已被称作共享群体感知V2V与当地人群的数据通信

文摘

与移动应用程序的数量的增加,最近已被称作移动群体感知系统的发展从学术研究者和行业引起了重大的关注。在已被称作移动群体感知系统中,远程云(或后端服务器)已被称作收获所有的群体感知的数据移动设备,已被称作和群体感知数据可以通过3 g / 4 g立即上传。降低成本和能源消耗,许多学术研究者和行业调查的方式移动数据卸载。由于稀疏分布的WiFi APs,卸载已被称作的群体感知数据常常是延迟。本文通过WiFi APs与卸载数据相比,我们调查已被称作沟通和分享群体感知数据通过车辆附近的事件(如壶穴在路上),称为当地人群。在这样的人群中,一辆汽车可以通过vehicle-to-vehicle互相传输数据(V2V)通信。人群为基础的方法延迟低于offloading-based方法,通过考虑事实发现的质量。我们定义一个效用函数已被称作相关群体感知数据共享由当地人群为了量化之间的权衡事实发现的质量和用户满意度。我们具体的仿真验证该方案的有效性。

1。介绍

超过68亿手机正在使用世界各地的2013年(1]。与移动应用程序的数量的增加,许多户外移动应用程序得到大量关注学术研究者和行业(2),如Waze和探索洞穴探测(3]。智能手机的普及导致的出现已被称作移动群体感知(MCS)空间事件的检测等任务时,智能手机用户在日常生活中移动(4]。

基于云计算的架构已被称作移动群体感知系统中得到了广泛的应用。移动设备的感觉已被称作一个事件,然后生成群体感知数据来描述,称为报告。移动设备与远程通信云(或后端服务器)上传报告。后端服务器收获所有这些移动设备和聚合的报道他们发现事件的真相。最后,后端服务器发布查询用户的反馈结果,谁感兴趣的事件。移动设备和后端服务器之间的通信可以直接通过手机网络(3 g / 4 g)。

然而,已被称作问题的群体感知与蜂窝网络交通需求的增加和高能源消耗。此外,已被称作任务群体感知,包括收集原始数据和查询服务,会严重增加云计算的开销,如计算、存储和带宽。对用户而言,通过无线移动数据卸载APs已经证明了其可行性减少负担蜂窝网络的数据。最近,提出了延迟卸货(5):如果目前还没有无线网络可用性,(一些)交通可以被推迟,而不是立即发送/接收的手机接口。虽然推迟出售可以减少移动数据通信的成本,这种方法显然增加了数据传输的延迟,从而降低用户满意度。

在本文中,我们调查已被称作移动群体感知数据的交流和共享在传统的基于云计算的架构。我们提出一个分布式架构,它不需要与远程通信的云。已被称作的群体感知数据传播到所有的车辆附近的事件在一个预定义的范围内,我们这些车辆当地群众这个事件。在这样的人群中,一辆汽车可以通过vehicle-to-vehicle互相传输数据(V2V)通信。像遥远的云,当地群众已被称作收成的群体感知数据的事件,然后聚集他们发现事件的真相。最后,人群将反馈结果发送到查询用户,他们朝这个人群。因此,已被称作的群体感知数据的交流和共享所有发生在当地人群,为了减少数据传输的延迟。我们定义了一个效用函数已被称作相关群体感知数据共享由当地人群,为了量化之间的权衡事实发现的质量和用户满意度。模型和基于云计算的方法相比,我们的质量真理发现Kullback-Leibler散度(或相对熵)。我们具体的仿真验证该方案的有效性。

本文的其余部分组织如下:部分2调查相关工作;部分3crowdsensing-based系统进行了介绍,以探讨不同方法已被称作交流和共享的群体感知数据;节4,我们模型的问题,提出一种算法来优化;部分5评估建议的方法的性能;最后一节总结本文。

2。相关工作

我们目前的相关工作在接下来的两个部分,这是已被称作移动群体感知和移动数据卸载。

2.1。已被称作移动群体感知

手机传感是一个范例,利用无处不在的智能手机来收集和分析数据超出以前的规模。杨等人在6)研究新型传感器集成在现代手机和利用用户运动构造平面图的电台地图,这是先前获得只有通过现场调研。周等人在7]调查预测的应用公共汽车到达时间。它们不需要绝对的物理位置参考,他们主要wardrive公交线路和记录观察到的序列发射塔id,这减少了初始建设开销。杨等人在8手机感应)设计激励方案,两个系统模型:平台中心模型,在平台提供了一个奖励参与共享的用户,和以用户为中心的模型,用户有更多的控制他们将收到付款。他在[等人9]研究最优任务分配和表明,分配问题是NP困难的。他们还讨论如何决定公平的价格感知任务提供激励,由于手机用户往往下降较低的任务奖励。

2.2。移动数据卸载

重载蜂窝网络交通需求的增加,迫使他们操作接近(而且往往超出)他们的容量限制5]。更具有成本效益的方式来应对高度拥挤的移动网络的问题是通过出售一些交通通过家庭基站和无线网络的使用。存在两种类型的无线卸载。通常的卸载方式是现场卸载:当有可用的无线网络,所有流量是通过无线网络发送;否则,所有流量通过手机发送接口。最近,延迟卸载已经提议:如果目前还没有无线网络可用性,(一些)交通可以被推迟,而不是立即发送/接收手机接口。在最简单的情况下,流量是推迟到WiFi连接可用。一个更有趣的例子是当用户或设备代表她可以选择一个最后期限(例如,每个应用程序和文件)。如果当时没有发现美联社,通过手机网络数据传输(10,11]。作者在12)定义一个效用函数相关延迟卸货定量描述用户满意度之间的权衡的价格和有经验的延迟等待WiFi连接。Ristanovic等人在13)提出了两种全新算法实现容忍延迟卸货笨重,从3 g网络社会推荐内容。第一个(称为MixZones)使用机会,临时用户之间的转移,第二个(称为HotZones)利用延迟宽容和试图下载内容当用户接近无线接入点。

3所示。问题陈述

在本节中,我们首先把我们crowdsensing-based系统,称为跟着我们(FU),作为一个例子来演示典型的基于云计算的架构。傅系统是一个道路交通状态监测和报警的应用程序。然后,我们讨论已被称作的群体感知数据的交流和共享与当地人群,这是一个分布式的方法。

3.1。遥远的云

对于已被称作处理群体感知数据,一个有效的方法是使用一个集中的架构。crowdsensing-based系统的典型架构由一个集中的后端服务器和移动用户的集合。手机用户有两个职责:(1)调查用户,使用手机以及传感器和报告到后端服务器的事件,和(2)查询用户查询附近的事件的信息。后端服务器负责收集报告的事件探测车辆和智力总量等信息。的智能手机系统认为是合作,哪些属于或附属系统,愿意传感系统任务和提供检测服务。参与激励的问题(14,15的理性,甚至战略智能手机用户纸的范围。

为了演示crowdsensing-based系统中的交流和分享,我们将系统作为一个例子。有吸引力的一个例子是一个交通监视应用程序,它使用许多积极探索车辆道路条件。监控道路状况和提醒异常,我们已经开发出一种crowdsensing-based系统,称为跟着我们(FU)。傅的基本思想是,车辆前进可以报告那些背后的路况。如图1这个应用程序包括三个主要部分如下:(我)数据传感:探测工具意义上的智能手机在路上的事件。例如在图1,当一辆车在路上,遇到一个障碍司机驾驶车辆避免障碍。因此,智能手机安装在车辆的异常感觉的运动车辆的加速度计。(2)数据通信:传感数据上传到后端服务器,并反馈结果将从服务器下载。在图1,智能手机在这个异常的车辆将上传报告到后端服务器的时候有机会连接到互联网的(例如,3 g / 4 g或无线AP)。(3)数据聚合:后端服务器的收成,汇集了所有上传的遥感数据获取查询用户的反馈结果。后端服务器收获报告所有的探测车辆和骨料真理的发现他们的算法。结果,后端服务器发布报告车辆走向异常的地方。

图2傅是传感数据的一个例子。当车辆驱动通过道路减速装置,它将动摇。智能手机感觉震动的加速度计。傅系统在智能手机记录加速度的变化和地图成三个加速度:总加速度、横向加速度,和垂直加速度。为了描述加速度的强度,傅生成一个报告的传感事件如下: 在哪里表示的位置传感事件,其中包括纬度、经度和海拔的中心由GPS。表示这个事件的感知时间。,,表示总加速度、横向加速度和垂直加速度,分别。它们包含均值和标准变化的加速度感应窗口。

集中的数据聚合,有两种可能的方式进行数据通信,如图1:(1)车辆可以立即通过手机网络数据通信(3 g / 4 g);否则,(2)通过WiFi APs车辆可以卸载数据。已被称作问题的群体感知与蜂窝网络交通需求的增加和高能源消耗。此外,已被称作任务群体感知,包括收集原始数据和查询服务,会严重增加云计算的开销,如计算、存储和带宽。对于车辆的用户来说,通过无线移动数据卸载已证明其可行性减少负担蜂窝网络的数据。最近,提出了延迟卸货(5):如果目前还没有无线网络可用性、交通可以立即被推迟,而不是发送/接收的手机接口。尽管推迟出售可以减少移动数据通信的成本,这种方法显然增加了数据传输的延迟。

定义1(单个传感数据的交付延迟)。我们定义一个传感数据的交付延迟(用)等crowdsensing-based系统的持续时间时探测车辆感官数据并生成一个报告的时候收到反馈结果相同的报告由另一个查询车辆。

因此,在基于云计算的架构,数据交付包括三个部分,即数据传感、数据通信和数据聚合。数据传输的延迟与远程云(用)立即通过手机网络可以计算如下: 在哪里表示传感数据的延迟,包括传感的延误事件,并生成报告。表示数据聚合的延迟在遥远的云。和表示上传的延迟通过蜂窝网络和远程云下载从远程通过手机网络云,分别。

通过延迟数据卸载,车辆将传感数据移动,直到会见AP。交货延迟的数据移动数据卸载可以计算如下: 在哪里表示延迟的AP和传感数据表示等待的延迟查询用户从AP下载反馈结果。和表示延迟上传远程云通过AP和下载通过美联社从远程云,分别。由于延迟和通过移动数据卸载,数据传输的延迟是通过手机网络比这长得多的时间。

3.2。当地群众

不同于集中的数据聚合,作者在16]介绍分布式道路信息共享体系结构与谣言和报告。这种机制背后的基本想法是,每辆车,听到谣言事件保持时间衰减的信念。谣言从多个车辆相结合分析,直到他们超过规定阈值,此时他们转换为确认事件报告。致力于这个阈值效应所需的信息可靠性、权衡之间的假阴性率和误报率。通过网络谣言和报告都是分布式的流言传播时尚流行。随着时间的推移,谣言的信仰价值改变预定的衰减函数岁为了折扣信息。尽管衰变函数可以是任何nonincreasing函数的创建时间的谣言,我们关注指数递减函数。

在本文中,我们研究分布式方法已被称作的群体感知数据。我们假设的车辆可以通过vehicle-to-vehicle相互通信(V2V)沟通,如车载ad hoc网络(VANET) [17)或设备间(D2D)通信(18]。附近的车辆传感数据聚合的相关事件。我们定义这些车辆附近的事件在一个预定义的范围(用)作为当地群众这个事件。考虑 在哪里和表示车辆的位置和事件,分别。表示的车辆。当地人群的大小有关通知的要求反馈结果。

如图3感官事件,移动车辆在路上,然后生成一个报告来描述事件。当车辆满足在当地人群的另一个事件,它将发送一个报告的复制到另一个。因此,所有的报道这个事件将传播到这个事件的所有车辆在当地人群的方式流行路由(19]。当车辆移动的人群,它将处理所有事件的报告在两个不同的方面,根据交通密度:(1)它将删除所有事件的报道在高交通密度;(2)在低流量密度,它不能与其他车辆发送事件的报告,但报告在其缓冲不会下降。车辆已被称作在人群中保持群体感知事件的数据和计算发现真理的反馈结果的算法。当一个查询车辆进入这地方人群和遇到另一辆车,它将得到一个反馈这个事件的结果。已被称作因此,群体感知数据的交流和共享在这个当地人群。

在这样的人群为基础架构中,数据传输的延迟与当地人群(用)可以计算如下: 在哪里表示传感数据的延迟表示数据聚合的延迟在当地人群的车辆。表示的平均延迟在人群中传播报告车辆。表示时间的延迟反馈结果计算查询车辆接收到结果的时候。

3.3。比较

crowdsensing-based系统我们已经讨论了三种不同的方法:(1)立即与远程通信云通过蜂窝网络(如3 g / 4 g);(2)延迟卸货到远程通过路边APs云;(3)已被称作共享群体感知V2V在当地人群的数据通信。表1已被称作显示三种方法之间的比较群体感知数据通过四个不同的指标,数据传输的延迟、成本、能源消耗和质量真理的发现。

3.3.1。3 g / 4 g到偏远的云

已被称作的群体感知数据聚合的后端服务器(或云),立即传达的蜂窝网络(3 g / 4 g)。这种方法的数据传输的延迟是最低的。最高的成本和能源消耗的用户,已讨论了(5]。已被称作后端服务器可以收获所有的群体感知数据,所以反馈结果的质量很高。

3.3.2。卸载远程云

由于稀疏分布的接入点,已被称作的群体感知数据延迟在卸载后端服务器(或云)。因此,这种方法的数据传输的延迟是最高的。它的最低成本和能源消耗用户,已在讨论5]。3 g / 4 g的方法,建设的反馈结果的质量很高。

3.3.3。V2V当地人群

已被称作的群体感知数据的交流和共享在这个地方人群V2V沟通,如马奈或设备间(D2D)通信。数据传输的延迟小于offloading-based方法下的交通密度高,也被讨论在13]。它消耗更少的成本和能量比3 g / 4 g方法建设。已被称作当地人群可能收获的一部分群体感知数据;反馈结果的质量不高于3 g / 4 g和offloading-based方法建设,我们将在下一节中讨论它。

4所示。真理的发现在当地人群

在本节中,我们分析方案的性能与当地人群。首先,我们讨论之间的权衡事实发现的质量和用户满意度在当地人群。然后,我们定义一个效用函数已被称作相关群体感知数据共享由当地人群,通过考虑事实发现的质量和用户满意度。模型和基于云计算的方法相比,我们的质量真理发现Kullback-Leibler散度(或相对熵)。最后,我们已被称作制定共享群体感知数据在当地人群作为一个优化问题。本文中使用的符号符号部分中给出。

4.1。质量和满意度之间的权衡

在前面的小节中,我们讨论在这样crowdsensing-based系统,当车辆通过移动一个对象(例如,一个障碍)或一个事件(如事故),它可以感知的智能手机。然后,移动设备生成一个报告来描述异常和传播报告车辆在当地人群。因此,所有事件的报告将被共享的所有车辆在当地人群。

随着时间的增加,车辆在当地人群将获得越来越多的关于事件的报告,所以事实发现的质量越来越好。与此同时,移动用户满意度会减少。因此,已被称作的群体感知当地人群,共享的数据之间有一个权衡事实发现的质量和用户满意度。

定义2(查询用户反馈延迟)。我们定义一个查询用户的反馈延迟(用)等crowdsensing-based系统的持续时间时第一个探索用户感官事件和生成一个报告,当任何由查询接收用户反馈结果。

在这里,我们考虑两个指标来评估方案的性能与当地人群,这是真理的发现的质量和用户满意度。受的效用函数的定义12),我们定义一个效用函数已被称作相关群体感知数据共享由当地人群,为了量化之间的权衡事实发现的质量和用户满意度。效用函数延迟期从事件探测的探测用户的时间(),直到查询用户的反馈的时间如下: 在哪里表示事实发现的质量由当地人群,而云计算的方法。是一个函数测量用户满意度的程度根据延迟时间。

因此,更高质量的事实发现和更高的用户满意度可以增加与当地人群crowdsensing-based系统的效用。接下来,我们将讨论我们的模型质量的事实发现和用户满意度,分别。

4.2。用户满意度

与延迟的增加,移动用户变得不耐烦,因此他们的满意度将大大减少5]。在(6),是一个通用的定义用户的感知已被称作延迟的群体感知。我们假设查询用户通常会变得越来越没有耐心等待这些反馈结果。简单不失一般性,我们定义满意度函数如下: 在哪里的最大延迟容忍用户所请求的内容和功能正常化。是用户满意度的下降速率随着时间的流逝,以避免零效用价值,延迟时间的衰减系数吗。

因此,函数用户将会是一个单调递减函数在0和1之间,之后,也就是说,酒会是没有用的。图4显示了用户满意度作为延迟时间的函数,参数是设置为10分钟。摘要参数是设置为,设置为1。

4.3。质量真理的发现

事实发现的质量已被称作相关数量的群体感知数据。我们以集中的方式为基准,因为已被称作后端服务器可以收获所有的群体感知数据。因此,真理发现当地人群的质量评估与集中的比较方法。

然而,已被称作的群体感知数据是随机的。同一车辆满足同一事件在不同的时间;遥感数据是不同的。我们做一个实验,两次相同的车辆穿过同一转储并记录其加速度的变化。图5显示了比较两个测试结果,其中包括总加速度、横向加速度,和垂直加速度。我们注意到这两个测试的结果是不同的。已被称作的群体感知数据的不确定性可能会受到许多因素的影响,如移动设备、司机、车辆、环境。

由于已被称作的群体感知数据的不确定性,我们利用Kullback-Leibler散度(或相对熵)评估当地人群的质量。在概率理论和信息理论,Kullback-Leibler散度(相对熵信息散度,或KL散度)是一个非对称的两个概率分布之间的差异(20.]。

让已被称作表示离散概率分布的群体感知数据在遥远的云,让已被称作表示离散概率分布的群体感知数据在当地人群时。因此,真理的发现的质量由当地人群Kullback-Leibler散度的评估从如下: 在哪里表示最大的质量。表示Kullback-Leibler散度的功能,它等于0时和有相同的分布。已被称作表示的概率群体感知数据期间由当地人群,其值等于。同样的,已被称作表示的概率群体感知数据的远程云期间,其值等于。因此,随着时间的增长,车辆在当地人群将获得越来越多的关于事件的报告,所以事实发现的质量越来越好。

我们使用定制的模拟器评估通信已被称作和共享的群体感知数据的性能与当地人群。我们模拟的场景是4000米3000米。交通密度()被定义为汽车的数量单位长度的道路。车辆的平均速度是40 km / h。传播范围的V2V交流是50米。所有的参数用于我们的模拟表中列出2。

我们已被称作模拟传播群体感知数据在当地人群。在仿真期间,越来越多的车辆意义事件的报道和传播人群。因此,车辆在人群中会收到越来越多的报告,以提高质量的真理的发现。图6(一)显示了报告的平均数量在人群中接收到车辆。我们注意到报告收到的数量在人群中车辆越来越多,因为更多的车辆事件和传播的人群。下的传播规模较小的人群比这更快更大的人群。图6 (b)表明之间的比率报告收到的每辆车的平均数量和总数量的报告。我们发现之前的比例大幅增加大约150秒,然后仍约为1。

探测车辆满足和感官异常事件时,它将生成一个传感报告和传播这一事件的所有车辆在人群中。因此,我们评估这个传播的延迟从第一个在人群中车辆的所有车辆。图6 (c)显示了延迟传播的人群。IDs的传感报告表示单独的车辆所产生的不同的报告。由于车辆的机动性,延迟是多种多样不同的报告。我们注意到人群的规模较小(300米)有较低的延迟比更大的大小(500米)。

4.4。优化问题

查询用户的反馈延迟()应满足的条件,该实用程序是不低于预定义的阈值,如下所示:

根据质量的需求(用),我们制定最优反馈时间查询用户()和最大效用作为一个优化问题如下:

在这样的优化问题,可以估计的历史统计数据的帮助下(8)。系统收成本地人群信息和远程云信息和计算历史记录。新的地方人群,系统选择记录的地理位置最近的同期作为参考来估计它的一天。是一个线性函数的时间。通过考虑要求数据传输的延迟()和发现真理的质量(),我们可以找到最优时间()和最大效用,这在下一节将进一步讨论。

5。仿真结果和讨论

在本节中,我们评估当地人群的性能。我们的实验是基于数据集组成的真正的车辆痕迹。我们评估车辆在当地人群的数量,数量的传感报告,报告车辆的比例,平均延迟的报告。表中列出的所有参数3。

5.1。Taxi-ROMA数据集

当车辆进入当地人群,它将加入这一人群。在相反的位置,当车辆移动的当地人群,它将离开这个人群。我们做实验Taxi-ROMA数据集(21]。这个数据集包含真实流动的痕迹出租车在罗马,意大利。它包含大约320辆出租车的GPS坐标收集30天。我们选择跟踪收集的数据集2月5日,2014年,其中包含172辆出租车。的痕迹覆盖的区域范围66公里×59公里。

如图7,我们设置三个事件发生在不同的地方用黄色标志,称为东北事件,西南事件,事件中心。中心附近的交通密度是最高的,接近东北事件是最低的。

每辆车的通信范围是300米。在我们的实验中,车辆可以相互通信或意义的事件,只有在当地人群的每个事件。当车辆移动的人群,它不能与其他车辆发送事件的报告,但报告在其缓冲不会下降。事件的传感范围被定义为车辆可以感知的范围从这个事件。在我们的实验中,我们设置了传感范围为200米。

5.2。车辆在当地人群的数量

我们评估车辆的数量在一个本地人群具有不同的预定义的范围(5公里)从1公里在一天作为时间的函数。图8显示的结果事件发生在不同的地方。采样窗口的大小是60秒。

我们注意到,汽车的数量在当地人群的中心事件是最大的,由于交通密度较高。相比之下,汽车的数量在当地人群的东北事件是最小的,由于交通密度较低。

虽然当地人群的范围增加,车辆在当地人群的数量也增加。当地人群5公里范围内的最大数量的车辆为每个事件在不同的地方。

车辆在当地人群的数量在不同的时间变化在整个一天。特别是,汽车的数量2点和5点之间是最小的,10点到12点之间是最大的。这也是造成的交通密度在不同的时间。

5.3。的检测报告

当车辆进入感应范围的一个事件,它将生成一个报告。我们评估检测报告的数量在一个当地人群在一天作为时间的函数。图9显示的结果事件发生在不同的地方。当地人群的范围设置为3公里。

我们注意到遥感中心的报告事件的数量是最大的,由于交通密度较高。相比之下,感知来自东北的报道事件的数量是最小的,由于交通密度较低。

检测报告的数量变化在不同的时间在整个一天。特别是,遥感中心的报告事件的数量在2点和4点是最小的。感应来自西南的报道事件的数量在2点到7点是最小的。检测报告的数量从东北事件2点至5点是最小的。

遥感中心的报告事件的数量在大约12点和下午5点是最大的。感应来自西南的报道事件的数量约为1 p是最大的。检测报告的数量从东北事件大约10点是最大的。这也是造成的交通密度在不同的时间。

5.4。比汽车的报道

车后生成一份报告,这份报告将在当地人群的传播活动。车辆与报告的比值定义为汽车的数量之比已报道的车辆在当地人群。我们评估车辆的比例的变化与报告在200分钟后第一个生成报告。图10显示的结果事件发生在不同的地方。当地人群的范围设置为3公里。最初,比例是最低的,因为只有第一汽车在当地人群的报告。我们注意到,随着时间增加,比例也增加,因为越来越多的车辆将收到报告。当地人群的中心事件的比率最高,由于交通密度较高。相比之下,当地群东北事件率最低,由于交通密度较低。因为有一些新的车辆没有任何报告进入人群,比不能达到1。

5.5。质量和当地人群的效用

事实发现在当地人群的质量评价(8),比较了传感数据采集由当地人群与收获的远程云。我们评估当地人群的质量在不同的地方,和结果如图所示11。的参数由1。当地人群的范围设置为3公里。在上述介绍,传感数据来自同一事件是随机的。在这个仿真,从事件遵循泊松分布传感数据。起初,质量是最低的,因为车辆在当地人群传感报道不多。我们注意到随着时间的质量也在不断增加,由于车辆将获得越来越多的传感报告。最后,将近似质量。在三个地方,当地群东北事件最低质量,由于交通密度较低。此外,我们注意到,对于中心和西南地区,当地群众达到的质量大约20分钟后。在图10,我们也注意到,大约20分钟后,车辆的比例与报告中心,西南地区约为90%。这是因为当收到报告的平均数量在当地人群接近总数在遥远的云,有更少的区别的表演当地人群和远程云。

的帮助下(10),我们可以找到最优时间和最大效用通过考虑要求数据传输的延迟和事实发现的质量。我们评估当地人群的实用程序在不同的地方十分钟期间(从一开始,和结果如图所示12。当地人群的范围设置为3公里。在三个地方,当地群东北事件效用最低,由于交通密度较低。我们注意到时间等于2分钟时,查询用户的最大效用。

5.6。平均延迟传播报告

我们定义的延迟传播的报告时,报告生成的时候收到复制了另一辆车。我们评估的平均延迟传播事件的报道在不同的地方作为当地人群的不同范围的函数从1公里到5公里。报告是800秒的生命周期,所以该报告将下降后的移动设备。图13显示的平均延迟传播报道的事件发生在不同的地方。

我们发现的平均延迟传播报道的中心事件是最低的,由于交通密度较高。相比之下,平均延迟传播来自东北的报道事件是最高的,由于交通密度低。

然而,在当地人群用最短的距离,平均延迟很高,因为车辆的数量并不足以传播报告。距离最长的当地人群的平均延迟也很高,因为之间的长途汽车。

6。结论

在已被称作移动群体感知系统中,已被称作云(或后端服务器)收成群体感知的数据移动设备,然后聚合数据查询用户的反馈结果。已被称作卸载的群体感知数据到云成本和能源消耗比3 g / 4 g的方法,但它有更长的数据传输的延迟。与通过WiFi APs卸载数据相比,已被称作我们调查沟通和共享的群体感知数据附近车辆传感事件,称为当地人群。人群为基础的方法延迟低于offloading-based方法,通过考虑事实发现的质量。我们定义了一个效用函数已被称作相关群体感知数据共享由当地人群,为了量化之间的权衡事实发现的质量和用户满意度。我们具体的仿真验证该方案的有效性。

符号

	预定义的当地人群的范围
	一个传感数据的交付延迟
	查询用户的反馈延迟
	已被称作效用的群体感知数据在当地人群时
	当地群众满意的反馈
	质量反馈的结果从当地人群时
	用户的最大延迟容忍
	已被称作离散概率分布的群体感知数据在遥远的云
	已被称作离散概率分布的群体感知数据在当地人群时
	阈值的效用
	事实发现的质量需求。

相互竞争的利益

作者宣称没有利益冲突。

确认

这项工作是由国家自然科学基金委资助号。61170256,61103226,61173172,61272526,和61370204,中央大学的基础研究基金(ZYGX2013J077号和ZYGX2013J067),以及中国的四川省应用基础程序(没有。2014 jy0192)。

引用

1. ”名单的国家使用的手机数量,”http://en.wikipedia.org/wiki/。视图:谷歌学术搜索
2. e . Miluzzo n . d . Lane k Fodor et al .,“传感与移动社交网络:设计、实现和评价cenceme应用程序的,”学报第六届ACM会议嵌入式网络化传感器系统(SenSys ' 08)2008年11月,页337 - 350。视图:出版商的网站|谷歌学术搜索
3. j·埃里克森,l·吉伦特船体,r·牛顿s Madden和h·,“壶穴巡逻:使用移动传感器网络路面监控,”学报第六届国际会议在移动系统中,应用程序和服务(ACM MobiSys ' 08)美国科罗拉多州,页29-39出台,,2008年6月。视图:出版商的网站|谷歌学术搜索
4. r·w·欧阳m·斯利瓦斯塔瓦a . Toniolo t·j·诺曼,“真理在众包检测发现空间事件”学报》第23届ACM国际会议信息和知识管理(CIKM 14)ACM,页461 - 470年,上海,中国,2014年11月。视图:出版商的网站|谷歌学术搜索
5. f . Mehmeti和t . Spyropoulos耐心等待值得吗?延迟移动数据卸载的分析和优化《IEEE计算机通讯大会上(IEEE INFOCOM 14)加拿大多伦多,页2364 - 2372,,2014年4月。视图:出版商的网站|谷歌学术搜索
6. z杨、吴c和y . Liu”定位在指纹空间:无线室内定位几乎没有人工干预,”《第十八届移动计算和网络国际会议(MobiCom 12),页269 - 280,伊斯坦布尔,土耳其,2012年8月。视图:出版商的网站|谷歌学术搜索
7. 周p y郑,m·李”演示:等待多久?:预测公交到达时间与手机建立参与式感知”诉讼的ACM国际会议10日在移动系统中,应用程序和服务(MobiSys”12),第460 - 459页,2012年。视图:出版商的网站|谷歌学术搜索
8. d·杨g .雪x方,j .唐“众包智能手机:手机传感、激励机制设计”《第十八届移动计算和网络国际会议(MobiCom 12),页173 - 184,伊斯坦布尔,土耳其,2012年8月。视图:出版商的网站|谷歌学术搜索
9. 他美国,D.-H。Shin j . Zhang和j·陈,“向最优分配位置已被称作依赖任务群体感知”美国第33 IEEE计算机通讯大会上(IEEE INFOCOM 14),页745 - 753,安大略省,加拿大,2014年5月。视图:出版商的网站|谷歌学术搜索
10. r . Mahajan Balasubramanian a, a . Venkataramani“增加移动3 g使用WiFi,”诉讼的ACM第八届国际会议在移动系统中,应用程序和服务(经验10),第222 - 209页,2010年。视图:出版商的网站|谷歌学术搜索
11. j . k . Lee李,y, Rhee,和美国庄,“移动数据卸载:可以wifi交付多少钱?”IEEE / ACM交易网络,21卷,不。2、536 - 550年,2013页。视图:出版商的网站|谷歌学术搜索
12. 张d和c k .杨“最佳退还移动数据卸载点,”IEEE车辆网络研讨会论文集(VNC的12)225年,页219 - 2012年11月首尔,韩国。视图:出版商的网站|谷歌学术搜索
13. n . Ristanovic J.-Y。Le Boudec a Chaintreau诉Erramilli,“节能出售3 g网络,”学报》第八届IEEE国际会议上移动特别和传感器系统(质量' 11)瓦伦西亚,页202 - 211年,西班牙,2011年10月。视图:出版商的网站|谷歌学术搜索
14. t·罗和C.-K。Tham”,在激励参与式感知公平和社会福利第九届IEEE通信学会学报会议上传感器,网格和临时通信和网络(SECON 12),页425 - 433,首尔,韩国,2012年6月。视图:出版商的网站|谷歌学术搜索
15. y张和m . van der夏尔“基于声誉激励在众包应用程序的协议,”学报31届IEEE计算机通信(IEEE国际会议信息通信的12),页2140 - 2148,奥兰多,佛罗里达州,美国,2012年3月。视图:出版商的网站|谷歌学术搜索
16. j .安王y, b, f·巴姨,和b . Krishnamachari”RISA:分布式道路信息共享体系结构”IEEE INFOCOM学报》上,页1494 - 1502,奥兰多,佛罗里达州,美国,2012年3月。视图:出版商的网站|谷歌学术搜索
17. j .赵和g .曹”Vadd: vehicle-assisted数据交付车辆临时网络,”学报》第25届IEEE国际会议上计算机通信(IEEE INFOCOM 06年)2006年4月、西班牙的巴塞罗那。视图:谷歌学术搜索
18. A . Asadi问:王,诉的形象,“在蜂窝网络设备间通信的一项调查,”IEEE通信调查和教程,16卷,不。4、1801 - 1819年,2014页。视图:出版商的网站|谷歌学术搜索
19. 答:Vahdat d·贝克,流行路由部分连接ad hoc网络[硕士论文),2000年。
20. 美国Kullback”、信息理论和统计”美国数学月刊,卷504,不。3,p。301年,1968年。视图:谷歌学术搜索
21. l . Bracciale m . Bonola p . Loreti g·比安奇,r·埃米希和a . Rabuffi”喇蛄数据集罗马/出租车(v . 2014-07-17),“2014年7月,http://crawdad.org/roma/taxi/。视图:谷歌学术搜索

版权

版权©2016曹国伟歌曲等。这是一个开放分布式下条知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。