杨静等：参与者信誉度感知的MCS数据收集机制 ·1925· 虑到“：移动设备当前剩余能量E占总能量E比例 量，达到以最小总奖励开销实时准确完成感知任务的 越大时，其参与感知任务的积极程度越高叨.综合分 目的. 析：响应时间和当前剩余能量因素，因此可根据当前 参与者山，感知数据时效性k表示其在服务器规 利余能量与响应时间比，衡量其对任务，的意慰 定感知时间内将感知数据发送到服务器的及时程度 -写 由于山，在时刻开始参与历史感知任务0g,假设在 程度w特别的，当山：接收消息时刻和参与任务时 时刻将数据发送到服务器，则可得山：总感知时间 刻相等时，即响应时间，等于0，此时判断w等于1， 为兮-，因此可根据总感知时间来量化山，对任务 表示山一旦接收任务消息就立即参与：而一般的，为 0的时效性k·根据以上定义，显然山：总感知时间越 避免参与者感知能力、移动设备等差异，通过当前剩余 小，其感知数据时效性越高，且最小总感知时间为 能量与响应时间比量化心·综上可得，山：对任务o:的 min(t),因此可量化4，感知数据时效性km如下式 意愿程度w,如下式所示： 所示： 号=写： min ( (2) 1 E· (1) p 此外，参与者u:感知数据完整性k2表示其获取感 E(5-) 雪≠ 知数据总量情况.假设山：实际获取感知数据量为dg, 式中，P为最终参与历史感知任务0，的参与者总数，且 其理论可获取感知数据总量为“，此时可通过归一 根据群智感知以大量参与者为基础的特点以及感知任 化数据总量dg/d来量化4，对任务o,的完整性k2, 务较高的实时准确性要求可知P>1,而 表示u:实际获取感知数据量占理论可获取感知数据 p g为历 总量的比例.故山：实际获取的数据总量越大时，其感 史感知任务：平均响应时间 知数据越完整，且最大归一化数据总量可表示为 2.1.2参与者数据质量 max(d,/d),从而：感知数据完整性k2量化为下 参与者意愿程度只反映了感知任务的实时性，然 式所示： 而可能存在某些参与者的感知数据与任务需求无关， d/d e=max (d/d) (3) 或者与实际执行情况存在较大偏差，故还需从参与者 数据质量角度描述感知任务的可靠性.服务器收集感 同时通过量化准确度ke描述感知数据与实际情 知数据后对比分析任务需求，虽然可确定各参与者数 况的相符程度.对于历史感知任务0，参与者山：实际 据质量情况，但由于实际中感知任务具有较高的实时 获取感知数据为d,而利用服务器所存储信息可得任 性要求，而此方法得到的数据质量结果在时域内存在 务o实际情况数据d,因此可通过绝对误差1d,-d1 明显滞后，因此，本文对影响参与者数据质量的因素进 量化山：对任务0的准确度k·考虑到u,绝对误差越 行分析以解决上述问题 小时，其感知数据准确度越高，而最小绝对误差为 由于感知任务具有较高的实时准确性要求，服务 min(1d。-d1),因此u,感知数据的准确度可量化 器不仅希望参与者积极参与任务，还希望能够及时收 为如下式所示： 集可靠数据完成感知任务，因此需考虑感知数据的时 min (Id-d) 效性.然而，时效性只是保证数据质量的前提条件，时 ki= (4) Idy diea 效性较高的参与者不能说明其数据质量也越高，由于 由于不确定因素的影响导致各参与者理论可获取 移动设备、所处地理环境、感知数据能力等不确定因素 感知数据总量并非完全相同，服务器对参与者感知数 的影响，可能导致不同参与者发送数据总量存在差异 据实际使用量也不尽相同，此处通过归一化感知数据 而无法统一衡量数据质量，故通过感知数据完整性避 使用量d/进行统一衡量.同时，服务器收集参与 免上述问题.另外，参与者所获得的数据量越大、越准 者u:感知数据后将给予其一定的奖励c,然而历史感 确，则感知数据在一定程度上越有利于全面反映实际 知任务0，总奖励有限，另外各参与者所获取感知数据 情况，也越能可靠完成感知任务，因此，需要将准确度 可能存在一定的冗余，对服务器而言冗余数据降低了 作为衡量感知数据反映真实情况的因素.最后结合群 感知数据的价值，因此℃，越低、冗余数据越少，服务器 智感知以大量参与者为基础的特点，当服务器收集到 对其感知数据实际使用量也越大.可见，服务器通过 参与者感知数据时，将给予其适当的奖励，然而服务器 参与者感知数据实际使用量效用d/(d·c)来衡 收集各参与者的感知数据可能存在一定冗余，为尽量 量“对任务O的价值k,可达到既能减少感知任务 减少服务器开销，故还需考虑感知数据价值.综上，根 总奖励，又能收集足够多的非冗余感知数据的目的，同 据感知数据时效性、完整性、准确度和价值衡量数据质 时感知数据实际使用量效用越高，则价值越大，且最大杨 静等: 参与者信誉度感知的 MCS 数据收集机制 虑到 ui 移动设备当前剩余能量 Er i 占总能量 Etotal i 比例 越大时，其参与感知任务的积极程度越高［17］． 综合分 析 ui 响应时间和当前剩余能量因素，因此可根据当前 剩余能量与响应时间比 Er i t p ij － t r ij 衡量其对任务 oij的意愿 程度 wij． 特别的，当 ui 接收消息时刻 t r ij和参与任务时 刻 t p ij相等时，即响应时间 tij等于 0，此时判断 wij等于 1， 表示 ui 一旦接收任务消息就立即参与; 而一般的，为 避免参与者感知能力、移动设备等差异，通过当前剩余 能量与响应时间比量化 wij． 综上可得，ui 对任务 oij的 意愿程度 wij，如下式所示: wij = 1， t p ij = tr ij; Er i· 1 p ∑ p i = 1 tij Etotal i ( t p ij － tr ij) ， t p ij ≠ t r { ij． ( 1) 式中，p 为最终参与历史感知任务 oij的参与者总数，且 根据群智感知以大量参与者为基础的特点以及感知任 务较高的实时准确性要求可知 p ＞ 1，而 1 p ∑ p i = 1 tij为历 史感知任务 oij平均响应时间． 2. 1. 2 参与者数据质量 参与者意愿程度只反映了感知任务的实时性，然 而可能存在某些参与者的感知数据与任务需求无关， 或者与实际执行情况存在较大偏差，故还需从参与者 数据质量角度描述感知任务的可靠性． 服务器收集感 知数据后对比分析任务需求，虽然可确定各参与者数 据质量情况，但由于实际中感知任务具有较高的实时 性要求，而此方法得到的数据质量结果在时域内存在 明显滞后，因此，本文对影响参与者数据质量的因素进 行分析以解决上述问题． 由于感知任务具有较高的实时准确性要求，服务 器不仅希望参与者积极参与任务，还希望能够及时收 集可靠数据完成感知任务，因此需考虑感知数据的时 效性． 然而，时效性只是保证数据质量的前提条件，时 效性较高的参与者不能说明其数据质量也越高，由于 移动设备、所处地理环境、感知数据能力等不确定因素 的影响，可能导致不同参与者发送数据总量存在差异 而无法统一衡量数据质量，故通过感知数据完整性避 免上述问题． 另外，参与者所获得的数据量越大、越准 确，则感知数据在一定程度上越有利于全面反映实际 情况，也越能可靠完成感知任务，因此，需要将准确度 作为衡量感知数据反映真实情况的因素． 最后结合群 智感知以大量参与者为基础的特点，当服务器收集到 参与者感知数据时，将给予其适当的奖励，然而服务器 收集各参与者的感知数据可能存在一定冗余，为尽量 减少服务器开销，故还需考虑感知数据价值． 综上，根 据感知数据时效性、完整性、准确度和价值衡量数据质 量，达到以最小总奖励开销实时准确完成感知任务的 目的． 参与者 ui 感知数据时效性 kij1表示其在服务器规 定感知时间内将感知数据发送到服务器的及时程度． 由于 ui 在 t p ij时刻开始参与历史感知任务 oij，假设在 t u ij 时刻将数据发送到服务器，则可得 ui 总感知时间 t total ij 为 t u ij － t p ij，因此可根据总感知时间 t total ij 来量化 ui 对任务 oij的时效性 kij1 ． 根据以上定义，显然 ui 总感知时间越 小，其感 知 数 据 时 效 性 越 高，且 最 小 总 感 知 时 间 为 min ( t total ij ) ，因此可量化 ui 感知数据时效性 kij1如下式 所示: kij1 = min ( t total ij ) t total ij ． ( 2) 此外，参与者 ui 感知数据完整性 kij2表示其获取感 知数据总量情况． 假设 ui 实际获取感知数据量为 dij， 其理论可获取感知数据总量为 dtotal ij ，此时可通过归一 化数据总量 dij / dtotal ij 来量化 ui 对任务 oij的完整性 kij2， 表示 ui 实际获取感知数据量占理论可获取感知数据 总量的比例． 故 ui 实际获取的数据总量越大时，其感 知数据 越 完 整，且 最 大 归 一 化 数 据 总 量 可 表 示 为 max ( dij / dtotal ij ) ，从而 ui 感知数据完整性 kij2 量化为下 式所示: kij2 = dij / dtotal ij max ( dij / dtotal ij ) ． ( 3) 同时通过量化准确度 kij3 描述感知数据与实际情 况的相符程度． 对于历史感知任务 oij，参与者 ui 实际 获取感知数据为 dij，而利用服务器所存储信息可得任 务 oij实际情况数据 dreal j ，因此可通过绝对误差| dij － dreal j | 量化 ui 对任务 oij的准确度 kij3 ． 考虑到 ui 绝对误差越 小时，其 感 知 数 据 准 确 度 越 高，而 最 小 绝 对 误 差 为 min ( | dij － dreal j | ) ，因此 ui 感知数据的准确度可量化 为如下式所示: kij3 = min ( | dij － dreal j | ) | dij － dreal j | ． ( 4) 由于不确定因素的影响导致各参与者理论可获取 感知数据总量并非完全相同，服务器对参与者感知数 据实际使用量也不尽相同，此处通过归一化感知数据 使用量 duse ij / dtotal ij 进行统一衡量． 同时，服务器收集参与 者 ui 感知数据后将给予其一定的奖励 cij，然而历史感 知任务 oij总奖励有限，另外各参与者所获取感知数据 可能存在一定的冗余，对服务器而言冗余数据降低了 感知数据的价值，因此 cij越低、冗余数据越少，服务器 对其感知数据实际使用量也越大． 可见，服务器通过 参与者感知数据实际使用量效用 duse ij /( dtotal ij ·cij ) 来衡 量 ui 对任务 oij的价值 kij4，可达到既能减少感知任务 总奖励，又能收集足够多的非冗余感知数据的目的，同 时感知数据实际使用量效用越高，则价值越大，且最大 · 5291 ·