群智大数据：感知、优选与理解

群智大数据：感知、优选与理解

郭斌1, 翟书颖2, 於志文1, 周兴社1

1. 西北工业大学计算机学院，陕西 西安 710129

2. 西北工业大学明德学院，陕西 西安 710129

摘要：移动群智感知是一种新的大规模感知模式，它利用随身携带的智能移动终端（智能手机、可穿戴设备等）形成大规模、随时随地且与人们日常生活密切相关的感知系统。通过广大用户参与获取的感知数据具有多模态、富内容、时空性、人本性等特征。以群智大数据为目标对象，就其感知、优选和理解等关键问题进行阐述和探讨，并对笔者在该领域的最新研究成果进行介绍。

关键词：移动群智感知；群智大数据；数据优选；人机混合智能；群体智能

doi:10.11959/j.issn.2096-0271.2017052

论文引用格式：郭斌, 翟书颖, 於志文, 等. 群智大数据：感知、优选与理解[J]. 大数据, 2017, 3(5): 57-69.

GUO B, ZHAI S Y, YU Z W, et al. Crowdsensing big data:sensing, data selection, and understanding[J]. Big Data Research, 2017, 3(5): 57-69.

1  引言

随着嵌入式设备、无线传感网络、物联网、智能移动终端等的快速发展，集成感知、计算和通信能力的普适智能系统正在被广泛部署，并逐步融入人类的日常生活环境中，普适计算获取数据的能力也由此得以极大增强。在此背景下，城市和社会感知成为当前信息领域的前沿研究热点[1,2]。其总体目的在于对大量的数字脚印进行挖掘和理解，从中获取社会情境、交互模式以及大规模人类活动和城市动态规律，并把学习到的智能信息运用到各种创新性服务中。

一般而言，城市感知任务具有范围广、规模大、任务重等特点。目前的城市感知系统还主要依赖于预安装的专业传感设施（如摄像头、空气检测装置等），具有覆盖范围受限、投资及维护成本高等问题，使用范围、对象和应用效果受到了很多限制。例如，在一些没有安置摄像头的地方，难以对该地交通情况进行实时监测。在此背景下，一种新的感知模式—— 移动群智感知（mobile crowdsensing）应运而生[3,4]。与传统感知技术依赖于专业人员和设备不同，群智感知将目光转向大量普通用户，利用其随身携带的智能移动终端（智能手机、可穿戴设备等）形成大规模、随时随地且与人们日常生活密切相关的感知系统。

移动群智感知由众包（crowdsourcing）、参与感知（participatory sensing）等相关概念发展而来。众包是美国《连线》杂志2006年发明的一个专业术语，用来描述一种新的生产组织形式。具体就是企业/研发机构利用互联网将工作分配出去，利用大量用户的创意和能力解决技术问题。参与感知最早由美国加州大学的研究人员于2006年提出[5]，强调通过用户参与的方式进行数据采集。2009年2月，Alex Pentland教授等在美国《科学》杂志上撰文阐述“计算社会学”概念[6]，认为可利用大规模感知数据理解个体、组织和社会，在计算目标上与群体感知不一而同。以上几个相关研究方向都以大量用户的参与或数据作为基础，但分别强调不同的层次和方面。2012年，清华大学刘云浩教授首次对以上概念进行融合，提出“群智感知计算”概念[3]，即利用大量普通用户使用的移动设备作为基本感知单元，通过物联网/移动互联网进行协作，实现感知任务分发与感知数据收集利用，最终完成大规模、复杂的城市与社会感知任务。与基于传感网和物联网的感知方式不同，群智感知以大量普通用户作为感知源，强调利用大众的广泛分布性、灵活移动性和机会连接性进行感知，并为城市及社会管理提供智能辅助支持。它可应用在很多重要领域，如智能交通[7]、公共安全[8]、社会化推荐[9]、环境监测[10]、城市公共管理[11]等。

综上，群智感知作为一种全新的感知模式，为推动社会与城市管理创新带来了前所未有的机遇。与传统网络相异的感知方式也为其带来了很多新的研究问题，特别是群智感知将形成多模态、富内容、具有时空和人本特征的数据，已有的模型和方法并不能很好地满足其在数据处理和理解方面的需求，故而需要探索新的计算模型和方法。本文以群智大数据为目标对象，就其感知、优选和理解等关键问题进行阐述和探讨，并对笔者在该领域的最新研究成果进行介绍。

2 群智大数据概念与系统架构

在对群智大数据背景进行介绍的基础上，本节对其基本概念和系统架构进行阐述。首先，介绍群智大数据的两种产生模式及数据特点；然后，说明人机混合智能及其协作模式；最后，给出群智大数据系统的典型架构。

2.1 数据产生模式及特点

群智感知中用户的参与性体现为两种模式[12]：