随着物联网和移动互联网技术的发展，群智感知计算作为一种新的感知模式应运而生。区别于传统的传感网感知方式，群智感知计算利用广泛且自然分布的持有智能设备的用户作为移动感知单元，通过群体的广泛参与、灵活移动、机会连接实现大规模、无处不在的感知过程，目前已成为物联网、移动计算等领域的学科前沿与研究热点。本书按照理论方法/技术平台应用的组织思路，遵循创新引领、深入浅出、理论 实践的原则基调，针对群智感知计算的基本概念、体系架构、任务优化分配、数据优选、质量评估、数据移交、计算平台及典型应用等进行深入的探讨。本书为物联网、移动计算、智慧城市等领域的研究人员、高年级本科生或研究生等提供了具有创新性与前瞻性的群智感知计算**研究成果和学习参考。
群体智能是国务院2017年印发的新一代人工智能发展规划部署的重要研究领域，新一代人工智能发展规划提出了我国在群体智能基础理论和核心技术领域于2020年实现重要进展、2030年取得重大突破的战略目标。区别于传统的传感网感知方式，群智感知计算利用广泛且自然分布的持有智能设备的用户作为移动感知单元，通过群体的广泛参与、灵活移动、机会连接实现大规模、无处不在的感知过程，是目前物联网、人工智能等领域的学科前沿与研究热点。本书结合作者在国家自然科学基金重点项目群智感知网络及相关领域的丰富的科研实践，基于取得的一系列突破性研究成果，按照理论方法/技术平台应用的组织思路，遵循创新引领、深入浅出、理论 实践的原则，针对群智感知计算的基本概念、体系架构，以及任务优化分配、数据优选、质量评估、数据移交、计算平台和典型应用等挑战性的研究问题进行系统性阐述。书中阐述的系列原创性研究成果已得到美国、英国、日本、法国、加拿大等几十个国家的众多科研同行的认可和应用，为构建全生态的群智感知研究、实验验证与领域应用提供全方位支撑。中国科学院王怀民院士等专家评价该书的学术水平具有国际领先性，并有很强的应用价值。
近年来，随着物联网和移动互联网技术的快速发展，大量具有丰富感知能力的智能设备(如智能手机、可穿戴设备)得以普及。在此背景下，群智感知计算作为一种新的感知模式应运而生。它利用大众的广泛分布性、灵活移动性和即时连接性进行大规模时空感知，并融合显式或隐式的群体智能实现对感知数据的优选萃取和增强理解，进而为现代城市及社会管理提供智能辅助支持。群智感知计算由于其泛在性、灵活性和低成本等优势，甫一问世便得到学术界、产业界以及政府的广泛关注，并迅速成为物联网领域的国际前沿研究热点。与传统的传感网络不同，群智感知计算以人为中心的感知模式带来了很多新的特性，包括参与者行为的复杂性和动态性、感知能力的差异性和互补性、感知数据的丰富性和低质性等。与此同时，这些新特性也带来一系列新的研究挑战： 群智感知的理论模型、参与者优选与任务分配、群智数据质量评估与高效汇聚、参与者隐私保护与激励机制、可重用的群智感知系统架构等。
针对以上问题，本书作者所在的智能感知与计算工业和信息化部重点实验室团队近10年来开展持续性、系统性的研究，在群智感知计算领域取得了较为丰富的研究成果。本书可视为对前期研究进展的梳理总结与提炼升华。全书共分为10章，按照移动群智感知概念体系架构、感知任务分配、感知数据质量评估与汇聚、群智隐私保护与激励机制、群智感知典型应用，以及群智感知系统平台等方面组织安排。第1章对移动群智感知的背景、意义、发展历程、研究挑战以及国内外研究现状进行简要介绍。第2章主要讨论移动群智感知的基本概念与体系结构，包括任务模型、用户模型、数据模型以及通用的移动群智感知网络系统架构。第3章和第4章分别介绍基于单目标优化与多目标优化的移动群智感知任务分配问题、模型以及相应的代表性工作。第5章主要讨论感知数据的质量评估与优选汇聚，并具体介绍视觉群智感知系统中的质量评估模型与优选策略。第6章介绍移动群智感知高效数据移交问题，涉及基于机会网络的数据移交和基于融合的传染式数据移交。第7章讨论移动群智感知位置隐私保护问题，包括隐匿位置保护、位置抑制发布技术等。第8章介绍移动群智感知激励机制设计问题，探讨物质与非物质激励机制，同时面向城市众包配送问题详细介绍动态定价策略。第9章介绍移动群智感知在不同领域的典型应用，包括城市环境监测、商业规划、智慧交通以及公共安全等众多领域。第10章介绍本书作者所在科研团队率先开发的移动群智感知操作系统CrowdOS，包括系统的体系框架、核心机制、关键组件以及平台实现与测试。
本书涉及的研究工作获得了国家973计划(2015CB352400)、国家杰出青年科学基金项目(61725205,62025205)、国家自然科学基金重点项目(61332005)、国家重点研发计划(2019YFB2102200)等项目的持续支持，在此向国家科技部、国家自然科学基金委员会的支持表示感谢！
中国科学院王怀民院士和清华大学刘云浩教授特为本书作序，在此向两位专家的支持和帮助表示诚挚的感谢！还要感谢西北工业大学周兴社教授多年来对群智感知计算研究方向的指导和支持。西北工业大学智能感知与计算工业和信息化部重点实验室的陈荟慧博士后、刘一萌博士、刘琰博士、李青洋博士、景瑶博士、王倩茹博士等参与了本书部分章节的撰写工作，在此对他们的辛勤付出表示感谢！
我们还要感谢清华大学刘云浩教授、北京邮电大学马华东教授、北京大学张大庆教授、中国科学技术大学李向阳教授、上海交通大学王新兵教授、东南大学罗军舟教授等物联网领域的同行学者，本书的形成也融入了部分前期大家一起研讨或项目合作的成果。在本书成稿过程中，还有很多同事和朋友以不同形式提供了帮助，在此不一一列举，敬请各位谅解。
群智感知计算作为一个快速发展的新兴研究领域，新概念、新问题、新方法不断涌现，限于作者的学识水平和研究局限，书中难免存在缺点和不足，敬请读者批评指正。
作者2021年7月于西安
於志文，博士，教授，博士生导师，国家杰青，国家万人计划科技创新领军人才，智能感知与计算工信部重点实验室主任。
第1章绪论1
1.1背景和意义1
1.2发展历程3
1.3群智感知的两种模式4
1.4主要挑战和研究内容6
1.5国内外研究现状8
1.5.1感知任务分配与激励机制8
1.5.2群智感知数据优选9
1.5.3感知数据移交10
1.5.4群智感知应用11
1.6本书结构12
1.7本章小结13
习题13
本章参考文献13
第2章群智感知计算的基本概念与体系结构18
2.1基本概念18
2.1.1群智协作方式18
2.1.2感知计算主体19
2.1.3主要研究问题描述19
2.1.4低成本数据采集20
2.2群智感知任务模型20
2.3用户模型24
2.3.1用户角色及特征24
2.3.2需求分析25
2.3.3多侧面用户属性27
2.3.4复杂任务模型分析27
2.4数据模型28
2.4.1群智数据产生模式及特点292.4.2群智数据感知方法30
2.4.3群智数据优选与理解30
2.5通用群智感知系统架构31
2.6小结31
习题32
本章参考文献32
第3章移动群智感知任务单目标优化分配35
3.1面向即时任务的多任务工作者选择35
3.1.1问题分析35
3.1.2问题定义36
3.1.3贪心解法NearsFirst37
3.1.4遗传算法37
3.1.5融合贪心策略的遗传算法(GGAI)38
3.1.6实验验证41
3.2面向容延任务的多任务工作者选择43
3.2.1问题分析43
3.2.2问题定义44
3.2.3贪心算法MostFirst45
3.2.4融合贪心算法的遗传算法(GGAU)45
3.2.5实验验证46
3.3基于移动社交网络的群智感知社群化任务分发48
3.3.1问题定义49
3.3.2基于移动行为相似度的社群动态划分50
3.3.3移动群智感知社群化任务分发51
3.3.4实验结果及分析53
3.4本章小结55
习题55
本章参考文献56
第4章移动群智感知任务多目标优化分配58
4.1用户资源匮乏情况下的任务分配58
4.1.1问题背景58
4.1.2问题定义59
4.1.3问题分析59
4.1.4算法设计60
4.1.5实验验证65
4.2用户资源充足情况下的任务分配71
4.2.1问题背景71
4.2.2问题定义72
4.2.3问题分析73
4.2.4算法设计73
4.2.5实验验证76
4.3机会式的参与者选择80
4.3.1问题背景80
4.3.2问题定义80
4.3.3问题分析81
4.3.4算法设计82
4.3.5实验验证89
4.4本章小结96
习题96
本章参考文献97
第5章数据质量评估与优选98
5.1移动群智感知数据质量98
5.2移动群智感知数据选择99
5.3研究进展100
5.3.1移动群智感知数据质量评估100
5.3.2移动群智感知数据优选101
5.4代表性工作: 视觉群智感知与数据优选模型102
5.4.1视觉群智感知数据优选模型102
5.4.2基于PTree的高质量数据选择方法105
5.4.3实验结果与分析108
5.5本章小结115
习题115
本章参考文献115
第6章移动群智感知高效数据移交118
6.1引言118
6.2移动群智感知数据移交框架118
6.2.1基于机会网络的数据移交118
6.2.2基于融合的传染式数据移交119
6.3代表性工作: 基于PicTree融合的移动群智感知数据移交122
6.3.1PicTree融合的基本操作122
6.3.2PicTree融合算法122
6.3.3基于PicTree融合的数据转发124
6.3.4基于树融合的协作式感知124
6.3.5实验结果与分析126
6.4本章小结132
习题132
本章参考文献133
第7章移动群智感知位置隐私保护134
7.1概述134
7.2研究进展135
7.2.1隐匿位置保护技术135
7.2.2假位置数据技术136
7.2.3位置抑制发布技术136
7.3代表性工作一: 协同任务群组中的多方位置隐私保护137
7.3.1模型描述138
7.3.2实验分析142
7.4代表性工作二: 细粒度模糊位置隐私度量与保护145
7.4.1模型设计 146
7.4.2实验评估148
7.5本章小结151
习题151
本章参考文献151
第8章移动群智感知激励机制设计153
8.1背景描述153
8.2移动群智感知的主要激励方式154
8.2.1物质激励154
8.2.2激励机制: 非物质激励156
8.3代表性工作: 移动众包配送任务动态定价策略研究157
8.3.1基于城市动态供需关系的定价框架158
8.3.2算法设计159
8.3.3实验验证161
8.3.4实验结果162
8.4本章小结169
习题170
本章参考文献170
第9章群智感知典型应用172
9.1城市环境监测173
9.1.1案例1: CrowdNoise噪声监测应用系统173
9.1.2案例2: CrowdCity城市感知平台175
9.2城市动态感知179
9.2.1案例1: FlierMeet基于群智感知的跨空间信息转发和共享系统179
9.2.2案例2: InstantSense视觉群智实时事件感知系统182
9.3商业智能184
9.3.1案例1: CrowdTravel旅游景点路线推荐系统184
9.3.2案例2: 基于群智的智能外卖配送系统187
9.4智慧交通189
9.4.1案例1: 基于群智感知的静态障碍物检测系统190
9.4.2案例2: 基于移动群智感知的后一千米导航系统192
9.5公共安全195
9.5.1案例1: 基于移动群智感知的实时车辆移动跟踪系统196
9.5.2案例2: 基于群智感知的移动目标跟踪系统197
9.6本章小结200
习题200
本章参考文献200
第10章移动群智感知操作系统CrowdOS203
10.1概述203
10.1.1研究背景203
10.1.2群智任务的定义204
10.2体系框架205
10.3核心机制207
10.3.1任务解析及调度207
10.3.2资源管理209
10.3.3结果质量优化211
10.4关键组件212
10.4.1功能组件213
10.4.2调用接口217
10.5平台实现及测试221
10.5.1平台实现221
10.5.2局部测试226
10.5.3整体测试231
习题240
本章参考文献240
新书资讯
