蘇江賓 於志文 劉一萌 郭斌

蘇江賓 於志文 劉一萌 郭斌

摘要：移動群智感知任務(wù)中的數(shù)據(jù)類型多以圖片和長視頻為主，因而在其任務(wù)執(zhí)行過程中容易造成大量能耗。以提高群智感知框架下的能源有效性為研究目標(biāo)，以手機(jī)電量消耗為能耗指標(biāo)，提出面向單體節(jié)能技術(shù)與面向全局節(jié)能技術(shù)相結(jié)合的方法，實(shí)現(xiàn)手機(jī)能源最大化利用。結(jié)合Android開發(fā)過程中的部分算法優(yōu)化與移動群智感知任務(wù)執(zhí)行中的節(jié)能模塊（文本轉(zhuǎn)換模塊、圖片壓縮模塊、視頻壓縮模塊等），實(shí)現(xiàn)單體能耗更低。在此基礎(chǔ)上，結(jié)合面向全局的參與者優(yōu)選模型，選擇合適的執(zhí)行團(tuán)隊(duì)用更少電量完成一定量任務(wù)，實(shí)現(xiàn)能耗最小化。通過實(shí)驗(yàn)設(shè)計(jì)和驗(yàn)證，使用單體節(jié)能與整體節(jié)能相結(jié)合的節(jié)能方法，在降低整體能耗時能夠?qū)⑹謾C(jī)能耗降低至少20%。

關(guān)鍵詞：移動群智感知;深度優(yōu)先搜索算法;參與者優(yōu)選;單體節(jié)能;整體節(jié)能

DOI：10.11907/rjdk.192763

開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

中圖分類號：TP301

文獻(xiàn)標(biāo)識碼：A

文章編號：1672-7800（ 2020）004-0028-09

Research on Energy-efficiency in Mobile Crowding Sensing

SU Jiang-hin. YU Zhi-wen. LIU Yi-meng， GUO hin

（School of Computer Science .NO nhwestern PoMechn ical Univer.sity.Xi ' an710129.China ）Abstract： The data t}'pes of' the mobile crowd sensing task are mainly pictures and long videos. Therefore. it is easy to generate a largeamount of' energy consumption in the execution of the task.The purpose of this paper is to improve the energy ef'ficiency of the f'rame-work of mobile crowd sensing. We take the power consumption of mobile phones as the energy consumption index. In order to maximizethe use of mobile phone energy， a method of' combining the energy saving technology oriented to single people and the energy savingtechnology oriented to the ，，-' hole is proposed in this paper. Specifically ， we combine the method of optimizing some algorithrus in the An-droid development process and the energy saving modules， such as text conversion module， image compression module ， video compres-sion module . etc. Then we achieve lower energy consumption of personal mobile phones. On this basis . we corubine with the overall par-ticipant optimization model . and select the right team to execute task sets in less electricity. Thus ， ，，-hen we execute a certain amount of'tasks by using the method of this paper， we can minunize energy consumption. Experiruents have shown that the energy consumption of'mobile phones can be reduced by at least 20%.Key Words ： mohile crowd sensing; depth first search algorithm; participant optimization; the single energy saving; the overall energysaving

O 引言

移動群智感知（ Mobile Crowd Sensing，MCS）由眾包、參與感知、集體智能、開放式協(xié)作等概念發(fā)展而來，感知任務(wù)的數(shù)據(jù)類型包括圖片、語音、視頻等，如暴雨災(zāi)害探查、堵車現(xiàn)狀、難民遷徙、空氣質(zhì)量等。在MCS數(shù)據(jù)收集過程中，用戶智能手機(jī)拍攝的多為高清圖片，因而感知數(shù)據(jù)質(zhì)量遠(yuǎn)超MCS任務(wù)所需數(shù)據(jù)質(zhì)量。當(dāng)采集某時間段內(nèi)某街道的人流量信息時，感知數(shù)據(jù)質(zhì)量要求可以分辨人數(shù)即可，但移動群智感知框架下的能源有效性方法研究大多數(shù)手機(jī)拍攝的高清圖片約為9M、大小為3968x2240，遠(yuǎn)遠(yuǎn)超過了MCS任務(wù)對感知數(shù)據(jù)的要求。在此情況下，高清圖片、視頻等高質(zhì)量感知數(shù)據(jù)被采集時會產(chǎn)生很多能耗（手機(jī)電量），也會在傳輸過程中產(chǎn)生手機(jī)電量“無意義”消耗、傳輸速度降低、流量消耗增加等現(xiàn)象。任務(wù)數(shù)據(jù)采集中，“無意義數(shù)據(jù)”大小約占整體的1/3。同時，能耗增加會極大降低感知數(shù)據(jù)質(zhì)量和用戶參與意愿。因此，通過能耗最小化提高感知任務(wù)節(jié)能率，具有一定研究意義。

國內(nèi)外學(xué)者對此展開了相關(guān)研究，取得系列成果。文獻(xiàn)[1]通過提高群智感知網(wǎng)絡(luò)中的數(shù)據(jù)傳輸效率，達(dá)到節(jié)能效果;文獻(xiàn)[2]通過提高移動群智感知質(zhì)量間接提升能源利用率，分別從時空覆蓋質(zhì)量和數(shù)據(jù)質(zhì)量兩個層面對移動群智感知網(wǎng)絡(luò)中感知數(shù)據(jù)質(zhì)量度量及保障進(jìn)行分析，并提出解決辦法;文獻(xiàn)[3]通過貪心算法或者任務(wù)分配算法使任務(wù)分配更節(jié)能，促使整體任務(wù)最快完成，間接實(shí)現(xiàn)能耗最小化;文獻(xiàn)[4]研究ESCroWd通用框架中的MCS節(jié)能技術(shù)，分析框架每部分耗能，提出相關(guān)技術(shù)應(yīng)用，從而達(dá)到節(jié)能效果。MCS任務(wù)分配和任務(wù)質(zhì)量相關(guān)研究[5-6]也能夠從側(cè)面實(shí)現(xiàn)能耗最小化。移動群智感知技術(shù)優(yōu)化方案，如任務(wù)分配、數(shù)據(jù)傳輸，以及利用移動用戶撥打電話或使用移動應(yīng)用程序的機(jī)會上傳數(shù)據(jù)等相關(guān)研究，大多是關(guān)于執(zhí)行者單體或所有參與者整體的單獨(dú)研究，極少將兩者結(jié)合起來?；诖耍疚奶岢鰧误w節(jié)能與整體節(jié)能相結(jié)合進(jìn)行研究。

移動群智感知過程如圖1所示，本文將針對能耗嚴(yán)重的3部分進(jìn)行具體節(jié)能算法研究，通過添加節(jié)能模塊（圖片壓縮模塊、文本轉(zhuǎn)換模塊、視頻壓縮模塊），對群智感知過程中的信息收集、信息傳輸、信息處理等能耗進(jìn)行優(yōu)化，將單體節(jié)能與整體節(jié)能相結(jié)合實(shí)現(xiàn)能耗最小化。要實(shí)現(xiàn)該目標(biāo)，不僅需要從單體角度探究能耗最小化，還需就單體節(jié)能技術(shù)和整體節(jié)能技術(shù)結(jié)合后對MCS任務(wù)節(jié)能率的影響進(jìn)行分析。

本文將重點(diǎn)在以下3方面取得突破：①克服單體節(jié)能與整體節(jié)能間相互影響、難以協(xié)調(diào)的問題，將單體節(jié)能與整體節(jié)能巧妙結(jié)合起來，通過實(shí)驗(yàn)證明任務(wù)執(zhí)行中用戶手機(jī)電量消耗更少，即能耗最小化;②將移動群智感知平臺APP的任務(wù)執(zhí)行過程細(xì)分為六步驟，針對每一步驟進(jìn)行精確的能耗考慮，并添加適當(dāng)節(jié)能模塊實(shí)現(xiàn)針對性節(jié)能;③通過實(shí)驗(yàn)與仿真實(shí)驗(yàn)，在移動群智感知平臺APP上執(zhí)行群智感知任務(wù)，實(shí)現(xiàn)節(jié)能率超過20%。

1 相關(guān)工作

1.1 能耗計(jì)算與傳感器調(diào)用

本文實(shí)驗(yàn)唯一參考量是任務(wù)執(zhí)行時的手機(jī)電量，因此電量的精確測量對數(shù)據(jù)可靠性有著重要意義。本文使用Android庫函數(shù)測量和手機(jī)系統(tǒng)白帶測量這兩種測量方式，并多次測量求取平均值。

I.I.I 手機(jī)耗電量計(jì)算

本文實(shí)驗(yàn)使用的手機(jī)型號為華為P9。上市時間：2016年4月;操作系統(tǒng)：EMUI 4.1-EMUI 8.0.0;CPU型號：華為麒麟955;CPU核數(shù)：八核;CPU主頻：ARM 4#Cortex A722.5GHz+4#Cortex A53 1.8GHz+微智核15; GPU： Mali-T880;支持指紋識別;電池類型：鋰聚合物，不可拆卸式電池;電池容量：3 000mAh;存儲空間：4GB RAM+ 64 GB ROM;SIM卡類型：雙Nano SIM卡槽，雙卡雙待;外部存儲擴(kuò)展為支持;最大擴(kuò)展容量：128GB。移動群智感知平臺APP為西北工業(yè)大學(xué)白主研制的CrowdOS平臺APP。

手機(jī)電量測量有兩種方式：一是利用手機(jī)耗電詳情功能測量耗電情況;二是通過調(diào)用庫函數(shù)測量。兩種測量方式基本原理都是以uid為單位，依次計(jì)算此apk的CPU耗電量、wake—Iock耗電量、移動數(shù)據(jù)耗電量、WIFI數(shù)據(jù)耗電量、WIFI維持耗電量、WIFI掃描耗電量、傳感器耗電量（多種）如式（2）所示。釋義如式（3）所示。

由于實(shí)驗(yàn)測試中未涉及藍(lán)牙、閃光燈等操作，因此未計(jì)算沒有藍(lán)牙和閃光燈的電量消耗。照相機(jī)耗電情況計(jì)算和單個apk耗電量分開統(tǒng)計(jì)，若在實(shí)驗(yàn)中使用相機(jī)，則在apk耗能基礎(chǔ)上加上其耗電量即可。節(jié)能率（取決于節(jié)能措施采用前后的耗能多少）是白然數(shù)1與節(jié)能技術(shù)使用前后能耗之比的差，如式（1）所示。

1.1.2 節(jié)能率

本文實(shí)驗(yàn)在相同任務(wù)情況下，通過對比未采用和采用節(jié)能措施的群智感知平臺APP執(zhí)行任務(wù)時的能耗，計(jì)算式（2）中的節(jié)能率。實(shí)驗(yàn)中節(jié)能率如式（4）所示。

在完成相同任務(wù)情況下，式（4）中的R代表節(jié)能率，E1代表未采用節(jié)能措施的群智感知平臺APP執(zhí)行任務(wù)能耗總量，E2代表采用節(jié)能措施的群智感知平臺APP執(zhí)行任務(wù)能耗總量。

1.1.3基于任務(wù)調(diào)度的傳感器調(diào)用

使用群智感知APP執(zhí)行MCS任務(wù)時，大多傳感器處于開啟狀態(tài)并一直耗能，最為顯著的是GPS傳感器。因此，研究GPS傳感器在用戶執(zhí)行群智感知任務(wù)時的調(diào)度問題很有必要。本文根據(jù)任務(wù)數(shù)據(jù)要求進(jìn)行具體調(diào)度功能開發(fā)，若拍攝長視頻，或每隔一段時間拍攝多張照片時，此功能會響應(yīng)并執(zhí)行。

本文在使用群智感知APP時，通過更合理的傳感器開啟/關(guān)閉調(diào)度算法，減少GPS傳感器能耗。當(dāng)遇到需對特定地點(diǎn)進(jìn)行拍攝或錄像的大任務(wù)（多圖片、長視頻任務(wù)等）時，只需在任務(wù)執(zhí)行始末進(jìn)行GPS信息刷新，其余時間GPS傳感器處于關(guān)閉狀態(tài)。在信息刷新過程中，若需要的傳感器信息已在被允許時間內(nèi)（將該時間段內(nèi)的信息當(dāng)作刷新信息使用）被刷新，直接調(diào)用此信息即可。

參與者在執(zhí)行任務(wù)時，首先查詢此類任務(wù)的數(shù)據(jù)需求，包括任務(wù)數(shù)據(jù)時間、地點(diǎn)精確度、清晰度等。若地點(diǎn)精確度需求程度大于任務(wù)中數(shù)據(jù)要求的標(biāo)準(zhǔn)閾值，此時調(diào)用傳感器調(diào)度算法。

1.2基于節(jié)能的模塊處理技術(shù)

1.2.1 基于采樣率的圖片壓縮技術(shù)

群智感知場景不同，對圖片質(zhì)量和大小要求也不同，有的需要高質(zhì)量圖片，有的只需能看出人的數(shù)量即可，其中大多對圖片質(zhì)量要求很低，如查看某教室是否有座位、查看某街道人流量、查看道路損壞程度等任務(wù)都對圖片清晰度要求較低。但參與者拍攝的照片卻是高清圖片，這必然導(dǎo)致數(shù)據(jù)收集和傳輸過程中產(chǎn)生大量能耗（電量），因此可添加圖片壓縮模塊。

其算法為：首先通過加載，讀取原圖片高度和寬度，求解原圖片實(shí)際寬高與目標(biāo)圖片寬高比率（其一定會大于等于目標(biāo)圖片寬與高），選擇其中最小比率，確定inSample-Size的值，從而通過函數(shù)調(diào)用求解出壓縮后的圖片數(shù)據(jù)。

基于采樣率的圖片壓縮技術(shù)核心思想是通過Bitmap -Factorv.Options縮放圖片，并利用其采樣率，即其參數(shù)inS -ampleSize進(jìn)行圖片壓縮。當(dāng)采樣率inSampleSize為1時，壓縮后的圖片與原始圖片大小相同;當(dāng)采樣率inSample-Size為2時，壓縮圖片寬和高分別為原始圖片的1/2，其像素點(diǎn)為原始圖片的1/4，占用內(nèi)存為原始圖片的1/4;當(dāng)采樣率inSampleSize小于l時，效果與采樣率inSampleSize為1時一樣。

圖片壓縮具體流程如下：①BitmapFactory.Options的inju stDecodeBounds參數(shù)設(shè)置為true;②從BitmapFactory.Options中取出圖片的原始寬和高、outWidth、outHeight;③根據(jù)需要設(shè)置合適的采樣率;④BitmapFactory.Options的inju stDeco-deBounds參數(shù)設(shè)置為false，便可加載圖片。

1.2.2 圖片轉(zhuǎn)換文本技術(shù)

在MCS任務(wù)中，參與者利用智能手機(jī)拍攝的圖片是高清圖片，但大多數(shù)任務(wù)只需看清圖片中的關(guān)鍵信息即可，至于是否有更細(xì)節(jié)性的信息則對任務(wù)沒有影響。因此，本文便有了圖片轉(zhuǎn)換文本模塊，將圖片信息轉(zhuǎn)換成文本信息，以節(jié)約能耗。

具體細(xì)節(jié)為：①獲取高清圖片，求取其寬和高，接著，指定圖片具體格式，獲取其像素;②重置圖片大小，進(jìn)行文本轉(zhuǎn)換和0、l填充;③輸出填充文本便可得到轉(zhuǎn)換成文本形式的圖片。

2 問題定義與整體框架

2.1問題約束

問題約束如下：①假設(shè)每個接收到任務(wù)提醒的執(zhí)行者都會主動完成任務(wù);②假設(shè)任務(wù)執(zhí)行時間連續(xù)且對時間長度有較高要求;③假設(shè)所有任務(wù)在執(zhí)行時間上不會產(chǎn)生沖突;④假設(shè)所有手機(jī)電量情況對電量消耗程度無影響;⑤假設(shè)任何任務(wù)執(zhí)行能耗（消耗的手機(jī)電量）都不會超出手機(jī)電量的最大值，并且所有任務(wù)均有足夠的參與者可執(zhí)行此任務(wù);⑥假設(shè)在沒有使用參與者優(yōu)選情況下，對滿足以任務(wù)為中心的任務(wù)執(zhí)行者的選擇是隨機(jī)的，并保證每個可以執(zhí)行任務(wù)的執(zhí)行者被選概率相同，此處僅考慮電量因素。

2.2能耗最小化

2.2.1 能源有效性利用

為了在移動群智感知平臺APP使用過程中實(shí)現(xiàn)能耗最小化（能效最大化），不僅需要通過參與者優(yōu)選模型選擇合適的執(zhí)行者團(tuán)隊(duì)，還需要在任務(wù)執(zhí)行過程中充分利用資源，提高能源利用率。因此，本文將能耗最小化（能效最大化）分為3個層次，可概括為：①將移動群智感知過程中的未利用能源加以利用;②最大程度地提高能源利用效率，減少額外消耗;③通過任務(wù)優(yōu)選方案，在前兩層基礎(chǔ)上使整體達(dá)到最大化利用。3個層次的詳細(xì)解釋如下：

（1）第一層對可使用的資源進(jìn)行最大化利用。調(diào)查發(fā)現(xiàn)，在使用手機(jī)進(jìn)行MCS過程中，發(fā)現(xiàn)一些能耗是不必要的，傳感器數(shù)據(jù)無需更新便可收集數(shù)據(jù)，如在需要通過傳感器收集數(shù)據(jù)時，基于任務(wù)調(diào)度的傳感器調(diào)用，可減少傳感器耗能。在特定地區(qū)拍照時，并不需要一直開啟GPS傳感器，只需在拍攝第一張照片時開啟即可。在任務(wù)執(zhí)行過程中，可對任務(wù)相同的感知數(shù)據(jù)進(jìn)行收集（復(fù)制），以減少電量消耗。

（2）第二層在執(zhí)行MCS任務(wù)時，降低數(shù)據(jù)收集能耗。本文主要優(yōu)化移動群智感知過程中的數(shù)據(jù)收集、數(shù)據(jù)傳輸、數(shù)據(jù)分析能耗，通過使用文本轉(zhuǎn)換模塊、圖片壓縮模塊、安卓節(jié)能技術(shù)模塊等，提升這3部分能源利用率，在正常完成任務(wù)的情況下減少電量損耗。如執(zhí)行者在拍攝某時段內(nèi)某公路車流量變化情況時（每隔一段時間便進(jìn)行信息采集），使用圖片壓縮模塊，不僅保障了圖片質(zhì)量不影響任務(wù)發(fā)布者需求，還會極大減小圖片規(guī)格，使其變成原來的1/8左右（本文基于Android的圖片壓縮技術(shù)已進(jìn)行驗(yàn)證），語音、視頻等感知數(shù)據(jù)也需如此處理，處理后的信息直接上傳云服務(wù)器進(jìn)行再次處理。

（2）第三層在第一層和第二層基礎(chǔ)上，對整體能耗（電量）進(jìn)行協(xié)調(diào)。區(qū)別于任務(wù)與執(zhí)行者之間的隨機(jī)分配，本文采用基于DFS的任務(wù)執(zhí)行者優(yōu)選模型，選擇出針對此任務(wù)的專業(yè)執(zhí)行者團(tuán)隊(duì)，使得在定量任務(wù)下，通過參與者優(yōu)選，用更短時間、更少人數(shù)正常完成任務(wù)。

2.2.2 問題詳情

在移動群智感知任務(wù)執(zhí)行過程中，執(zhí)行者收到系統(tǒng)任

蘇江賓，於志文，劉一萌，等：移動群智感知框架下的能源有效性方法研究務(wù)提醒或者自己的查詢信息時，接收新任務(wù)并執(zhí)行，這種隨機(jī)分配的任務(wù)與執(zhí)行者對應(yīng)，受任務(wù)執(zhí)行時間、執(zhí)行者手機(jī)電量、執(zhí)行者執(zhí)行力度和喜好、任務(wù)特征等因素影響，可能導(dǎo)致任務(wù)無法執(zhí)行或者數(shù)據(jù)收集錯誤，進(jìn)而造成能源浪費(fèi)。因此，需要形成一個最優(yōu)的專業(yè)團(tuán)隊(duì)執(zhí)行任務(wù)集，減少團(tuán)隊(duì)成員之間的溝通成本。對于同一個項(xiàng)目，有兩個技術(shù)水平均達(dá)標(biāo)的團(tuán)隊(duì)，一個是隨機(jī)選擇互相認(rèn)識度不高的團(tuán)隊(duì)，一個是工作多年配合默契的團(tuán)隊(duì)，往往后者更能順利完成此項(xiàng)目。而對于MCS任務(wù)，多任務(wù)情況下隨機(jī)匹配任務(wù)執(zhí)行者，會導(dǎo)致任務(wù)完成效率低，感知數(shù)據(jù)質(zhì)量得不到有效保證，而考慮到任務(wù)執(zhí)行時間、執(zhí)行者手機(jī)電量、執(zhí)行者執(zhí)行力度和喜好、任務(wù)特征、信譽(yù)等級等因素后，優(yōu)選出的執(zhí)行者與待執(zhí)行任務(wù)就像多年配合默契的團(tuán)隊(duì)，從而實(shí)現(xiàn)能耗最小化。

2.3整體架構(gòu)

整體節(jié)能架構(gòu)如圖2所示。

以手機(jī)電量為基本參考量，優(yōu)化Android開發(fā)過程中的部分算法，并在移動群智感知任務(wù)執(zhí)行過程的各階段添加不同節(jié)能模塊，以提升能源利用率。將文本轉(zhuǎn)換模塊、圖片壓縮模塊、視頻壓縮模塊等相結(jié)合，實(shí)現(xiàn)單體能耗最低，結(jié)合統(tǒng)籌全局的參與者優(yōu)選模型，利用參與者優(yōu)選選擇專業(yè)執(zhí)行者團(tuán)隊(duì)執(zhí)行任務(wù)集，從而將執(zhí)行者單體節(jié)能與統(tǒng)籌全局的整體節(jié)能相結(jié)合，確保在正常完成任務(wù)情況下，用更少時間和電量實(shí)現(xiàn)能耗最小化。

3 能源有效的參與者優(yōu)選

3.1模型假設(shè)

本文提出一種新的多任務(wù)分配方法：基于移動群智感知平臺多任務(wù)參與者優(yōu)選模型，不同于單任務(wù)參與者優(yōu)選，參與者不局限于只完成一個任務(wù)，平臺也不會隨機(jī)分配任務(wù)，而是根據(jù)參與者各種量化能力（信譽(yù)量度、執(zhí)行強(qiáng)度、偏愛喜好等），結(jié)合多任務(wù)中各種任務(wù)具體特征，使用參與者優(yōu)化算法，使得每個參與者在一定量任務(wù)情況下，用更少時間和能源（電量）完成任務(wù)，降低任務(wù)成本;選出最優(yōu)參與者集合，使參與者完成任務(wù)所耗電量最小、任務(wù)執(zhí)行參與者人數(shù)最少，以實(shí)現(xiàn)手機(jī)能耗最小化。

非同時多任務(wù)參與者優(yōu)選算法中，首先得到與非同時多任務(wù)隨機(jī)分配算法中完全相同的任務(wù)集合T與參與者集合P，同樣以時間為參考量進(jìn)行降序排序，得到集合TL和PL。此時，對于每個任務(wù)T[i]，使用遍歷方法，將被選擇且在選擇區(qū)間的所有可選擇參與者集合進(jìn)行任務(wù)完成總時間計(jì)算，得Time[i]。參與者集合在選擇參與者時，若此參與者執(zhí)行時間少于任務(wù)時間，則執(zhí)行Time[i] =Time[il+Ph[j]，并且重新選擇一個執(zhí)行者，直至選擇的執(zhí)行者可以執(zhí)行此任務(wù)，則結(jié)束此次循環(huán)。計(jì)算每個任務(wù)T[i]的可選擇集合時間，求取平均值Timel[i]，即隨機(jī)選擇分配時執(zhí)行一定量任務(wù)的總時間，此時總時間Time2可直接代人式（9）中的E：，計(jì)算式（10）可得節(jié)能率R。

4 實(shí)驗(yàn)結(jié)果與分析

本文主要對參與者優(yōu)選模型實(shí)驗(yàn)進(jìn)行分析和驗(yàn)證，得出能耗最小化（能效最大化）后的能源利用率，即最大節(jié)能率。使用華為P9，實(shí)驗(yàn)過程中確保手機(jī)溫度在26。C左右，每進(jìn)行一次實(shí)驗(yàn)，都將手機(jī)關(guān)機(jī)，充滿電，開機(jī)10分鐘后繼續(xù)進(jìn)行實(shí)驗(yàn)，以盡量減少由于手機(jī)電量、Cpu工作時間及內(nèi)存狀況等對手機(jī)耗電的影響。

為了保證手機(jī)白帶的單個APP電量計(jì)算基本正確，本文采用了代碼測量方法進(jìn)行佐證，如圖3所示。蘇江賓，於志文，劉一萌，等：移動群智感知框架下的能源有效性方法研究

從圖3（a）低耗電量時耗電量測量方式對比可看出，手機(jī)耗電量在OmAh-180mAh區(qū)間內(nèi)，無論是手機(jī)白帶檢測耗電量方式還是代碼檢測耗電量方式，都能夠在手機(jī)耗電量較低時對手機(jī)耗電量進(jìn)行準(zhǔn)確測量，并且兩種方式的測量結(jié)果基本一致，相差最大為0.06mAh，最小偏差值為0。從圖3（b）高耗電量時耗電量測量方式對比可以看出，在耗電量較高的測量區(qū)間進(jìn)行測量時，兩種方式差距很小，最大差距為0.06mAh。由此可見，本文使用的兩種測量方式準(zhǔn)確度基本一致，符合本文測量需求。為了減小測量誤差和誤差波動幅度，在計(jì)算時求取兩種測量方式平均值，這樣既能降低誤差，也能穩(wěn)定誤差值，使結(jié)果更接近準(zhǔn)確值。

4.1傳感器調(diào)度實(shí)驗(yàn)結(jié)果及分析

實(shí)驗(yàn)場景為：對某市區(qū)某時段進(jìn)行環(huán)境情況拍照，若該時間段為上午7：00-9： 00，每隔20分鐘取樣100張圖片，執(zhí)行者只需在每次拍第一張照片時開啟GPS傳感器，其它時間段無需開啟GPS也可采集之前刷新出來的信息，任務(wù)執(zhí)行過程中的節(jié)能率如表l所示。使用華為P9手機(jī)在這兩個小時內(nèi)，拍攝數(shù)量相同、清晰度一致的照片，開展3組實(shí)驗(yàn)。A，組實(shí)驗(yàn)條件是一直開啟GPS傳感器進(jìn)行數(shù)據(jù)采集，B.組實(shí)驗(yàn)條件是只在拍照過程中開啟GPS傳感器，即在中間20分鐘的時間間隔里關(guān)閉GPS傳感器，C，組實(shí)驗(yàn)條件是每次拍照僅在拍第一張照片時開啟GPS傳感器，其余時間GPS傳感器均為關(guān)閉狀態(tài)。3組實(shí)驗(yàn)中拍照時間相同，開始和結(jié)束時間也相同，耗電量單位為mAh，其中一組實(shí)驗(yàn)數(shù)據(jù)如表1所示。

可以看出，最高節(jié)能率可達(dá)22%，最低節(jié)能率也達(dá)17%，隨著實(shí)驗(yàn)的進(jìn)行，節(jié)能率逐漸降低。經(jīng)過大量實(shí)驗(yàn)與分析可知，隨著手機(jī)的使用，手機(jī)電量減少，手機(jī)內(nèi)部緩存數(shù)據(jù)增加，導(dǎo)致手機(jī)電量額外消耗增加，而GPS傳感器耗電量雖有增加，但通過節(jié)能技術(shù)，GPS傳感器調(diào)用按照任務(wù)調(diào)度方法，可以使其能耗極大降低，平常狀態(tài)下，GPS傳感器一直處于開啟狀態(tài)，其相同時間內(nèi)耗能逐漸增加，從而導(dǎo)致節(jié)能率逐漸降低。為保證實(shí)驗(yàn)結(jié)果準(zhǔn)確性，本文在相同條件下共進(jìn)行10次相同實(shí)驗(yàn)，取其節(jié)能率平均值，結(jié)果如表2所示。

經(jīng)過多組實(shí)驗(yàn)結(jié)果對比可知，基于任務(wù)調(diào)度的傳感器調(diào)用節(jié)能技術(shù)節(jié)能率最大值（平均值的最大值）為16.25%。分析發(fā)現(xiàn)，出現(xiàn)節(jié)能率誤差不僅僅是手機(jī)白身原因，也與用戶操作有關(guān)，若用戶操作正確，可在一定程度上降低能耗。在任務(wù)執(zhí)行過程中，只開啟APP讀取任務(wù)功能，關(guān)閉APP通過照相機(jī)進(jìn)行拍照，然后在所有任務(wù)數(shù)據(jù)收集結(jié)束時，再開啟APP統(tǒng)一上傳，則能耗會極大降低，最高可達(dá)30%，以減少在數(shù)據(jù)傳輸以及服務(wù)器與APP數(shù)據(jù)聯(lián)通時的能耗。

4.2基于節(jié)能的模塊處理實(shí)驗(yàn)結(jié)果及分析

4.2.1 圖片壓縮模塊實(shí)驗(yàn)結(jié)果及分析

實(shí)驗(yàn)場景是：為了判斷某時段某公路上午8：30-9： 30車道擁擠情況，需要100人每間隔10分鐘對該公路拍照10張，分析此路段早上8：30-9： 30道路擁堵情況。通過使用壓縮技術(shù)和不使用壓縮技術(shù)兩種情況下的耗電量對比，求取節(jié)能率。A：組實(shí)驗(yàn)數(shù)據(jù)為不使用壓縮技術(shù)的耗電量，B：組實(shí)驗(yàn)數(shù)據(jù)為使用壓縮技術(shù)的耗電量，耗電量單位為mAh，其中l(wèi)組實(shí)驗(yàn)數(shù)據(jù)如表3所示。

使用帶有圖片壓縮技術(shù)的群智感知平臺APP時產(chǎn)生的節(jié)能率為13.3%。獲得100人數(shù)據(jù)后，取平均值可得節(jié)能率為12.4%。由表3數(shù)據(jù)可知，此實(shí)驗(yàn)場景下，隨著時間的進(jìn)行和數(shù)據(jù)收集量的提升，圖片壓縮模塊節(jié)能率逐漸提升。經(jīng)分析可知，圖片壓縮模塊技術(shù)主要使用基于采樣率的節(jié)能技術(shù)，通過加載圖片、讀取圖片寬高以及一系列圖片轉(zhuǎn)換調(diào)整圖片轉(zhuǎn)換率，從而按照要求進(jìn)行圖片壓縮。利用調(diào)節(jié)參數(shù)inSampleSize進(jìn)行圖片壓縮，契合Android開發(fā)要求，并經(jīng)過算法改進(jìn)，在實(shí)驗(yàn)中產(chǎn)生的能耗十分小，因此隨著時間推進(jìn)，節(jié)能率會逐漸提升，并最終趨于一個穩(wěn)定值。

4.2.2視頻壓縮模塊實(shí)驗(yàn)結(jié)果及分析

本文在視頻壓縮部分使用簡單視頻編碼壓縮技術(shù)，在感知實(shí)驗(yàn)過程中，經(jīng)常會遇到視頻錄制任務(wù)，甚至需要長時間錄制，才能完成任務(wù)。對某時段某路段的車流量進(jìn)行實(shí)時監(jiān)控，使用群智感知平臺APP分別拍攝Imin、lOmin、30min、th、2h的視頻并上傳，得出使用視頻壓縮技術(shù)（B。組實(shí)驗(yàn)）和不使用視頻壓縮技術(shù)（A3組實(shí)驗(yàn)）的電量消耗及節(jié)能率，如表4所示。視頻壓縮技術(shù)節(jié)能主要體現(xiàn)在移動群智感知六過程中的數(shù)據(jù)收集和數(shù)據(jù)傳輸過程中。

總耗電量=手機(jī)相機(jī)APP耗電量+移動群智感知平臺APP耗電量。實(shí)驗(yàn)中，手機(jī)電容量只有3 000mAh，極大限制了視頻長度。由實(shí)驗(yàn)結(jié)果可以得出，當(dāng)視頻時間較短時，視頻壓縮技術(shù)節(jié)能率并不明顯，但隨著視頻時長增加，節(jié)能率會逐漸提高，達(dá)到10.14%。實(shí)驗(yàn)中的節(jié)能率一直處于很低狀態(tài)（相較于前面兩種節(jié)能技術(shù)），若采用節(jié)能技術(shù)，便需要將視頻重新加載一次，耗能極大，導(dǎo)致節(jié)能率在10%左右，但隨著時間增加，壓縮后的被節(jié)能視頻部分會不斷增加，從而使得節(jié)能率增加，能耗變小。實(shí)驗(yàn)結(jié)果顯示，節(jié)能率并不明顯，原因可能是：實(shí)驗(yàn)次數(shù)少，實(shí)驗(yàn)結(jié)果代表性不強(qiáng);視頻壓縮技術(shù)算法有缺陷，導(dǎo)致壓縮所耗電量過大;視頻較短，壓縮技術(shù)的優(yōu)勢得不到明顯體現(xiàn)，后續(xù)可采用充電寶+手機(jī)組合形式進(jìn)行測試。

4.2.3 文本轉(zhuǎn)換模塊實(shí)驗(yàn)結(jié)果及分析

文本轉(zhuǎn)換模塊是將不必需圖片，在不影響數(shù)據(jù)收集情況下，將大容量的圖片轉(zhuǎn)換成小容量的文本信息，降低能耗。采用的任務(wù)場景是：需要100人采集某時段8：00-9：00某路段的車流量情況，采集數(shù)據(jù)的時間間隔為lOmin，每次需采集10張圖片。此類任務(wù)，文本轉(zhuǎn)換模塊可將拍攝好的圖片直接轉(zhuǎn)換成二進(jìn)制文本圖片，接著直接利用算法計(jì)算處于每張圖片中的車輛數(shù)量，實(shí)驗(yàn)結(jié)果如表5所示，A4組實(shí)驗(yàn)數(shù)據(jù)為不使用文本轉(zhuǎn)換的耗電量，B4組實(shí)驗(yàn)數(shù)據(jù)為使用文本轉(zhuǎn)換的耗電量，耗電量單位為mAh。由表5可得出，由于圖片數(shù)量太少，實(shí)驗(yàn)中文本轉(zhuǎn)換技術(shù)并沒有起到一定效果。隨著圖片增多，節(jié)能率會一直增加，直至遇到某個閾值為止。文本壓縮模塊所用算法是屬于移植進(jìn)入Anciroid內(nèi)的算法，需要重新加載圖片并對圖片進(jìn)行詳細(xì)”掃描”，從而提取出所需文本信息，導(dǎo)致壓縮產(chǎn)生的能耗與所節(jié)約的能耗基本一致。

4.3參與者優(yōu)選模型實(shí)驗(yàn)結(jié)果及分析

本文實(shí)驗(yàn)數(shù)據(jù)如下：手機(jī)最大電量為10單位，區(qū)間[0，10]，任何一個任務(wù)執(zhí)行所需時間最大為10單位，區(qū)間[0，10]。以單位1為間隔，采取等差數(shù)列{1，2……10}，這10個不同單位所對應(yīng)的用戶數(shù)量均為10個，即共有100個用戶可執(zhí)行任務(wù)。

4.3.1 任務(wù)數(shù)量改變

控制任務(wù)所需執(zhí)行者數(shù)量不變，改變每個任務(wù)所需電量單位的任務(wù)數(shù)量?？刂迫蝿?wù)中每一個任務(wù)所需執(zhí)行者數(shù)量均為10，從任何一個任務(wù)執(zhí)行所需時間區(qū)間[1，10]中只挑選1個任務(wù)，并將這10種結(jié)果進(jìn)行平均值計(jì)算。分別使用隨機(jī)分配和參與者優(yōu)選分配算法，得出每個任務(wù)所需電量單位的任務(wù)數(shù)量為1時，所消耗電量單位為多少。依此類推，分別使用隨機(jī)分配和參與者優(yōu)選分配算法計(jì)算每個任務(wù)所需電量單位的任務(wù)數(shù)量為2、3--…10時所消耗的電量單位，如表6所示。

在控制任務(wù)所需執(zhí)行者數(shù)量不變的情況下，改變每個任務(wù)所需電量單位的任務(wù)數(shù)量?？梢园l(fā)現(xiàn)，隨著每個任務(wù)所需電量單位任務(wù)數(shù)量的增加，節(jié)能率會不斷提升。原因在于，根據(jù)問題約束條件，每個任務(wù)對執(zhí)行者數(shù)量上的要求都可以得到滿足，因此節(jié)能率會不斷增加。

4.3.2執(zhí)行者數(shù)量改變

控制每個任務(wù)所需電量單位的任務(wù)數(shù)量不變，改變?nèi)蝿?wù)所需執(zhí)行者數(shù)量。控制每個任務(wù)所需電量單位的任務(wù)數(shù)量為10個，每個任務(wù)所需執(zhí)行者數(shù)量從1變化至10，同上義實(shí)驗(yàn)設(shè)置開展進(jìn)行實(shí)驗(yàn)，得出如表7所示結(jié)果。

參與者優(yōu)選方法對MCS任務(wù)的節(jié)能率隨任務(wù)數(shù)量和執(zhí)行者數(shù)量而不斷變化，每個任務(wù)所需電量單位的任務(wù)數(shù)量不變，任務(wù)所需執(zhí)行者數(shù)量越多，節(jié)能率越高，直至平穩(wěn)變化。任務(wù)所需執(zhí)行者數(shù)量不變，每個任務(wù)所需電量單位的任務(wù)數(shù)量與節(jié)能率之間的關(guān)系無法判斷，因?yàn)榇藭r執(zhí)行蘇江賓，於志文，劉一萌，等：移動群智感知框架下的能源有效性方法研究者數(shù)量為理想狀態(tài)，按照問題約束永遠(yuǎn)滿足任務(wù)，因此無法判斷二者關(guān)系。

4.4實(shí)驗(yàn)驗(yàn)證

A（Android節(jié)能）、M（模塊節(jié)能）、A+M（And-oid節(jié)能與模塊節(jié)能相結(jié)合）節(jié)能效率對比如圖4所示。

通過實(shí)驗(yàn)發(fā)現(xiàn)，手機(jī)電量隨著用電時長增加而加速下降，手機(jī)電量下降和使用時間增加會降低手機(jī)T作效率，手機(jī)溫度會升高，內(nèi)存占用率也會相應(yīng)提高。

4.5實(shí)驗(yàn)缺陷

實(shí)驗(yàn)中還存在以下不足：①實(shí)驗(yàn)過程中只用了一種手機(jī)，實(shí)驗(yàn)數(shù)據(jù)較少，因而代表性不強(qiáng);②實(shí)驗(yàn)中很難控制變量條件，執(zhí)行任務(wù)時室外溫度并不恒定，實(shí)驗(yàn)控制變量會隨著手機(jī)的持續(xù)使用而產(chǎn)生變化;③經(jīng)過查詢可知，不同手機(jī)有不同硬件節(jié)能方案，因此實(shí)驗(yàn)結(jié)果不一定適用于其它手機(jī);④電量消耗和手機(jī)運(yùn)行導(dǎo)致相工作量下手機(jī)耗電量增加，因此表格數(shù)據(jù)未呈現(xiàn)標(biāo)準(zhǔn)線性變化。

5 案例分析

5.1 某道路狀況監(jiān)測

任務(wù)場景描述：某交通部門為舒緩某街道在時間段8：00-9：00的車輛擁堵情況，該交通部門需要對此路段該時間段內(nèi)任意時刻的道路情況進(jìn)行監(jiān)測，從而更好地進(jìn)行交通部門人員協(xié)調(diào)與分配，以緩解交通壓力，減少交通事故。因此，交通部門在移動群智感知平臺APP上發(fā)布相關(guān)任務(wù)：錄取8：00-9：00時間段內(nèi)每間隔10分鐘某街道的50張圖片（圖片要求可以看清楚車輛數(shù)量），執(zhí)行者數(shù)量為50。

5.2算法應(yīng)用

5.2.1基于任務(wù)調(diào)度的傳感器調(diào)用節(jié)能

從Android開發(fā)角度分析，任務(wù)執(zhí)行過程中需要GPS位置信息和GPS數(shù)據(jù)信息，以確認(rèn)手機(jī)拍攝的是該路段圖片?？墒褂没谌蝿?wù)調(diào)度的GPS傳感器調(diào)度算法，根據(jù)后臺代碼，只需在任務(wù)最開始和結(jié)束時更新GPS數(shù)據(jù)信息即可。因此，GPS傳感器也只需在最開始和最后階段（每個階段拍第一張照片和最后一張照片時）開啟并更新GPS信息，其余時間GPS傳感器都處于關(guān)閉狀態(tài)，以減少手機(jī)電量消耗，實(shí)現(xiàn)能耗最小化。

5.2.2群智感知過程節(jié)能

在任務(wù)執(zhí)行過程中，數(shù)據(jù)收集和傳輸可使用節(jié)能算法。收集上午8：00-9：00該路段擁堵圖片為任務(wù)數(shù)據(jù)，要求能夠看清楚車輛數(shù)目即可，使用智能手機(jī)拍攝的圖片會遠(yuǎn)遠(yuǎn)超出任務(wù)對于圖片清晰度的要求，可使用圖片壓縮技術(shù)，在數(shù)據(jù)收集和傳輸過程中節(jié)省不必要的電量消耗，從而實(shí)現(xiàn)能源有效利用。

5.2.3參與者優(yōu)選全局節(jié)能

從群智感知任務(wù)全局看，此次任務(wù)不僅要求執(zhí)行者使用手機(jī)拍攝圖片，還需執(zhí)行者消耗大量時間執(zhí)行任務(wù)，加上部分手機(jī)不能夠支撐其完成耗電量巨大的任務(wù)。為了避免一些任務(wù)執(zhí)行到一半?yún)s因?yàn)闀r間或手機(jī)電量不足等原因無法繼續(xù)執(zhí)行，而導(dǎo)致“無意義的”手機(jī)電量消耗，需要使用參與者優(yōu)選方案。因此，選擇100個最適合執(zhí)行此任務(wù)的專業(yè)執(zhí)行團(tuán)隊(duì)。

5.3案例結(jié)果分析

實(shí)驗(yàn)中共測試50組數(shù)據(jù)，依次進(jìn)行3組：第一組是單體節(jié)能技術(shù)仿真實(shí)驗(yàn)，第二組是整體節(jié)能仿真實(shí)驗(yàn)，第三組是單體節(jié)能與整體節(jié)能結(jié)合仿真實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果如圖5所示。

圖5中，左邊柱體表示單體節(jié)能率，右邊柱體表示整體節(jié)能率，折線表示（單體節(jié)能+整體節(jié)能）率。為避免實(shí)驗(yàn)結(jié)果的隨機(jī)性，橫坐標(biāo)1-6號實(shí)驗(yàn)數(shù)據(jù)為多次實(shí)驗(yàn)取平均值后的結(jié)果?？梢钥闯?，雖然最終節(jié)能率為27.02%，但在實(shí)驗(yàn)過程中，節(jié)能率在1號實(shí)驗(yàn)中達(dá)到了最高，可在一定程度上證明已達(dá)到節(jié)能效果。最終實(shí)驗(yàn)結(jié)果如表8所示，實(shí)驗(yàn)可達(dá)到的最大節(jié)能率為27.02%。

實(shí)驗(yàn)過程中也遇到一些問題：手機(jī)隨著不斷拍攝會逐漸發(fā)熱，手機(jī)耗電量在執(zhí)行相同量任務(wù)情況下，溫度越高耗電越快，導(dǎo)致實(shí)驗(yàn)不斷暫停，最后借助空調(diào)房散熱和風(fēng)扇散熱才勉強(qiáng)解決該問題;手機(jī)內(nèi)存和緩存會對手機(jī)運(yùn)行速度和耗電量產(chǎn)生影響等;在仿真數(shù)據(jù)上傳過程中，網(wǎng)速不穩(wěn)定也給實(shí)驗(yàn)帶來極大影響和誤差，目前該問題無法有效解決。后續(xù)將使用騰訊WeTest中的遠(yuǎn)程調(diào)試進(jìn)行仿真模擬實(shí)驗(yàn)，確保溫度、電量、內(nèi)存、緩存等因素不變，降低實(shí)驗(yàn)誤差。上述實(shí)驗(yàn)只是一天的任務(wù)執(zhí)行情況，節(jié)能率已超過20%，隨著任務(wù)增多，節(jié)能效果也將更好。

6結(jié)語

本文從移動群智感知任務(wù)源頭上進(jìn)行分析并采取相應(yīng)節(jié)能措施，實(shí)現(xiàn)能耗最小化。首先利用單體節(jié)能，其包括群智感知平臺APP開發(fā)過程中的傳感器調(diào)度節(jié)能措施和群智感知任務(wù)執(zhí)行過程中針對耗能較嚴(yán)重步驟的節(jié)能模塊，使任務(wù)執(zhí)行者在執(zhí)行任務(wù)時減少個人能耗;然后從整體角度出發(fā)，使用參與者優(yōu)選方案減少因隨機(jī)分配導(dǎo)致任務(wù)與任務(wù)執(zhí)行者的不適當(dāng)分配而產(chǎn)生的額外能耗;最后通過實(shí)驗(yàn)對比發(fā)現(xiàn)，本文單體節(jié)能與整體節(jié)能相結(jié)合的方法，可以節(jié)約更多能源，實(shí)現(xiàn)能耗最小化。

同時，本文研究也存在待改進(jìn)之處。一方面，本文實(shí)驗(yàn)量較少且實(shí)驗(yàn)類型單一，對于廣泛存在的多元化手機(jī)類型和不具適用性的任務(wù)類型而言不太適用，并且未將模型中的時間量度與智能手機(jī)的CPU頻率、電池、內(nèi)存、計(jì)算能力等因素用公式表達(dá)出來，因此準(zhǔn)確性有待商榷;另一方面，本文部分節(jié)能算法和因素比例關(guān)系較簡單，多種節(jié)能方式結(jié)合理想化，但移動群智感知中單體節(jié)能和整體節(jié)能的研究方向還有很多，如何更有效加以結(jié)合，發(fā)揮其更大作用值得進(jìn)一步研究。

參考文獻(xiàn)：

[1]肖甫，姜知非，謝曉輝，等.群智感知網(wǎng)絡(luò)中一種高效節(jié)能的數(shù)據(jù)傳輸方法[P] CN10597953IA，CN201610323635.4，2016-09-28.

[2]趙東，馬華東，劉亮，等.移動群智感知質(zhì)量度量與保障[J].中興通訊技術(shù)，2015，21（6）：2-5.

[3]劉琰 .郭斌 .吳文樂 ，等，移動群智感知參與者優(yōu)選方法研究[J].計(jì)算機(jī)學(xué)報(bào) ， 2017， 40（8）：1872-1887.

[4]WANG J T， WANC Y S. ZHANC D 0， et al. Energy saving techniquesin mobile crowd sensing： current state and future opportunities [c].IEEE Communications Magazine，2018，56（5）：164-169.

[5]HAO Y X.ZHANG D Q， CHEN C L， et al. iCrowd ： near-optimal taskallocation for pigg}'hack crowdsensiiig[J] . IEEE Trans.Mohile Comput-ing， 2016.15（8） ： 2010-2022.

[6]CANTI R K. FAN Y， HUIL. et al. Mobile crowdsensing ： current stateand future challenges[J] . IEEE Commun.Mag，2011（49） ： 32-39.

[7]JIE L. PRIYANTHA B. HART T. et al. CO-GPS： Energy efficientGPS sensing with cloud offloading[J]. IEEE transactions on mohilecomputing， 2016， 15（6）：1348-1361.

[8]WANG L Y. ZHANG D Q， YAN Z X. et al. effSense ： a norel mohilecrr，wd-sensiW framework for energy-efficient and cost-effective datauploading[J] . IEEE Transactions on Systems Man &. Cybernetics Sys-tems. 2015. 45（12） ： 1549-1563.

[9]WANF J T. WANG Y S， ZHANG D Q， et al. Real-time and generic

queue time estimation hased on mobile crowdsensing [J].Frontiers of Computer Science in China ， 2017.11 （I）：49-60.

[10]MA H D， ZHAO D， YUAN P Y. Oppoitunities in mobile crowd sens-ing[Jl. Cnmmunications Magazine，IEEE，2014.52（8） ： 29-35.

[11]劉云浩.群智感知計(jì)算 .中國計(jì)算機(jī)學(xué)會通訊 . 2012，8（10） ：38-41.

[12]WANG LY.ZHANG D Q， WANG Y S， et al. Sparse mohile crowd-sensing： challenges and opportunities[J]. IEEE Comniun. Mag.，2016.54（7） ：161-167.

[13]GUO B . WAhrG Z， YU Z W. et al. Mobile crowd sensing and comput-ing： the review of an emerging human-powered sensing paradigm[J].ACM Computing Surveys， 2015. 48（1） ： 1-5.

[14]HAO Y X. ZHANC D 0， WAhrC L Y， et al.CrowdRecruiter： select-ing partic：ipants for piggyback cro，vdsensing under prohabilistic cor-erage constraint [C]. ACM International Jnint Conference on Perva-sire and Ubiquitous Computing， 2014.

[15]WANG L.YU Z W，ZHANG D Q， et al. Heterogeneous multi-task as-signment in mobile crowdsensing using spatiotemporal correlation[Jl. IEEE Transactions on Mohile Cnmputing， 2019， 18（1） ： 84-97.

[16]CUO B， CHEN H H， HAhr 0， et aI.Worker-contributed data utilitymeasurement for visual crowdsensing systems [J] . IEEE Transactionson Mobile Computing ， 2016（99） ： 1-3.

[17]CANTI. R.K， FAhr Y. HLI L， et al. Mobile crowdsensing： currentstate and future challenges EJI.Communications Magazine IEEE，]2011. 49（ 1IJ ： 32-39.

[18]GUO B， YLi Z W， ZHANC D Y， et al. Frrim participatory sensing tomohile crowd sensing [Cl. 12th IEEE International Conference onPerx'asieComputing and Commu nication （PERCOM），2014.

（責(zé)任編輯：孫娟）

收稿日期：2019-12-17

作者簡介：蘇江賓（1996-），男，西北工業(yè)大學(xué)計(jì)算機(jī)學(xué)院碩士研究生，研究方向?yàn)橐苿尤褐歉兄⑵者m計(jì)算;於志文（1977-），男，博士，CCF高級會員，西北工業(yè)大學(xué)計(jì)算機(jī)學(xué)院教授、博士生導(dǎo)師，研究方向?yàn)橐苿尤褐歉兄?、普適計(jì)算、HCI;劉一萌（1991-），女，西北工業(yè)大學(xué)計(jì)算機(jī)學(xué)院博士研究生，研究方向?yàn)橐苿尤褐歉兄⒎狠d操作系統(tǒng)、人工智能;郭斌（1980-），男，博士，CCF高級會員，西北工業(yè)大學(xué)計(jì)算機(jī)學(xué)院教授、博士生導(dǎo)師，研究方向?yàn)橐苿尤褐歉兄?、普適計(jì)算、HCI。