和以用戶為中心2類，并針對以用戶為中心的參與式感知應(yīng)用提出了一種基于斯塔克伯格博弈的激勵機制.

2.3.3 考慮其他限制的激勵機制

除了基于拍賣和博弈的激勵方式之外，還有一些基于其他原理的激勵機制.這些激勵機制一般考慮了參與式感知中的特殊情況，如強調(diào)資源有限、用戶隱私保護等.

文獻[70]研究了參與式感知應(yīng)用中圖像或者視頻的處理過程，強調(diào)了使用蜂窩網(wǎng)絡(luò)上傳數(shù)據(jù)是不可忽略的消耗，并提出了資源敏感情境下的激勵機制；文獻[71]提出了2種隱私敏感的激勵機制促進用戶的參與，利用請求令牌 (request token) 2種機制均保證用戶提供數(shù)據(jù)獲得信用且不泄露自身的隱私信息，同時也防止用戶濫用系統(tǒng)獲得信用，文獻[72]改進了該激勵機制.

目前，由于一般的激勵機制已經(jīng)被相關(guān)科研學(xué)者廣泛研究，參與式感知激勵機制的設(shè)計已經(jīng)逐漸從考慮利益最大化轉(zhuǎn)換為基于某一種或者多種特殊因素的考慮進行激勵機制設(shè)計.

2.4 隱私保護

各種傳感器的監(jiān)測為參與式感知中用戶的隱私保護提出了要求.傳感器可以感知的信息包括時間、位置、文字、圖像、視頻、音頻、加速度、環(huán)境數(shù)據(jù)、個人體征信息等.目前隱私保護的方法主要包括用戶個人偏好設(shè)定、假名、空間偽裝、數(shù)據(jù)擾動、數(shù)據(jù)聚合等.

用戶個人偏好設(shè)定是指用戶通過在參與式感知應(yīng)用設(shè)定自己隱私水平，進而達到隱私保護的目的.文獻[73]在應(yīng)用Cenceme中使用了該策略，然而這種策略并不有效.因為一旦設(shè)置為較高的隱私保護級別會導(dǎo)致參與者無法上傳有效感知數(shù)據(jù)進而影響感知系統(tǒng)的決策.

假名是利用非真實信息來隱藏用戶的相關(guān)信息，假名的使用可以保證參與式感知應(yīng)用中用戶的相關(guān)隱私信息.其中，文獻[74]提出了一種名為IncogniSense的聲望匿名框架，其可以保護參與式感知系統(tǒng)中用戶的聲望信息不被他人獲?。晃墨I[75]和文獻[76]也利用假名提出了相應(yīng)的聲望保護算法；文獻[77]提出了一種保護地理位置隱私的方法，其利用基于屬性的加密方法并假設(shè)服務(wù)提供者不是可信的；文獻[78]提出了一種基于假名且非中心化的隱私保護機制并通過真實GPS數(shù)據(jù)進行了驗證，證明該方法可以在給定的距離參數(shù)下100%隱藏位置信息.

空間偽裝主要通過K匿名來實現(xiàn).K匿名的核心思想是建立K個參與人參加的群組，報告他們分享的一般屬性，讓彼此之間不能夠被分辨.不同的方法可以用來尋找合適的K個人的群組，這些方法主要包括泛化和擾動.泛化是指在精度可以容忍的情況下將數(shù)據(jù)模糊處理，提供更少細節(jié)的數(shù)據(jù)；擾動是指將數(shù)據(jù)通過某種算法擾亂更改為某種新的數(shù)據(jù).鑲嵌(tessellation)是泛化的一種常見形式，其將地理位置劃分為多個區(qū)域(tiles).例如文獻[79]基于微聚合(microaggregation)提出了參與式感知環(huán)境下的K匿名位置隱私保護模型，并將每個區(qū)域中心坐標作為所在該區(qū)域節(jié)點的坐標；文獻[80]提出一種基于位置敏感的Hash算法將用戶的位置信息加入一個群組，該群組包含最少K個用戶.然而泛化無法解決同質(zhì)化攻擊問題[81]，即當K個用戶的待隱藏屬性是單調(diào)同質(zhì)時，會導(dǎo)致K匿名失效.I多樣性被提出解決該問題，在每個用戶群組中即至少需要I個不同的數(shù)據(jù)值隱藏敏感數(shù)據(jù).其中，文獻[79]基于I多樣性提出了LD-VMDAV隱私保護機制.

數(shù)據(jù)擾動通過在手機端添加人工噪音故意影響傳感器采樣，其目的是整體數(shù)據(jù)趨勢不受影響的情況下不透露個人信息數(shù)據(jù).噪音的特點必須嚴格篩選，因為該噪音需要有效擾亂個人感知數(shù)據(jù)并保證感知數(shù)據(jù)的整體統(tǒng)計趨勢沒有被影響.文獻[82]提出了基于客戶端數(shù)據(jù)擾動的隱私保護機制PoolView，其通過使用重建技術(shù)計算聚合信息的傾向；文獻[83]提出一種隱私加強的獨立狀態(tài)擾動(privacy enhanced state-dependent perturbation, PESP)機制，其不僅可以重建整體統(tǒng)計數(shù)據(jù)而且還可以為個人提供良好的隱私保護，其防止所有用戶使用同一個噪音分布擾動，使恢復(fù)個人數(shù)據(jù)變得更加不可能.

數(shù)據(jù)聚合指將多個感知數(shù)據(jù)進行聚合使單個數(shù)據(jù)無法獲得進而達到隱私保護的目的.文獻[84]提出了參與式感知應(yīng)用下基于數(shù)據(jù)聚合的隱私機制PriSense，其不依靠中心的服務(wù)器來進行數(shù)據(jù)保護而是通過多個參與者的共同合作來進行保護.PriSense包括2個部分：

1) 加聚合函數(shù).通過加聚合函數(shù)參與者將自己的數(shù)據(jù)分為確定的份數(shù)，參與者然后隨機選擇n個其他節(jié)點將1個獨一無二的數(shù)據(jù)分片發(fā)送過去，最后每個節(jié)點將自己剩下的數(shù)據(jù)分片和從他人那里獲得的數(shù)據(jù)分片發(fā)送給聚合服務(wù)器；

2) 分片組合和混合技術(shù)，通過該技術(shù)可以數(shù)據(jù)還原并可以支持非附加聚合函數(shù)的計算，例如求最大值、最小值、中位數(shù)、直方圖或者百分比等.

2.5 惡意行為檢測

除了防止用戶隱私泄漏被惡意利用以外，參與式感知環(huán)境下還要防止其他各種類型的惡意攻擊行為.

這些惡意行為主要是由于2種原因引入:1)網(wǎng)絡(luò)環(huán)境(例如蜂窩網(wǎng)絡(luò)、Ad-Hoc網(wǎng)絡(luò)、機會網(wǎng)絡(luò)、混合網(wǎng)絡(luò)等)的不同所帶來的問題;2)人的參與(例如趨利性、惡意攻擊等)所帶來的問題.參與式感知可能遭受錯誤數(shù)據(jù)攻擊、返回攻擊、共謀攻擊、女巫(sybil)攻擊等.一些使用了聲望機制的參與式感知應(yīng)用也可能需要承受不公正評價攻擊等.

文獻[85]依靠移動安全代理為系統(tǒng)提供最精確的信息從而防止共謀攻擊、錯誤數(shù)據(jù)攻擊等；文獻[86]提出了一種參與式感知系統(tǒng)下利用基于云的信任管理機制檢測女巫攻擊的方法；文獻[76]提出了一種名為ARTSense的框架解決在匿名情況下的信任問題，其包括隱私保護起源模型、數(shù)據(jù)真實評價機制和匿名聲望管理協(xié)議等.相信隨著參與式感知研究的深入，將有更多相關(guān)研究.

3 參與式感知研究方法

Fig. 5 Prototype development of participatory sensing 圖5 參與式感知原型開發(fā)

參與式感知涉及到網(wǎng)絡(luò)中的各個層面，其中參與式感知原型的構(gòu)建是進行參與式感知研究的基礎(chǔ).參與式感知以感知目的為核心，基于感知目的進一步確定參與式感知原型的感知模式、感知數(shù)據(jù)類型、傳感器種類以及網(wǎng)絡(luò)環(huán)境等，從而進一步基于軟件工程理論進行參與式感知應(yīng)用原型的開發(fā)，具體考慮內(nèi)容如圖5所示.其中，參與式感知模式可以通過感知范圍和感知過程2個維度進行分類，根據(jù)參與式感知范圍可以劃分為上文提到的公共感知、社交感知和個人感知；根據(jù)感知流程將感知應(yīng)用分為面向服務(wù)的感知模式和面向用戶的感知模式2種[66].面向服務(wù)的感知模式指服務(wù)器自身確定需要感知數(shù)據(jù)特征并自主控制通過何種方式采集何種感知數(shù)據(jù)，將通過參與者采集的數(shù)據(jù)進行處理并最終分享給數(shù)據(jù)消費者.例如建立一個基于地理位置服務(wù)的城市實時空氣污染監(jiān)測原型應(yīng)用，用戶可以通過該應(yīng)用原型實時查看空氣質(zhì)量情況，并不需要關(guān)心通過哪些參與者采集何種數(shù)據(jù).在面向用戶的參與式感知模式中，參與者通過服務(wù)器獲得該任務(wù)并自主完成，感知服務(wù)器在其中起到平臺作用.視頻捕捉便是面向用戶感知模式的應(yīng)用，用戶首先上傳相關(guān)需求的視頻捕捉請求，服務(wù)器請求符合要求的參與者進行協(xié)助，在任務(wù)完成后服務(wù)器將參與者上傳的視頻反饋給數(shù)據(jù)請求者.值得注意的是數(shù)據(jù)的消費者有時也可能是該數(shù)據(jù)的提供者，例如個人感知應(yīng)用.

感知數(shù)據(jù)類型是指通過移動設(shè)備上傳給參與式感知服務(wù)器的數(shù)據(jù)類型，感知數(shù)據(jù)類型的不同對于數(shù)據(jù)的處理提出了不同的要求和挑戰(zhàn).不同的傳感器產(chǎn)生的數(shù)據(jù)類型是不同的，例如攝像頭產(chǎn)生視頻數(shù)據(jù)、麥克風(fēng)產(chǎn)生音頻數(shù)據(jù)、溫度傳感器產(chǎn)生溫度信息.需要根據(jù)不同的感知數(shù)據(jù)類型對數(shù)據(jù)處理變成有用的信息.處理傳感器數(shù)據(jù)的相關(guān)研究已經(jīng)很多且相對成熟，圖像視頻方面已經(jīng)有基于內(nèi)容的視頻和圖像檢索的相關(guān)數(shù)據(jù)[87]進行參考，國內(nèi)也很早就有相關(guān)綜述文獻，文獻[88]早已總結(jié)了基于內(nèi)容檢索的視頻處理技術(shù)，這些內(nèi)容檢索技術(shù)為參與式感知提供了視頻信息獲取處理的基本方法和理論支撐；音頻方面也早有相關(guān)研究，例如文獻[89]研究了語音識別特征參數(shù)選擇算法，該算法可以為基于移動設(shè)備麥克風(fēng)的參與式感知應(yīng)用提供語音識別技術(shù)的支持.

考慮傳感器種類進一步確定移動設(shè)備內(nèi)置的傳感器是否可以滿足該參與式感知應(yīng)用的需求，若滿足不了則需要配置額外的傳感器模塊并與手機相連，目前的連接方式包括有線連接、WiFi連接、藍牙連接等方式.與此同時，網(wǎng)絡(luò)環(huán)境需要重點考慮研究，不同的網(wǎng)絡(luò)環(huán)境對參與式感知應(yīng)用原型也提出了不同的挑戰(zhàn).Ad-Hoc網(wǎng)絡(luò)、機會網(wǎng)絡(luò)以及無線混合網(wǎng)絡(luò)等給參與式感知應(yīng)用提出了新的挑戰(zhàn)，近年來相關(guān)學(xué)者已經(jīng)在該方面進行了相應(yīng)的研究.其中，文獻[59-61]也是基于不同網(wǎng)絡(luò)環(huán)境進行相關(guān)研究.另外，文獻[90]提出了一種在移動機會網(wǎng)絡(luò)下建立感知地圖的整體合作框架，提出了在參與式感知環(huán)境下基于移動機會網(wǎng)絡(luò)的合作轉(zhuǎn)發(fā)協(xié)議框架，提高了傳輸成功率并降低了傳輸負載；文獻[91]提出了一種基于社會關(guān)系的移動用戶位置預(yù)測算法，移動用戶位置預(yù)測是參與式感知系統(tǒng)進行有效數(shù)據(jù)采集和消息轉(zhuǎn)發(fā)的關(guān)鍵，為分布式參與式感知應(yīng)用提供了有力支持.

Fig. 6 Problems in different layers of participatory sensing圖6 參與式感知不同層中的問題分布情況

參與式感知的研究應(yīng)在感知原型建立的基礎(chǔ)上進行，根據(jù)第2節(jié)介紹的相關(guān)熱點問題(數(shù)據(jù)類型、激勵機制、隱私保護、惡意行為分析檢測、具體網(wǎng)絡(luò)環(huán)境等)在不同的層面進行研究，分層情況如圖6所示.本文將參與式感知自上而下分為4個層面：服務(wù)器層、網(wǎng)絡(luò)層、應(yīng)用程序?qū)雍透兄K層，其中有一些研究問題需要從多個層面進行考慮，并按照問題發(fā)現(xiàn)、算法提出、應(yīng)用實踐、分析改進的過程對參與式感知應(yīng)用進行優(yōu)化，參與式感知中相關(guān)問題的研究熱點和展望在上文已有相關(guān)闡述.

4 結(jié)束語

參與式感知涉及的研究主要包括參與式感知系統(tǒng)原型設(shè)計、參與式感知數(shù)據(jù)分發(fā)機制、參與式感知數(shù)據(jù)收集機制、參與式感知數(shù)據(jù)處理方法、參與式感知激勵機制、參與式感知隱私保護機制以及參與式感知惡意攻擊防范.目前參與式感知的發(fā)展處于初級階段，現(xiàn)有的相關(guān)機制和方法無法完全滿足參與式感知的發(fā)展需求，面臨各種挑戰(zhàn).作為一種全新的感知模式，參與式感知對于智慧城市、普適計算等重大概念的實現(xiàn)具有重要理論和現(xiàn)實意義.參與式感知的研究與人工智能、模式識別、機器學(xué)習(xí)、自然語言處理、博弈論、經(jīng)濟學(xué)、軟件工程等有著廣泛交叉，這也對相關(guān)研究提出了挑戰(zhàn).希望本文能夠推動相關(guān)領(lǐng)域?qū)W者對這一新興技術(shù)的持續(xù)關(guān)注與研究.

[1]Burke J, Estrin D, Hansen M, et al. Participatory sensing[C]Proc of the 1st Workshop on World-Sensor-Web: Mobile Device Centric Sensor Networks and Applications. New York: ACM, 2006

[2]Rana R K, Chou C T, Kanhere S S, et al. Ear-phone: An end-to-end participatory urban noise mapping system[C]Proc of the 9th ACMIEEE Int Conf on Information Processing in Sensor Networks. New York: ACM, 2010: 105-116

[3]Thiagarajan A, Ravindranath L, Lacurts K, et al. VTrack: Accurate, energy-aware road traffic delay estimation using mobile phones[C]Proc of the 7th Conf on Embedded Networked Sensor Systems. New York: ACM, 2009: 85-98

[4]Eisenman S B, Miluzzo E, Lane N D, et al. BikeNet: A mobile sensing system for cyclist experience mapping[J]. ACM Trans on Sensor Networks, 2009, 6(1): Article No.6

[5]Lane N D, Eisenman S B, Musolesi M, et al. Urban sensing systems: opportunistic or participatory?[C]Proc of the 9th Workshop on Mobile Computing Systems and Applications. New York: ACM, 2008: 11-16

[6]Howe J. The rise of crowdsourcing[EBOL]. [2016-02-10]. http:www.wired.com200606crowds

[7]Estrin D, Sukhatme G, Allen M, et al. 2011 annual progress report[ROL]. Los Angles: Center for Embedded Networked Sensing at UCLA, 2011 [2015-05-01]. http:www.cens.ucla.edu

[8]Hasenfratz D, Saukh O, Sturzenegger S, et al. Participatory air pollution monitoring using smartphones[C]Proc of the 2nd Int Workshop on Mobile Sensing. New York: ACM, 2012

[9]Deng Linda, Cox L P. Livecompare: Grocery bargain hunting through participatory sensing[C]Proc of the 10th Workshop on Mobile Computing Systems and Applications. New York: ACM, 2009: Article No.4

[10]Sehgal S, Kanhere S S, Chou C T. Mobishop: using mobile phones for sharing consumer pricing information[C]Proc of the 4th Int Conf on Distributed Computing in Sensor Systems. New York: ACM, 2008

[11]Bilandzic M, Banholzer M, Peev D, et al. Laermometer: A mobile noise mapping application[C]Proc of the 5th Nordic Conf on Human-computer Interaction: Building Bridges. New York: ACM, 2008: 415-418

[12]Kanjo E, Benford S, Paxton M, et al. MobGeoSen: Facilitating personal geosensor data collection and visualization using mobile phones[J]. Personal and Ubiquitous Computing, 2008, 12(8): 599-607

[13]Zhou Pengfei, Zheng Yuanqing, Li Mo. How long to wait?: Predicting bus arrival time with mobile phone based participatory sensing[C]Proc of the 10th Int Conf on Mobile Systems, Applications, and Services. New York: ACM, 2012: 379-392

[14]Miluzzo E, Lane N D, Eisenman S B, et al. CenceMe-injecting sensing presence into social networking applications[G]Smart Sensing and Context. Berlin: Springer, 2007: 1-28

[15]Bao Xuan, Choudhury R R. Movi: mobile phone based video highlights via collaborative sensing[C]Proc of the 8th Int Conf on Mobile Systems, Applications, and Services. New York: ACM, 2010: 357-370

[16]Wang Dong, Amin M T, Li Sheng, et al. Using humans as sensors: an estimation-theoretic perspective[C]Proc of the 13th Int Symp on Information Processing in Sensor Networks. Piscataway, NJ: IEEE, 2014: 35-46

[17]Mun M, Reddy S, Shilton K, et al. PEIR, the personal environmental impact report, as a platform for participatory sensing systems research[C]Proc of the 7th Int Conf on Mobile Systems, Applications, and Services. New York: ACM, 2009: 55-68

[18]Gu Siyu, Pan Chenji, Liu Hengchang, et al. Data extrapolation in social sensing for disaster response[C]Proc of the 10th Int Conf on Distributed Computing in Sensor Systems. Piscataway, NJ: IEEE, 2014: 119-126

[19]Lu Hong, Pan Wei, Lane N D, et al. SoundSense: Scalable sound sensing for people-centric applications on mobile phones[C]Proc of the 7th Int Conf on Mobile Systems, Applications, and Services. New York: ACM, 2009: 165-178

[20]Campbell A, Choudhury T, Hu S, et al. NeuroPhone: Brain-mobile phone interface using a wireless EEG headset[C]Proc of the 2nd ACM SIGCOMM Workshop on Networking, Systems, and Applications on mobile handhelds. New York: ACM, 2010: 3-8

[21]Miluzzo E, Wang Tianyu, Campbell A T. EyePhone: Activating mobile phones with your eyes[C]Proc of the 2nd ACM SIGCOMM Workshop on Networking, Systems, and Applications on Mobile Handhelds. New York: ACM, 2010: 15-20

[22]Hicks J, Ramanathan N, Kim D, et al. AndWellness: An open mobile system for activity and experience sampling[C]Proc of Wireless Health 2010. New York: ACM, 2010: 34-43

[23]Consolvo S, McDonald D W, Toscos T, et al. Activity sensing in the wild: A field trial of ubifit garden[C]Proc of the 26th SIGCHI Conf on Human Factors in Computing Systems. New York: ACM, 2008: 1797-1806

[24]Denning T, Andrew A, Chaudhri R, et al. BALANCE: Towards a usable pervasive wellness application with accurate activity inference[C]Proc of the 10th Workshop on Mobile Computing Systems and Applications. New York: ACM, 2009: Article No.5

[25]Sha Kewei, Zhan Guoxing, Shi Weisong, et al. SPA: A smart phone assisted chronic illness self-management system with participatory sensing[C]Proc of the 2nd Int Workshop on Systems and Networking Support for Health Care and Assisted Living Environments. New York: ACM, 2008: Article No.5

[26]Jarvinen P, Jarvinen T H, Lahteenmaki L, et al. HyperFit: Hybrid media in personal nutrition and exercise management[C]Proc of the 2nd Int Conf on Pervasive Computing Technologies for Healthcare. Piscataway, NJ: IEEE, 2008: 222-226

[27]Gao Chunming, Kong Fanyu, Tan Jindong. Healthaware: Tackling obesity with health aware smart phone systems[C]Proc of Int Conf on Robotics and Biomimetics. Piscataway, NJ: IEEE, 2009: 1549-1554

[28]Liao Chunyuan, Liu Qiong, Liew B, et al. Pacer: Fine-grained interactive paper via camera-touch hybrid gestures on a cell phone[C]Proc of the 28th SIGCHI Conf on Human Factors in Computing Systems. New York: ACM, 2010: 2441-2450

[29]Ahmad S, Lu R, Hussain M J. Never lose! Smart phone based personal tracking via Bluetooth[J]. International Journal of Academic Research in Business and Social Sciences, 2014, 4(3): 528-545

[30]Rawassizadeh R, Tomitsch M, Wac K, et al. UbiqLog: A generic mobile phone-based life-log framework[J]. Personal and Ubiquitous Computing, 2013, 17(4): 621-637

[31]Bengtsson U, Kasperowski D, Ring L, et al. Developing an interactive mobile phone self-report system for self-management of hypertension. Part 1: Patient and professional perspectives[J]. Blood Pressure, 2014, 23(5): 288-295

[32]Lin Huifei, Chen Chihua. Design and application of augmented reality query-answering system in mobile phone information navigation[J]. Expert Systems with Applications, 2015, 42(2): 810-820

[33]Sashima A, Inoue Y, Ikeda T, et al. CONSORTS-S: A mobile sensing platform for context-aware services[C]Proc of the 10th Int Conf on Intelligent Sensors, Sensor Networks and Information Processing. Piscataway, NJ: IEEE, 2008: 417-422

[34]Parikh T, Javid P. Cam: A mobile interaction framework for digitizing paper processes in the developing world[C]Proc of the 18th Symp on User Interface Software and Technology. New York: ACM, 2005

[35]Yu Ruiyun, Wang Pengfei, Zhao Zhijie. The location fingerprinting and dead reckoning based hybrid indoor positioning algorithm[J]Advances in Wireless Sensor Networks. Berlin: Springer, 2014: 605-614

[36]Zhang Wei, Zhang Qiupu, Shan Wei, et al. Role of social media in knowledge management during natural disaster management[J]. Advances in Information Sciences & Service Sciences, 2012, 4(4): 284-292

[37]Goggins S, Mascaro C, Mascaro S. Relief work after the 2010 Haiti earthquake: Leadership in an online resource coordination network[C]Proc of the 15th ACM Conf on Computer Supported Cooperative Work. New York: ACM, 2012: 57-66

[38]Ichiguchi T. Robust and usable media for communication in a disaster[J]. Quarterly Review, 2011, 2011(41): 44-55

[39]Palen L. Online social media in crisis events[J]. Educause Quarterly, 2008, 31(3): 76-78

[40]Lu Yong, Yang Dan. Information exchange in virtual communities under extreme disaster conditions[J]. Decision Support Systems, 2011, 50(2): 529-538

[41]Reddy S, Estrin D, Srivastava M. Recruitment framework for participatory sensing data collections[G]Pervasive Computing. Berlin: Springer, 2010: 138-155

[42]Reddy S, Shilton K, Burke J, et al. Using context annotated mobility profiles to recruit data collectors in participatory sensing [G]Location and Context Awareness. Berlin: Springer, 2009: 52-69

[43]Pham H N, Sim B S, Youn H Y. A novel approach for selecting the participants to collect data in participatory sensing[C]Proc of the 11th IEEEIPSJ Int Symp on Applications and the Internet. Piscataway, NJ: IEEE, 2011: 50-55

[44]Amintoosi H, Kanhere S S. A trust framework for social participatory sensing systems[G]Mobile and Ubiquitous Systems: Computing, Networking, and Services. Berlin: Springer, 2013: 237-249

[45]Wang Yi, Lin Jialiu, Annavaram M, et al. A framework of energy efficient mobile sensing for automatic user state recognition[C]Proc of the 7th Int Conf on Mobile Systems, Applications, and Services. New York: ACM, 2009: 179-192

[46]Dong Xin, Berti-Equille L, Srivastava D. Integrating conflicting data: The ole of source dependence[J]. Proceedings of the VLDB Endowment, 2009, 2(1): 550-561

[47]Galland A, Abiteboul S, Marian A, et al. Corroborating information from disagreeing views[C]Proc of the 3rd ACM Int Conf on Web Search and Data Mining. New York: ACM, 2010: 131-140

[48]Su Lu, Li Qi, Hu Shaohan, et al. Generalized decision aggregation in distributed sensing systems[C]Proc of the 35th Real-Time Systems Symp. Piscataway, NJ: IEEE, 2014: 1-10

[49]Huang Kuanlu, Kanhere S S, Hu Wen. Are you contributing trustworthy data?: The case for a reputation system in participatory sensing[C]Proc of the 13th ACM Int Conf on Modeling, Analysis, and Simulation of Wireless and Mobile Systems. New York: ACM, 2010: 14-22

[50]Venanzi M, Guiver J, Kazai G, et al. Community-based bayesian aggregation models for crowdsourcing[C]Proc of the 23rd Int Conf on World Wide Web. New York: ACM, 2014: 155-164

[51]Srinivasan B V, Duraiswami R, Murtugudde R. Efficient kriging for real-time spatio-temporal interpolation[C]Proc of the 20th Conf on Probability and Statistics in the Atmospheric Sciences. Atlanta, GA: American Meteorological Society, 2010: 228-235

[52]Hartman L, H?ssjer O. Fast kriging of large data sets with Gaussian Markov random fields[J]. Computational Statistics & Data Analysis, 2008, 52(5): 2331-2349

[53]Mendez D, Labrador M, Ramachandran K. Data interpolation for participatory sensing systems[J]. Pervasive and Mobile Computing, 2013, 9(1): 132-148

[54]Wang Dong, Kaplan L, Le H, et al. On truth discovery in social sensing: A maximum likelihood estimation approach[C]Proc of the 11th Int Conf on Information Processing in Sensor Networks. New York: ACM, 2012: 233-244

[55]Wang Shuang, Keller J M, Burks K, et al. Assessing physical performance of elders using fuzzy logic[C]Proc of the IEEE Int Conf on Fuzzy Systems. Piscataway, NJ: IEEE, 2006: 1482-1487

[56]Reddy S, Parker A, Hyman J, et al. Image browsing, processing, and clustering for participatory sensing: lessons from a DietSense prototype[C]Proc of the 4th Workshop on Embedded Networked Sensors. New York: ACM, 2007: 13-17

[57]Zheng Yu, Liu Furui, Hsieh H P. U-Air: When urban air quality inference meets big data[C]Proc of the 19th ACM SIGKDD Int Conf on Knowledge Discovery and Data Mining. New York: ACM, 2013: 1436-1444

[58]Hsieh H P, Lin S D, Zheng Yu. Inferring air quality for station location recommendation based on urban big data[C]Proc of the 21st ACM SIGKDD Int Conf on Knowledge Discovery and Data Mining. New York: ACM, 2015: 437-446

[59]Xie Xiaojuan, Chen Haining, Wu Hongyi. Bargain-based stimulation mechanism for selfish mobile nodes in participatory sensing network[C]Proc of the 6th Annual IEEE Communications Society Conf on Sensor, Mesh and Ad Hoc Communications and Networks. New York: IEEE Communications Society, 2009: 22-26

[60]Fajardo J T B, Yasumoto K, Shibata N, et al. DTN-based data aggregation for timely information collection in disaster areas[C]Proc of the 8th Int Conf on Wireless and Mobile Computing, Networking and Communications. Piscataway, NJ: IEEE, 2012: 333-340

[61]Ahmadi H, Abdelzaher T, Kravets R. Adaptive multi-metric routing in distressed mobile sensing networks[C]Proc of the IEEE Int Conf on Sensor Networks, Ubiquitous, and Trustworthy Computing. Piscataway, NJ: IEEE, 2010: 213-220

[62]Lee J S, Hoh B. Dynamic pricing incentive for participatory sensing[J]. Pervasive and Mobile Computing, 2010, 6(6): 693-708

[63]Jaimes L G, Vergara-Laurens I, Labrador M. A location-based incentive mechanism for participatory sensing systems with budget constraints[C]Proc of the 10th Int Conf on Pervasive Computing and Communications. Piscataway, NJ: IEEE, 2012: 103-108

[64]Zhang Xinglin, Yang Zheng, Zhou Zimu, et al. Free market of crowdsourcing: Incentive mechanism design for mobile sensing[J]. IEEE Trans on Parallel and Distributed Systems, 2014, 25(12): 3190-3200

[65]Koutsopoulos I. Optimal incentive-driven design of participatory sensing systems[C]Proc of the 32nd IEEE Int Conf on Computer Communications. Piscataway, NJ: IEEE, 2013: 1402-1410

[66]Gao Lin, Hou Fen, Huang Jianwei. Providing long-term participation incentive in participatory sensing[C]Proc of the 34th IEEE Int Conf on Computer Communications. Piscataway, NJ: IEEE, 2015: 2803-2811

[67]Duan Lingjie, Kubo T, Sugiyama K, et al. Incentive mechanisms for smartphone collaboration in data acquisition and distributed computing[C]Proc of the 31st IEEE Int Conf on Computer Communications. Piscataway, NJ: IEEE, 2012: 1701-1709

[68]Duan Lingjie, Kubo T, Sugiyama K, et al. Motivating smartphone collaboration in data acquisition and distributed computing[J]. IEEE Trans on Mobile Computing, 2014, 13(10): 2320-2333

[69]Luo Tie, Tan H P, Xia Lirong. Profit-maximizing incentive for participatory sensing[C]Proc of the 33rd IEEE Int Conf on Computer Communications. Piscataway, NJ: IEEE, 2014: 127-135

[70]Cheung M H, Hou Fen, Huang Jianwei. Participation and reporting in participatory sensing[C]Proc of the 12th Int Symp on Modeling and Optimization in Mobile, Ad Hoc, and Wireless Networks. Piscataway, NJ: IEEE, 2014: 357-364

[71]Li Qinghua, Cao Guohong. Providing privacy-aware incentives for mobile sensing[C]Proc of the 11th IEEE Int Conf on Pervasive Computing and Communications. Piscataway, NJ: IEEE, 2013: 76-84

[72]Li Qinghua, Cao Guohong. Providing efficient privacy-aware incentives for mobile sensing[C]Proc of the 34th IEEE Int Conf on Distributed Computing Systems. Piscataway, NJ: IEEE, 2014: 208-217

[73]Miluzzo E, Lane N D, Fodor K, et al. Sensing meets mobile social networks: the design, implementation and evaluation of the cenceme application[C]Proc of the 6th ACM Conf on Embedded Network Sensor Systems. New York: ACM, 2008: 337-350

[74]Christin D, Ro?kopf C, Hollick M, et al. Incognisense: An anonymity-preserving reputation framework for participatory sensing applications[J]. Pervasive and Mobile Computing, 2013, 9(3): 353-371

[75]Huang Kuanlu, Kanhere S S, Hu Wen. A privacy-preserving reputation system for participatory sensing[C]Proc of the 27th Conf on Local Computer Networks. Piscataway, NJ: IEEE, 2012: 10-18

[76]Wang Xinlei, Cheng Wei, Mohapatra P, et al. Artsense: Anonymous reputation and trust in participatory sensing[C]Proc of the 32nd IEEE Int Conf on Computer Communications. Piscataway, NJ: IEEE, 2013: 2517-2525

[77]Dong Kai, Gu Tao, Tao Xianping, et al. Privacy protection in participatory sensing applications requiring fine-grained locations[C]Proc of the 16th Int Conf on Parallel and Distributed Systems. Piscataway, NJ: IEEE, 2010: 9-16

[78]Christin D, Guillemet J, Reinhardt A, et al. Privacy-preserving collaborative path hiding for participatory sensing applications[C]Proc of the 8th Int Conf on Mobile Adhoc and Sensor Systems. Piscataway, NJ: IEEE, 2011: 341-350

[79]Huang Kuanlu, Kanhere S S, Hu Wen. Preserving privacy in participatory sensing systems[J]. Computer Communications, 2010, 33(11): 1266-1280

[80]Vu K, Zheng Rong, Gao Jie. Efficient algorithms fork-anonymous location privacy in participatory sensing[C]Proc of the IEEE Int Conf on Computer Communications. Piscataway, NJ: IEEE, 2012: 2399-2407

[81]Machanavajjhala A, Kifer D, Gehrke J, et al.l-diversity: Privacy beyondk-anonymity[J]. ACM Trans on Knowledge Discovery from Data, 2007, 1(1): Article No.3

[82]Ganti R K, Pham N, Tsai Y E, et al. PoolView: stream privacy for grassroots participatory sensing[C]Proc of the 6th ACM Conf on Embedded Network Sensor Systems. New York: ACM, 2008: 281-294

[83]Zhang Fan, He Li, He Wenbo, et al. Data perturbation with state-dependent noise for participatory sensing[C]Proc of the 31st IEEE Int Conf on Computer Communications. Piscataway, NJ: IEEE, 2012: 2246-2254

[84]Shi Jing, Zhang Rui, Liu Yunzhong, et al. Prisense: privacy-preserving data aggregation in people-centric urban sensing systems[C]Proc of the 29th IEEE Int Conf on Computer Communications. Piscataway, NJ: IEEE, 2010: 1-9

[85]Restuccia F, Das S K. FIDES: A trust-based framework for secure user incentivization in participatory sensing[C]Proc of the 15th Int Symp on A World of Wireless, Mobile and Multimedia Networks. Piscataway, NJ: IEEE, 2014: 1-10

[86]Chang S H, Chen Y S, Cheng S M. Detection of Sybil attacks in participatory sensing using cloud based trust management system[C]Proc of the 8th Int Symp on Wireless and Pervasive Computing. Piscataway, NJ: IEEE, 2013

[87]Veltkamp R, Burkhardt H, Kriegel H. State-of-the-art in Content-based Image and Video Retrieval [M]. Berlin: Springer, 2013

[88]Jin Hong, Zhou Yuanhua. Review of video parsing techniques for contented-based video retrieval[J]. Journal of Image and Graphics, 2000, 5(4): 276-283 (in Chinese)(金紅, 周源華. 基于內(nèi)容檢索的視頻處理技術(shù)[J]. 中國圖象圖形學(xué)報, 2000, 5(4): 276-283)

[89]Yang Dali, Xu Mingxing, Wu Wenhu. Study of feature selection for speech recognition[J]. Journal of Computer Research and Development, 2003, 40(7): 963-969 (in Chinese)(楊大利, 徐明星, 吳文虎. 語音識別特征參數(shù)選擇方法研究[J]. 計算機研究與發(fā)展, 2003, 40(7): 963-969)

[90]Zhao Dong, Ma Huadong, Tang Shaojie, et al. COUPON: A cooperative framework for building sensing maps in mobile opportunistic networks[J]. IEEE Trans on Parallel and Distributed Systems, 2015, 26(2): 392-402

[91]Yu Ruiyun, Xia Xingyou, Li Jie, et al. Social-aware mobile user location prediction algorithm in participatory sensing systems[J]. Chinese Journal of Computers, 2015, 38(2): 374-385 (in Chinese)(于瑞云, 夏興有, 李婕, 等. 參與式感知系統(tǒng)中基于社會關(guān)系的移動用戶位置預(yù)測算法[J]. 計算機學(xué)報, 2015, 38(2): 374-385)

Yu Ruiyun, born in 1974. Professor and PhD supervisor. His main research interests include participatory sensing systems, wireless sensor networks, mobile and pervasive computing, and big date analytics, etc.

Wang Pengfei, born in 1990. PhD candidate. His main research interests include ubiquitous computing, Internet measurements and wireless sensor networks, etc.

Bai Zhihong, born in 1992. MSc candidate. His main research interests include location privacy protection and participatory sensing technology, etc.

Wang Xingwei, born in 1968. Professor and PhD supervisor. His main research interests include future Internet and cloud computing, etc.

附錄A

Table A1 Contrasts Among Participatory Sensing Applications

√: The feature is adopted by this application.

Participatory Sensing: People-Centric Smart Sensing and Computing

Yu Ruiyun, Wang Pengfei, Bai Zhihong, and Wang Xingwei

(SoftwareCollege,NortheasternUniversity,Shenyang110169)

More and more mobile devices are equipped with various kinds of sensors, and wireless mobile networks, such as 4G, Wi-Fi, have been largely developed and popularized in recent years. All of these factors promote the development of participatory sensing which is also called urban sensing, user-centric sensing, mobile crowd sensing. Participatory sensing can overcome the weakness of wireless sensor networks which are expensive and hard to deploy on a large scale. The participatory sensing system utilizes embedded sensors, social networks, user mobile usage behaviors and other sources where sensing data is generated and recorded in smart mobile devices to sense the physical environment, society and personality information etc. The sensing data is collected, transported and analyzed by the participatory sensing server, and processed useful sensing information is sent to data consumers. Participatory sensing is of great significance in achieving the concept of smart city, ubiquitous computing and Internet of things. The related concepts of participatory sensing and prototypes are introduced first in the paper. Then, the current hot research fields of participatory sensing, such as the participatory sensing prototype design, sensing data related problems, incentive mechanisms, privacy preserving, malicious behaviors, and frameworks in different wireless networks are elaborated in this paper. Finally, a general research method of studying participatory sensing is given.

participatory sensing； user-centric sensing；urban sensing；mobile crowd sensing；ubiquitous computing

2015-12-03；

2016-06-22

國家自然科學(xué)基金項目(61672148，61502092，61572123)；國家杰出青年科學(xué)基金項目(61225012，71325002)；教育部-中國移動科研基金項目(MCM20160201)；遼寧省百千萬人才工程項目(201514) This work was supported by the National Natural Science Foundation of China (61672148, 61502092, 61572123), the National Natural Science Foundation for Distinguished Young Scholars (61225012, 71325002), the Chinese Ministry of Education-China Mobile Communications Corporation Research Funds (MCM20160201), and the Hundred，Thousand and Ten Thousand Talents Project of Liaoning Province (201514).

王興偉 (wangxw@mail.neu.edu.cn)

TP391; TP393