“移动群智感知网络，从名字中就可以看出它的两个特点：移动感知+众包，即利用人、车携带的移动终端进行感知。”北京邮电大学计算机学院副教授赵东在4月18日举行的聚焦物联网领域的北京地区广受关注学术成果会上接受《中国科学报》采访时说。

在赵东看来，未来移动感知在智慧城市建设、管理和决策方面大有可为。

移动感知+众包的新感知模式

典型的物联网分为三层架构，感知层、网络层、应用层。其中，对物理世界进行更全面、透彻的感知，是一项基本需求，也是重要的技术路线之一。

当前，移动群感感知网络正在代替传统的感知模式成为物联网领域的“新宠”。这两者之间有啥区别呢？

赵东表示，传统的感知模式是固定部署感知网络，对森林、火山、海洋等自然环境，或对建筑物等相对较小的范围进行感知，且传统传感器网络部署存在组网成本高、系统维护难、服务不灵活等三个缺点，很难适应大规模的城市感知。

以10年前全世界最大的无线传感网系统之一CitySee在无锡开展的城市二氧化碳排放监测为例，赵东表示，当时一平方公里需要一百个二氧化碳传感节点以及一千多个中继节点进行传输。如果把范围扩展到北京的五环之内，九百平方公里的面积需要近十万个传感器感知节点和近一百万个中继节点。

而新型感知模式——移动群智感知则有助于更好地让城市拥有大规模的感知。赵东介绍，这种感知模式的主要特征是把移动感知和众包思想相结合，将大量“草根”用户的移动设备作为基本感知单元，通过移动互联网进行有意识或无意识的协作，实现感知任务的分发与感知数据的收集，完成大规模复杂的感知任务。跟传统固定部署的感知网络相比，它具有成本低、易维护，可扩展性高的优点。

目前，移动群智感知网络已在多个领域得到应用。如在环境监测领域，手机麦克风可采集环境噪音，收集大量用户数据后构建城市噪音的分布地图。类似方式还可构建城市空气质量、水污染地图。

在智能交通领域，手机或车载摄像头等感知设备可被放置在前挡风玻璃上采集交通信息，并把信息分享给周围其他车辆，来调整车速辅助驾驶。此外，移动群智感知还被用于城市管理（如道路健康监测）、公共安全等诸多领域。

“微差事”成就“大感知”

移动群智感知的兴起正在带来许多新业态，如“微差事”。一些通用移动群智感知平台可吸纳数十万普通草根用户完成群智感知任务。如微软曾发布的实景拍摄任务，将用户拍摄的数据整合到地图上。“用户甚至可在逛街等日常生活中随时随地地做一些感知任务，顺便赚点钱。”赵东说。

据介绍，典型群智感知网络的系统架构可分为五个步骤，一是拥有云平台或数据中心；二是发布感知任务；三是城市中活动的人、车、感知终端响应任务的请求，感知数据；四是把数据传到数据中心进行分析；五是提供各种环境监测、智能交通、城市管理的应用。

“在这个架构中，如何更好地发挥草根用户的力量是一个重心。”赵东说，因为信息感知的群体化、数据传输的协作化和复杂任务的众智化，这些从数据采集到传输、决策都有需要人的参与，新模式要以人为中心，人既是数据生产者还是数据消费者，是综合体。

这也给移动群智感知网络带来了诸多新挑战。比如，感知任务如何建模和分发？如何高效地收集高质量的数据？如何从群智感知的碎片化数据中挖掘价值？如何在保护安全和隐私的前提下激励用户参与任务？

为了回答这些问题，最近几年，赵东与课题组正在协力攻关。例如，在衡量数据收集质量方面，他们以车载群体感知为例，分析了大量出租车的轨迹数据，发现对车辆的访问间隔时间以及不同空间力度的车辆节点数量的空间分布符合帕累托分布，进而提出了新的度量指标，来了解部署多少节点以满足城市规模的感知需求，为群智感知的应用质量度量和网络规划给出一些指导方针。

在用户激励机制方面，传统的方法通常是离线的，事先收集用户信息、感知成本再做统一决策，而现实中移动感知模式经常是用户动态随机加入的。为此，赵东等采用在线拍卖理论，根据不同的应用需求满足不同的指标以及相应的特性，来激励用户参与其中。

构建“闭环”服务城市管理决策

当前，群智网络在实际应用中的优势已现端倪。例如，针对北京空气质量的细粒度监测，北京有35个站点，但监测粒度依然较粗。赵东所在的课题组发布了“开天眼”APP，通过群智感知的方式让普通用户采集了超过5万张图片，提取图像特征，联合十多种天气数据，开发了基于手机摄像头的PM2.5的感知模型，其监测准确度高达93.52%，甚至超过了部分的专用手持式专用监测设备。

再比如对一些“路盲”来说，仅告知位置和方向的GPS定位，导航体验依然不好。对此一些应用通过群智感知收集了普通用户收集的GPS方向，街景等位置，不仅可以实现物理定位，还能展示面前的建筑，实现更准确的位置识别。

“群智感知其实是一种群体智能，是新一代人工智能的核心研究领域。”赵东说，当前的移动群智感知主要偏向于数据收集，且不够智能，如何智能采集数据，根据用户行为保障数据采集质量仍很欠缺。

其发展仍需要进一步将感知拓展到对物理世界规律的预测到调控，构成一个“闭环”，提供更好的物联网服务。

为此，未来群体感知和人工智能仍需进行深度融合，汇聚大规模智能感知的能力，对开放动态复杂的城市环境进行感知，对感知数据进行智能分析，对群体形成持续的引导和反馈，使其持续涌现群体智能，为城市管理决策提供支撑。