[發(fā)明專利]一種基于群體感知的城市大規(guī)模數(shù)據(jù)收集方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110593310.9
• 申請(qǐng)日: 2021-05-28
• 公開(kāi)（公告）號(hào): CN113316113A
• 公開(kāi)（公告）日: 2021-08-27
• 發(fā)明（設(shè)計(jì)）人: 陳彬;朱正秋;趙勇;黃金才;程光權(quán);盧惠民;季雅泰;陳海亮;呂欣;楊妹
• 申請(qǐng)（專利權(quán)）人: 中國(guó)人民解放軍國(guó)防科技大學(xué)
• 主分類(lèi)號(hào): H04W4/38
• 分類(lèi)號(hào): H04W4/38;H04W4/35;G06Q50/26
• 代理公司: 湖南兆弘專利事務(wù)所(普通合伙) 43008
• 代理人: 譚武藝

本發(fā)明公開(kāi)了一種基于群體感知的城市大規(guī)模數(shù)據(jù)收集方法及系統(tǒng)，本發(fā)明方法包括將感知任務(wù)分解；估計(jì)未感知的網(wǎng)格的信息量及感知成本并據(jù)此選擇目標(biāo)網(wǎng)格，將任務(wù)分配用戶并接收用戶上傳的感知數(shù)據(jù)；評(píng)估用戶執(zhí)行感知任務(wù)的任務(wù)完成質(zhì)量，若任務(wù)完成質(zhì)量滿足預(yù)設(shè)質(zhì)量要求，則基于感知數(shù)據(jù)推斷出未感知的網(wǎng)格內(nèi)的感知數(shù)據(jù)，構(gòu)成完整的感知數(shù)據(jù)矩陣；否則，繼續(xù)選擇目標(biāo)網(wǎng)格并執(zhí)行感知任務(wù)，重復(fù)上述一個(gè)感知周期的步驟直至完成所有感知周期。本發(fā)明在完成部分網(wǎng)格感知數(shù)據(jù)、且任務(wù)完成質(zhì)量滿足預(yù)設(shè)質(zhì)量要求的基礎(chǔ)上基于感知數(shù)據(jù)推斷出未感知的網(wǎng)格內(nèi)的感知數(shù)據(jù)，具有實(shí)用性強(qiáng)，應(yīng)用前景廣，感知成本低，感知誤差低等優(yōu)點(diǎn)。

技術(shù)領(lǐng)域

本發(fā)明適用于城市大規(guī)模數(shù)據(jù)收集的場(chǎng)景(如采集噪聲、交通狀況、人流量、停車(chē)位信息等任務(wù))對(duì)城市大規(guī)模數(shù)據(jù)進(jìn)行采集和處理的方法，具體涉及一種基于群體感知的城市大規(guī)模數(shù)據(jù)收集方法及系統(tǒng)。

背景技術(shù)

物聯(lián)網(wǎng)和移動(dòng)計(jì)算技術(shù)的快速發(fā)展促進(jìn)了移動(dòng)群體感知這種新式城市感知機(jī)制的出現(xiàn)，使民眾能夠有效地收集和共享實(shí)時(shí)信息，例如空氣質(zhì)量，噪聲，交通情況和基礎(chǔ)設(shè)施狀態(tài)，并促進(jìn)創(chuàng)新的城市計(jì)算解決方案來(lái)應(yīng)對(duì)城市層面的挑戰(zhàn)。由于感知矩陣通常具有低秩特征，因此可以使用壓縮感知技術(shù)僅收集來(lái)自幾個(gè)子區(qū)域的數(shù)據(jù)，然后利用感知數(shù)據(jù)的固有相關(guān)性來(lái)推斷未感知區(qū)域的缺失數(shù)據(jù)。

考慮到城市中的感知數(shù)據(jù)通常會(huì)表現(xiàn)出較強(qiáng)的時(shí)空相關(guān)性，且感知矩陣具備的低秩特征，研究人員提出使用整體推斷誤差而不是感測(cè)區(qū)域覆蓋率作為感知數(shù)據(jù)質(zhì)量的度量指標(biāo)。然后，將特定的移動(dòng)群體感知問(wèn)題定義為稀疏群體感知，并從信息量建模、質(zhì)量評(píng)估和數(shù)據(jù)推斷三個(gè)方面討論了挑戰(zhàn)和機(jī)遇。該方法還可以拓展到多種任務(wù)并行的場(chǎng)景中，通過(guò)動(dòng)態(tài)的選擇最優(yōu)用戶和感知網(wǎng)格，以達(dá)到較好的感知數(shù)據(jù)采集效果。由于參與者在群智感知活動(dòng)中的隱私性問(wèn)題，后續(xù)研究添加了用戶隱私保護(hù)機(jī)制，比如模糊位置、差分隱私等。這些研究由于使用了基于熵的子區(qū)域選擇方法，僅選擇了當(dāng)前時(shí)刻信息量最大的區(qū)域，但忽略了當(dāng)前選擇是否有助于將來(lái)的推斷。因此，有研究者在稀疏群體感知框架中提出了基于深度強(qiáng)化學(xué)習(xí)的子區(qū)域選擇方法。與之前的工作不同，有學(xué)者發(fā)現(xiàn)矩陣補(bǔ)全方法比基于向量的壓縮感知方法節(jié)省了更多的感知成本，提出了一個(gè)基于二部圖感知調(diào)度方案的稀疏感知框架。為了進(jìn)一步縮小推斷的數(shù)據(jù)誤差，有研究者將基于深度強(qiáng)化學(xué)習(xí)的子區(qū)域選擇方法與實(shí)際用戶招募模型相結(jié)合，提升了算法的實(shí)際效果。

然而目前所有的稀疏群體感知框架都假設(shè)感知成本不隨空間和時(shí)間尺度變化，這顯然是不合理的。在實(shí)際的城市大規(guī)模數(shù)據(jù)采集任務(wù)中，組織者必須考慮以下因素的變化對(duì)感知成本的影響：1)移動(dòng)用戶擁有的傳感器是多樣的，并且測(cè)量精度很大程度上取決于傳感器，所以提供高質(zhì)量的數(shù)據(jù)的參與者應(yīng)該獲得更多報(bào)酬；2)向任務(wù)發(fā)起者提交感知數(shù)據(jù)的成本因網(wǎng)絡(luò)狀況和到最近蜂窩塔的距離等因素而異；3)最終成本也可能受參與者的主觀影響。例如，當(dāng)用戶的電池電量耗盡時(shí)參與感知任務(wù)，會(huì)要求更高的報(bào)酬。總之，不同的條件可能會(huì)導(dǎo)致感知活動(dòng)的成本大大不同。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問(wèn)題為：針對(duì)現(xiàn)有技術(shù)的上述問(wèn)題，提供一種基于群體感知的城市大規(guī)模數(shù)據(jù)收集方法及系統(tǒng)，本發(fā)明在完成部分網(wǎng)格感知數(shù)據(jù)、且任務(wù)完成質(zhì)量滿足預(yù)設(shè)質(zhì)量要求的基礎(chǔ)上基于感知數(shù)據(jù)推斷出未感知的網(wǎng)格內(nèi)的感知數(shù)據(jù)，具有實(shí)用性強(qiáng)，應(yīng)用前景廣，感知成本低，感知誤差低等優(yōu)點(diǎn)。

為了解決上述技術(shù)問(wèn)題，本發(fā)明采用的技術(shù)方案為：

一種基于群體感知的城市大規(guī)模數(shù)據(jù)收集方法，包括：

1)將感知任務(wù)分解為n個(gè)感知周期及m個(gè)網(wǎng)格；

2)估計(jì)未感知的網(wǎng)格的信息量及感知成本；

3)基于未感知的網(wǎng)格的信息量及感知成本在m個(gè)網(wǎng)格中選擇合適的目標(biāo)網(wǎng)格，將任務(wù)分配選擇目標(biāo)網(wǎng)格內(nèi)的用戶，等待用戶執(zhí)行感知任務(wù)并接收用戶上傳的感知數(shù)據(jù)；

4)評(píng)估用戶執(zhí)行感知任務(wù)的任務(wù)完成質(zhì)量，若任務(wù)完成質(zhì)量不滿足預(yù)設(shè)質(zhì)量要求，則跳轉(zhuǎn)執(zhí)行步驟3)；若滿足預(yù)設(shè)質(zhì)量要求，則跳轉(zhuǎn)執(zhí)行步驟5)；