第 ３５卷第 １１期 ２０１８年 １１月
计算机应用研究 ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓ
Ｖｏｌ．３５Ｎｏ．１１ Ｎｏｖ．２０１８
移动群智感知中任务分配的研究
方文凤１，周朝荣１，２，孙三山１，３
（１．四川师范大学 物理与电子工程学院，成都 ６１０１０１；２．成都信息工程大学 气象信息与信号处理四川省高校 重点实验室，成都 ６１０２２５；３．电子科技大学 通信抗干扰技术国家级重点实验室，成都 ６１１７３１）
引言
近年来，随着移动智能终端数量的迅猛增长以及 ＧＰＳ、加 速度传感器、陀螺仪等内置传感器功能的显著提升［１］，移动终 端的感知手段日益丰富、感知维度不断增加，新兴的移动群智 感知技术逐渐成为实时感知与收集周围环境信息的有效方式。 不同于传统的静态传感器网络需预先部署大量传感器节点，移 动群智感知将普通用户随身携带的移动智能终端作为基本的 感知单元，利用移动终端的感知、计算、存储以及通信功能，随 时随地感知周围环境信息，并通过无线网络（如 ＷｉＦｉ、３Ｇ、４Ｇ 等）进行协作转 发，实 现 感 知 任 务 的 分 发 与 感 知 数 据 的 收 集。 无论是感知的广度与深度，还是构建的成本与速度，移动群智 感知都是传统感知方式无法比拟的，可以在没有显著成本的情 况下完成大规模、复杂化的感知任务［２，３］。
随着移动群智感知技术的发展，也涌现出了一系列的相关 应用。现有应用 根 据 任 务 特 点 可 以 分 为 三 类，即 基 础 设 施 应 用、环境应用以及社会应用［４］。基础设施应用方面，移动群智 感知可用于交通拥堵情况监测［５］、公共交通舒适度检测［６］等， 以实现智慧城市交通［７］与维护公共设施的目的。ＰａｒｋＳｅｎｓｅ系
摘 要：随着内置高性能传感器的移动智能终端的广泛应用，新兴的移动群智感知技术逐渐成为实时感知与收 集环境信息的有效方式。为协调与鼓励用户参与感知任务，并最大限度地保证感知数据的有效性与可靠性，针 对移动群智感知相关研究中的关键问题———任务分配进行了研究。首先介绍移动群智感知的相关背景；其次根 据感知任务的要求对任务分配的约束条件进行分类；然后讨论与分析了任务分配的研究现状，包括平台为中心 的优化算法设计以及用户为中心的激励机制设计；最后指出现有研究工作中的不足，展望了未来的研究方向。 关键词：移动群智感知；任务分配；优化算法；激励机制 中图分类号：ＴＰ３９３．０７ 文献标志码：Ａ 文章编号：１００１３６９５（２０１８）１１３２０６０７ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１３６９５．２０１８．１１．００２
Ａｂｓｔｒａｃｔ：Ｗｉｔｈｔｈｅｗｉｄｅｓｐｒｅａｄａｄｏｐｔｉｏｎｏｆｓｍａｒｔｍｏｂｉｌｅｔｅｒｍｉｎａｌｓｗｉｔｈｂｕｉｌｔｉｎｈｉｇｈｐｅｒｆｏｒｍａｎｃｅｓｅｎｓｏｒｓ，ｔｈｅｅｍｅｒｇｉｎｇｍｏ ｂｉｌｅｃｒｏｗｄｓｅｎｓｉｎｇｔｅｃｈｎｉｑｕｅｈａｓｇｒａｄｕａｌｌｙｂｅｃｏｍｅａｎｅｆｆｅｃｔｉｖｅｗａｙｔｏｓｅｎｓｅａｎｄｃｏｌｌｅｃｔｅｎｖｉｒｏｎｍｅｎｔａｌｉｎｆｏｒｍａｔｉｏｎｉｎｒｅａｌｔｉｍｅ． Ｉｎｏｒｄｅｒｔｏｃｏｏｒｄｉｎａｔｅａｎｄｅｎｃｏｕｒａｇｅｕｓｅｒｓｔｏｐａｒｔｉｃｉｐａｔｅｉｎｓｅｎｓｉｎｇｔａｓｋｓａｓｗｅｌｌａｓｇｕａｒａｎｔｅｅｔｈｅｖａｌｉｄｉｔｙａｎｄｒｅｌｉａｂｉｌｉｔｙｏｆ ｓｅｎｓｅｄｄａｔａｔｏｔｈｅｕｔｍｏｓｔ，ｔｈｉｓｐａｐｅｒｓｔｕｄｉｅｄｔｈｅｋｅｙｉｓｓｕｅｉｎｔｈｅｒｅｌａｔｅｄｒｅｓｅａｒｃｈｅｓｏｆｍｏｂｉｌｅｃｒｏｗｄｓｅｎｓｉｎｇ，ｉ．ｅ．ｔｈｅｔａｓｋａｓ ｓｉｇｎｍｅｎｔ．Ｆｉｒｓｔｌｙ，ｉｔｉｎｔｒｏｄｕｃｅｄｔｈｅｒｅｌｅｖａｎｔｂａｃｋｇｒｏｕｎｄｏｆｍｏｂｉｌｅｃｒｏｗｄｓｅｎｓｉｎｇ．Ｓｅｃｏｎｄｌｙ，ｉｔｃｌａｓｓｉｆｉｅｄｔｈｅｃｏｎｓｔｒａｉｎｔｓｏｆｔａｓｋ ａｓｓｉｇｎｍｅｎｔａｃｃｏｒｄｉｎｇｔｏｔｈｅｒｅｑｕｉｒｅｍｅｎｔｓｏｆｓｅｎｓｉｎｇｔａｓｋｓ．Ｔｈｅｎ，ｉｔｄｉｓｃｕｓｓｅｄａｎｄａｎａｌｙｚｅｄｔｈｅｒｅｓｅａｒｃｈｓｉｔｕａｔｉｏｎｓｏｆｔａｓｋａｓ ｓｉｇｎｍｅｎｔ，ｉｎｃｌｕｄｉｎｇｐｌａｔｆｏｒｍｃｅｎｔｒｉｃｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍｄｅｓｉｇｎｓａｎｄｕｓｅｒｃｅｎｔｒｉｃｉｎｃｅｎｔｉｖｅｍｅｃｈａｎｉｓｍｄｅｓｉｇｎｓ．Ｆｉｎａｌｎｇｗｏｒｋａｎｄｐｒｏｓｐｅｃｔｅｄｔｈｅｆｕｔｕｒｅｒｅｓｅａｒｃｈｄｉｒｅｃｔｉｏｎ． Ｋｅｙｗｏｒｄｓ：ｍｏｂｉｌｅｃｒｏｗｄｓｅｎｓｉｎｇ；ｔａｓｋａｓｓｉｇｎｍｅｎｔ；ｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍ；ｉｎｃｅｎｔｉｖｅｍｅｃｈａｎｉｓｍ
Ｒｅｓｅａｒｃｈｏｎｔａｓｋａｓｓｉｇｎｍｅｎｔｆｏｒｍｏｂｉｌｅｃｒｏｗｄｓｅｎｓｉｎｇ
ＦａｎｇＷｅｎｆｅｎｇ１，ＺｈｏｕＺｈａｏｒｏｎｇ１，２，ＳｕｎＳａｎｓｈａｎ１，３
（１．ＳｃｈｏｏｌｏｆＰｈｙｓｉｃｓ＆ＥｌｅｃｔｒｏｎｉｃＥｎｇｉｎｅｅｒｉｎｇ，ＳｉｃｈｕａｎＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ，Ｃｈｅｎｇｄｕ６１０１０１，Ｃｈｉｎａ；２．ＭｅｔｅｏｒｏｌｏｇｉｃａｌＩｎｆｏｒｍａｔｉｏｎ＆ Ｓｉｇｎａｌ ＰｒｏｃｅｓｓｉｎｇＫｅｙＬａｂｏｒａｔｏｒｙｏｆＳｉｃｈｕａｎＨｉｇｈｅｒＥｄｕｃａｔｉｏｎＩｎｓｔｉｔｕｔｅｓ，ＣｈｅｎｇｄｕＵｎｉｖｅｒｓｉｔｙｏｆＩｎｆｏｒｍａｔｉｏｎＴｅｃｈｎｏｌｏｇｙ，Ｃｈｅｎｇｄｕ６１０２２５，Ｃｈｉｎａ； ３．ＮａｔｉｏｎａｌＫｅｙＬａｂｏｒａｔｏｒｙｏｆＳｃｉｅｎｃｅ＆ ＴｅｃｈｎｏｌｏｇｙｏｎＣｏｍｍｕｎｉｃａｔｉｏｎｓ，ＵｎｉｖｅｒｓｉｔｙｏｆＥｌｅｃｔｒｏｎｉｃＳｃｉｅｎｃｅ＆ ＴｅｃｈｎｏｌｏｇｙｏｆＣｈｉｎａ，Ｃｈｅｎｇｄｕ ６１１７３１，Ｃｈｉｎａ）