《面向時空稀疏採樣的群智感知關鍵技術研究》是依託北京大學，由張大慶擔任負責人的面上項目。
基本介紹
- 中文名：面向時空稀疏採樣的群智感知關鍵技術研究
- 項目負責人：張大慶
- 項目類別：面上項目
- 依託單位：北京大學
項目摘要,結題摘要,
項目摘要
近年來，智慧城市對環境、設施和人群的感知需求日益膨脹，集感知、計算和通信能力為一體的智慧型手機快速增長。在此背景下，群智感知，即利用普通用戶的智慧型手機，通過移動網際網路協作，最終完成大規模、複雜感知任務的新興感知模式應運而生。然而，隨著群智感知套用數量的不斷增加，受資源的局限，難以在任意時空均找到足量、合適的用戶參與感知，因而使感知採樣呈現出不同程度的時空稀疏性。我們將這類通過少量採樣以壓縮感知成本，並推理補全缺失數據的感知方式稱為“時空稀疏採樣群智感知”。本項目面向時空稀疏採樣群智感知，研究四方面關鍵技術：（1）面向數據質量的感知任務分配最最佳化策略；（2）多模型融合的缺失數據高準確性推理算法；（3）無真值條件下的數據質量估計方法；（4）考慮數據質量的參與者位置隱私保護機制。本項目預期形成時空稀疏採樣條件下群智感知的系統理論和關鍵技術框架，為相關群智感知套用系統的設計與分析提供理論支撐。
結題摘要
隨著智慧城市建設的深入，對城市各種要素的感知需求以及群智感知套用數量均在迅速增長。為降低群智感知的成本，本項目提出了時空稀疏群智感知的新型感知框架，並在理論上驗證了該框架的可行性。本項目對時空稀疏群智感知的方法和關鍵技術展開研究，包括：（1）面向數據質量的感知任務分配最最佳化策略；（2）多模型融合的缺失數據高準確性推理算法；（3）無真值條件下的數據質量估計方法；（4）考慮數據質量的參與者位置隱私保護機制。重要結果：本項目旨在形成時空稀疏採樣條件下群智感知的系統理論和關鍵技術框架，為相關群智感知套用系統的設計與分析提供理論支撐。（1）針對感知任務分配最佳化策略，在多感知任務協同場景下，研究了在參與者感知總能力限制下的多任務最優分配問題，並提出相應的最佳化算法。（2）針對缺失數據高準確性推理，提出了一種基於強化學習的感知區域選擇算法，通過疊代試錯和訓練的方式，利用強化學習算法判斷當前狀態下各個區域的預期感知收益，選取收益最大的區域以執行感知任務。（3）針對時空稀疏採樣群智感知中缺失數據真值無法確知的實際情況，提出了一套基於統計學原理的無真值情況下推理數據誤差置信度的評估框架，設計了相應的不同數據質量估計方法，形成完善的系統化的無真值數據質量評估方案。（4）針對參與者位置隱私的保護，提出了在稀疏群智感知中運用差分隱私保護策略對參與者的位置進行保護的方法，並在已有的差分保護基礎之上，進一步添加了混淆保護。混淆保護通過對位置的混淆，保證了攻擊者對於參與者真實所在地址的推測誤差不會小於一個既定的閾值。本項目的研究成果對於建立具有引領作用的群智感知理論和技術體系具有重要意義。一方面，對於我國迅速發展的智慧城市戰略，本項目可用於指導環境感知、交通監控、社群活動跟蹤等城市重點套用的開發；另一方面，本項目探索了利用WiFi和4G/5G信號對人體進行感知的新型稀疏群智感知機理和套用，有望在真實場景落地、推廣。
