一种基于多行为地点的机会式数据传输方法
【技术领域】
[0001] 本发明提出了一种基于多行为地点的机会式数据传输方法，属于机会网络和社交 网络的交叉领域。
【背景技术】
[0002] 目前，传统的传感器网络存在一些不足：（1)需要人工预先部署大量的感知设备， 不仅价格昂贵，随着规模的扩大，系统的复杂性也急剧增加。（2)感知设备静态部署，一般不 会密集部署，使得感知视角单一，无法全方位透彻感知对象。（3)根据节点ID来转发数据， 不适合高度动态移动的网络场景，也无法应用于存在特定兴趣偏好的网络。
[0003] 随着技术的发展，带有丰富传感器的移动智能设备大量涌现，群智感知作为下一 代感知技术，已经成为近几年来的研宄热点。智能手机作为移动设备的主要产品，能够真实 地反映出持有者的行为属性，为群智感知技术带来了机遇与挑战。遍布全球的高性能移动 设备筑起了庞大的社会网络，移动用户可以在社会网络中获取、分享数据，通过对数据的收 集、分析为用户订制私有化服务使得群智感知技术产生了良好的应用价值。
[0004] 群智感知通过携带感知设备的个体通过移动互联网分享或获取数据进行有意识、 无意识地协作来完成复杂的社会感知任务。群智感知技术借助大量普及的移动终端设备进 行感知活动，克服了感知设备昂贵的问题，利用人的移动智慧可以进行全方位地感知数据。 通过分析用户的社会性，建立以用户行为特征为指引的数据收集模式，提高了用户参与度 和数据收集性能。
[0005] 数据收集作为群智感知的一大关键技术，基于社会行为分析的机会式数据收集成 为群智感知数据收集的主流方式。然而，机会式数据收集技术目前仍面临一些技术难题： (1)移动用户所采用的嵌入式设备其计算、存储能力以及电池能源存在局限性。（2)社会性 是群智感知区别于其他数据感知模式的首要特征，如何萃取人的社会属性并量化为可计算 的单元是亟待解决的问题。（3)在一般的网络条件下，感知节点仅在相遇时交互数据信息， 数据交换机会非常宝贵，降低时延、提高传输效率成为机会式数据收集中另一挑战。
【发明内容】
[0006] 本发明的目的是解决在群智感知应用中如何将数据通过机会式转发的方式精准 发送至具有多行为属性用户群的问题。本发明通过根据用户属性刻画BM25模型，计算出用 户关于特定行为地点的相似度权值，并依据这些权值将数据发送至具有多行为属性用户， 优化了数据发送过程中消息副本的数量，相对于其他同类的数据收集算法，该方法具有低 代价、高传输率特性。
[0007] 该发明针对已有群智感知应用中的数据传输协议只考虑单行为属性的问题，利用 用户行为的稳定性，采用服务器/用户模型，通过服务器萃取用户行为属性，并由BM25模型 刻画用户行为属性，构成用户/行为地点联合矩阵存储于服务器当中，服务器根据用户上 传的行为信息即时更新联合矩阵，确保数据的实时性、准确性。每当源用户需要将信息发送 至目标用户时，源用户需向服务器索取全局信息，并由源用户机会式地发送数据，用户数据 隐私得到保证。在数据发送阶段采用阶梯递增与组播相结合的方式，有效降低了消息副本 数量，减少发送能耗。依据用户之间关于行为地点的相关性权值的比较进行数据转发，提高 了数据传输成功率。
[0008] 本发明的技术解决方案是：
[0009] 本发明提供了一种基于多行为地点的机会式数据传输方法。构建云服务器，通过 BM25刻画用户属性形成用户/行为地点联合矩阵存储于服务器。源用户向服务器申请数 据，并根据用户关于指定地点的相似度权值进行机会式数据转发。
[0010] 名词解释：
[0011] 时间片tsij:用户i在行为地点j所消耗的时间；
[0012] 用户平均活动时间片数utsi:用户平均每天活动时间片数量；
[0013] 所有用户平均活动时间片数avts:所有用户平均每天活动时间片数量；
[0014] 时长调节属性E:用于平衡所有用户与单个用户之间活动时长；
[0015] 行为属性BeAij:用户i关于行为地点j的相关性；
[0016] 地点平衡属性BAy用于平衡人流量较多与较少的活动地点因子，反映人行为地点 在所有用户中的分布情况；
[0017] 行为地点权值weightij:用户i对行为地点j相关性权值；
[0018] 行为地点阀值thj:行为地点j边界权值，用户i行为地点权值weight^彡th」时， 认为用户i为行为地点j的兴趣用户。
[0019] 具体步骤：
[0020] 步骤1 :设用户数量为n，地点数量为m，用户iG{1，???，]!}在行为地点jG{1，… ，m}消耗的时间以时间片数量（timeslice)tSij度量。时间片的长度（lengthoftime slice)固定为tl，若用户i在行为地点j所消耗的总时间为凡』，则tSij=Tij/tl。tSij反 映行为地点j对用户i的相关性，时间片数量越大，用户对该地点越相关。每个用户i定期 向服务器提交关于地点j所消耗的时间T#称为行为地点注册；
[0021] 步骤2 :服务器根据用户i所提交的移动轨迹数据，统计用户i对某行为地点的时 间片向量TSi=(tsn，tsi2，…tsim)，并将计算结果以用户/行为地点联合矩阵形式存储于 服务器端。服务器每次接收到用户i的轨迹数据时立即更新用户/行为地点联合矩阵中该 用户对应的信息，并将统计所得时间片向量TSi发送给用户。其中用户/行为地点联合矩 阵形式如表1所示：
[0022] 表1 :用户/行为地点联合矩阵
[0023]
[0024]步骤3:源用户s指定TBP = ((Pi, th!)，（p2, th2)，…，（ph, thh))，h彡m，其中Pj和 thj，j e {1，…，h}分别为行为地点和相应的行为地点阀值；s发送行为地点向量P至服务 器；
[0025] 步骤4:服务器计算所有用户平均活动时间片数avts，并发送给源用户s。其中用 户平均活动时间片数avts的计算方法为：
[0026]
(1)
[0027] 步骤5:服务器根据用户/行为地点联合矩阵计算地点平衡属性向量BA(其中BA 向量为源用户指定的所有行为地点对应的地点平衡属性BA」集合），并发送至源用户s。其 中，地点平衡属性BA#勺计算方法为：
[0028]
(2)
[0029]pVj为行为地点j平均每天访问的总人数（人流量），即联合矩阵中第j列不为0 的个数。BAJ乍为全局因子，考虑的是行为地点j的相对重要性。根据公式（2)可知，给定区 域人员总数，越多人到达过此地点，那么平衡因子的值就会越小。平衡因子反映的是兴趣地 点在所有人员中的分布情况，以此平衡人流量较少但却重要的行为地点的最终行为权值。
[0030] 步骤6:源用户s将用户平均活动时间片数avts以及地点平衡属性向量BA，发送 给每个相遇用户r，计算各自关于地点jG{]_，???，h}的权值weightsjPweighty行为地 点权值计算方法如下：
[0031] 计算出活动时长调节属性Ei:
[0032]
⑴
[0033] 其中此士表示用户i每天所消耗活动时间片总数，。时长调节属性 .7=1 代表用户i对时间片总数的考虑。ki，b均为经验参数。b用于调节用户i时间片比例，取 值范围为[0,1]。当b取值为0时表示公式中不使用时间片比例，当b取值为1时将使用完 I；fq 整的时间片比例
[0034] 计算行为因子BA:
[0035]
(4)
[0036] Be'表示用户i对行为地点j的相关程度，其值越高，说明用户i对地点j越相 关。
[0037] 用户i对于行为地点j的权值的计算方法为：
[0038]weightij=BeA?BAj(5)
[0039] 步骤：7 :进入初始化线路阶段，如果weightn_^：weightsj，设该用户为r」，则源用 户将数据转发给否则不转发；
[0040] 步骤8 :重复步骤：6-步骤7,直到所有h个行为地点都寻找到所有相应的所有 rj;
[0041] 步骤9 :源用户s删除自身保存的数据，此时源用户初始化了h条递增路线；
[0042] 步骤：10:每条线路上的用户r」询问相遇用户q关于行为地点j的权值Weight心
[0043] 步骤11:进入梯度递增阶段，如果weighty彡weightn.，则r」将数据转发至q，rj 删除数据；否则不转发；
[0044] 步骤：12:重复步骤10-步骤11，直到weighty彡thj;
[0045] 步骤：13:进入组播阶段，在数据生存期内，对于任意用户q满足weightqj>thj， 若遇见任意用户t满浞
则用户q将数据复制到用户t，结束。
[0046] 有益效果
[0047] 本发明解决了群智感知应用中关于多行为地点机会式数据传输问题。经在ONE平 台仿真实验结果验证知，相对于传统的单行为地点机会式传输方案有以下显著的优点：[0048] 1.通过对用户的多行为属性刻画，使用权值作为多行为地点的数据转发依据，能 够有效地将数据传输到具有多行为属性的用户群中，提高了传输率以及数据发送的准确 率。
[0049] 2.数据收集过程中采用了梯度递增以及组播相结合的数据传输方式，有效降低了 转发过程中数据副本数量，降低了传输