移动群体感知中能量有效的设备探测模型*

张魏斌，曾　锋，陈志刚，谭紫逸，曹忠杰，郭　霖中南大学 软件学院，长沙 410075

移动群体感知中能量有效的设备探测模型*

张魏斌+，曾锋，陈志刚，谭紫逸，曹忠杰，郭霖
中南大学 软件学院，长沙 410075

ZHANG Weibin,ZENG Feng,CHEN Zhigang,et al.Energy efficient device detection model in mobile group awareness.Journal of Frontiers of Computer Science and Technology,2016,10(8)：1104-1111.

摘要：在移动群体感知网络中移动设备的能量使用效率和有效探测总数间存在一种均衡关系，针对移动群体感知中移动设备发生接触的特点，提出了一种移动群体感知中能量有效的设备探测模型。该模型对基于泊松分布模型探测过程进行建模，得到移动设备的无效探测概率，并通过实验进行验证，结果表明该模型是正确合理的；然后得出有效探测总数与探测时间间隔的关系；最后基于模型分析得到不同情况下能量消耗与探测有效性的均衡点，进而使移动设备持有者根据自己所处环境设置探测时间间隔T，从而实现移动设备能量的节约。

关键词：移动群体感知；移动设备；探测时间间隔；能量使用效率；有效探测总数

1　引言

随着无线通信和无线传感技术的发展以及无线移动终端设备的普及，人们随身携带的智能手机、平板电脑等移动设备集成了越来越多的传感器（如温度、加速度、重力、光线、距离传感器），同时拥有越来越强大的感知能力，在这样的背景下，移动群体感知技术[1-2]应运而生。移动群体感知是利用社会中普遍存在的内置传感器的移动终端高效地收集感知数据，并将感知数据传输给周围设备或者服务器，为人们的日常生活提供有用的信息和服务。移动群体感知技术自提出以来，受到了学术界的广泛关注，随之各种感知应用层出不穷，现阶段已经在环境、公共设施、社会中得到了广泛应用[3]。移动群体感知基本框架如图1所示。

Fig.1　Basic frame of mobile group awareness图1　移动群体感知基本框架图

在移动群体感知的一些应用中，移动设备在数据传输之前必须对周围设备进行接触探测，这个过程会消耗移动设备能量。Wang等人在文献[4]中使用手机做了一个实验，目的是检测手机在接触探测过程中能量的消耗，结果表明手机做一次探测与打一次电话消耗的能量相当。一般情况下，移动设备间的一次接触时间远远小于相邻两次接触的间隔时间。因此，移动设备对周围环境中其他设备的探测过于频繁的话，会造成大量的能量浪费。由此可见，设计能量节约的设备探测机制对移动群体感知技术的发展有重要意义和研究价值。

在移动群体感知网络中，为了实现移动设备之间数据的传输，移动设备必须通过不断探测周围环境发现其他设备，这个过程会消耗很多能量，目前有很多工作研究了接触探测过程中能量的节约问题[5-6]。

He等人在文献[7]中研究了在无线传感器网络中监测质量和能量使用效率的折衷关系。文中用消耗每个单位能量捕捉到的信息来衡量某个移动传感器节点的事件捕捉性能；使用真实移动的能量模型进行分析，通过大量的仿真实验验证和说明了分析结果；最后分析得出了在不同场景下最优事件捕捉策略。

Qin等人在文献[8]中通过分析接触探测机制对整个链路时长的影响得到了能量有效与吞吐量之间的折衷关系，并且提出了一种在能量有限情况下计算最佳接触探测频率的方法，节点根据相遇率自适应调整探测频率；最后通过仿真实验验证了分析模型的正确性与精确率。

Zhou在文献[9]中首先对基于随机路点模型的接触探测过程建模，分别得到了单点和双点探测概率；然后通过仿真实验验证了模型的正确性，实验结果表明在机会移动网络中，接触探测过程的有效接触总数随着节点移动速度、通信范围的增加而增加；最后在理论模型的基础上，分析得出了不同情况下有效接触总数与能量使用效率之间的折衷关系。

Gao等人在文献[10]中通过数学模型和仿真实验验证了在传感器节点随机、高密度部署的无线传感器网络中，节点分布符合泊松分布特点。本文将以此为研究基础，采用泊松分布模型对节点接触建模，研究能量使用效率和有效探测总数之间的均衡关系。

Wang等人在文献[4]中证明，在所有的平均探测时间间隔相同，节点之间探测过程不明确的接触探测方法中，与其他方法相比，以恒定的探测时间间隔这种方法进行探测，接触发生了但未被探测到的概率是最小的。本文在节点探测过程中也采用恒定的探测时间间隔。

通过对上述相关工作的分析与研究，本文提出了一种基于泊松分布模型的能量有效的节点接触探测机制，移动设备携带者根据自己的运动状态、周围环境中其他用户的数量、运动状态等设置探测时间间隔T的大小，以较少的能量消耗获得较多的有效探测总数进行数据传输，从而实现移动设备能量的节约。

2　能量有效的节点接触探测机制

2.1问题假设与模型

在移动群体感知网络中，假设每个计划进行数据传输的移动设备都以一定的探测机制对周围环境进行探测，当周围的其他设备收到探测信息后进行响应。定义两个移动设备当且仅当在彼此的通信范围内才能相互接触，Tc为接触时间，表示两设备开始进入接触范围至失去接触的时间长度；Ti为接触时间间隔，表示两次连续接触之间的时间长度。具体含义如图2所示。

Fig.2　Contact detection example between two mobile devices图2　移动设备之间接触探测示例

如果两个设备相互接触并且被计划进行数据传输的设备检测到，那么这次探测是有效的，且定义有效探测概率为Pe。如果两个设备发生相互接触但未被检测到，那么这次探测是无效的，且定义无效探测概率为Pi。

另外，假设每个移动设备都以恒定的探测时间间隔T对周围环境进行探测，并且每次探测消耗的能量相等，这样就可以根据平均探测频率来计算能量的消耗率。每个设备与其他设备的接触时间Tc是独立同分布的随机变量，累计分布函数为FTc(t)，平均接触时间为E{Tc}。

2.2无效探测概率

本节通过对不同情况下的接触探测分析求得无效探测概率。无效探测概率是两个设备间发生相互接触但没有被检测到的概率。在本文中任意一个计划传输数据的移动设备都以恒定的探测时间间隔T对其周围环境进行探测，发现与其相互接触的其他设备，从而进行数据的传输。

这里分两种情况进行讨论：（1）当Tc≥T时，所有接触都将被检测到，这是因为在连续的两次探测中，至少有一次能够探测到；（2）当Tc

在这种情况中，平均接触时间 E{Tc|Tc

从表达式（2）中可以看出，在接触时间比探测时间间隔短这种情况下，接触发生了但未被探测到的概率为，如果在这种情况下设备之间无接触，那么无效探测概率Pi(T)=FTc(T)。因此可以看出，只有在这种情况下才会有无效探测。

在移动群体感知网络中，由于人移动的随机性，相应随身携带的移动设备在某段时间内与周围环境中其他设备发生接触的次数也是随机的，那么接触次数符合泊松分布特点。为表达式简单，这里令m=1/E{Tc}，在一段时间 t内，平均接触时间为E{Tc(t)}，那么这段时间内接触平均发生的次数可以近似表示为t/E{Tc(t)}，即mt，因此每个设备与其他设备的接触时间Tc累计分布函数FTc(t)=1-e-mt，代入

式（1）可以得到无效探测概率表达式Pi为：

从式（3）中可以看出，无效探测概率与平均接触时间、探测时间间隔有关，当探测时间间隔T趋近于0时，无效探测概率逐渐趋于0；当T无限增大趋近于无穷时，无效探测概率逐渐趋近于1。这是合理的，符合逻辑的。

2.3能量消耗与探测有效性的均衡点

下面将在上一节的基础上得到有效探测总数与探测时间间隔的关系表达式，然后通过分析得到不同情况下能量的均衡点，在此基础上设置探测时间间隔即探测周期，使能量的使用更加有效。其中有效探测总数表示某一计划传输数据的移动设备在一段时间TL内探测到的有效接触的次数，这里用Ne表示。因此Ne=Pe(T)×TL×(n-1)，其中Pe(T)是以恒定时间间隔T进行接触探测的有效探测概率，n表示移动群体感知网络中的移动设备数量。

由Pe(T)=1-Pi(T)，根据式（3）可以得到Pe(T)=，进而可以得到：

根据之前的假设，移动设备每次探测消耗的能量相等，那么探测时间间隔T越大，探测频率越高，消耗的能量E越小，反之，探测时间间隔T越小，探测频率越小，消耗的能量E就越大。因此，这里定义在一个探测周期内进行一次接触探测消耗的能量E=1/T，进一步可以得到有效探测总数与能量之间的关系表达式：

从式（5）可以看出，有效探测总数与周围环境中设备总数n、平均接触时间1/m和消耗的能量E有关，当消耗的能量E趋近于0时，可以得到有效探测总数；当消耗的能量E趋近于无穷大时，，那么可以得到有效探测总数Ne=TL×(n-1)。

为了找到不同平均接触时间下能量消耗与探测有效性的均衡点，定义节点关于能量的有效探测效率G为：

其中，ΔE>0且为足够小的正数。本文研究的目标是找到能量消耗与有效探测的均衡点，当能量消耗处于该均衡点时，能量的增加带来的有效探测数量增长是不明显的。也就是说，此时能量的有效探测效率不高，节点不值得用相对多的能量消耗去获得较小的有效探测数量增长。

假设有效探测效率期望值为μ，希望G(E)≥μ，因此能量消耗与有效探测的均衡点为G(E)=μ，根据式（5）的连续性可知：

令G(E)=Ne′(E)=μ，得到 μ关于能量消耗E的关系表达式，进一步根据用户自己的有效探测效率期望值μ找到相应的能量消耗与探测有效性的均衡点E，从而设置探测时间间隔T的大小，实现移动设备的节能。

3　实验与结果分析

本文使用Matlab环境进行实验与结果分析，将本文基于泊松分布模型（Poisson distribution model，PDM）与文献[7]中已验证正确的基于随机路点模型（random way-point model，RWPM）建模得到的无效探测概率随探测时间间隔的变化趋势在Matlab平台上进行比较，验证了模型的正确性。相关参数设置如下：网络中节点的总数n=100，平均接触时间相关参数m=0.7。实验中只对两个参数进行了设置，这是因为：在式（3）中探测周期T是自变量，除了平均接触时间相关参数外都是常数；在式（4）中增加了一个节点总数n和探测时间TL，由于有效探测总数Ne随着探测时间TL的增大而增大，但TL不会影响Ne的变化趋势，为了计算的方便，这里取探测时间TL=1 s；在式（8）中也只有这几个参数，这里只需进行这两个参数的设置。然后通过对平均接触时间设置不同的值得到的有效接触概率进行比较，得到不同情况下能量使用效率和有效探测总数之间的均衡关系。最后根据用户自己的有效探测效率期望值μ得出相应的能量消耗与探测有效性的均衡点E，进一步确定探测时间间隔T的设置，实现移动设备的节能。

3.1模型验证

本文前面的工作主要是基于泊松分布的建模和无效探测概率的计算，下面通过实验验证模型的正确性，如图3所示。由图3可以看出，本文基于泊松分布模型得到的无效探测概率随探测时间间隔的变化趋势与文献[7]中验证的无效探测概率随探测时间间隔的变化趋势基本一致，说明模型是有效的。

Fig.3　Comparison on PDW and RWPM图3PDM与RWPM的比较

由图3可知，无效探测概率随着探测时间间隔的增大而增大，而且当探测时间间隔无限增大时，无效探测概率接近于1，这是合理的。本文基于泊松分布模型的平均接触时间相关参数m=0.7，即平均接触时间E{Tc}≈1.43 s，当探测时间间隔T<1.43 s时，此时无效探测概率Pi(T)接近于0，随着探测时间间隔T的增大，无效探测概率Pi(T)也越大，逐渐接近于1，在探测时间间隔小于2 s时本文中PDM模型的无效探测概率相对大一些，当探测时间间隔大于2 s时 RWPM模型的无效探测概率相对较大。这是因为在PDM模型中，人进行的是目的性活动，移动设备的移动并不是随机的，而RWPM模型中移动设备的移动是随机的，所以在PDM模型中移动设备之间发生的接触次数要比RWPM模型中的多，那么在探测时间间隔较短即探测频繁的情况下，PDM模型中探测时错失的接触数相对多一些，其无效探测概率相对大一些，而在探测时间间隔较大的情况下，PDM模型中探测到的总数相对多一些，那么有效探测概率相对较大一些，无效探测概率相对小一些，但是随着探测时间间隔的不断增大最后都趋近于1。因此，如何设置较大的T还能获得可观的有效接触总数值得深入探索。

3.2能量消耗与探测有效性的均衡点

在前面工作的基础上，本节介绍能量消耗与探测有效性的均衡点。首先由式（3）得到有效探测概率表达式，通过给平均接触时间设定不同的值，得到不同平均接触时间下有效探测概率Pe(T)与探测时间间隔T的关系，如图4所示。

由图4可知，无论平均接触时间多长，有效探测概率Pe(T)随着探测时间间隔T增长的变化趋势是相同的，都是随着探测时间间隔的增大而不断减小，然而在探测时间间隔相同的情况下，平均接触时间越长有效探测概率越大。这是因为在相同的探测时间间隔下，相互接触时间越长，当Tc

Fig.4　Relation between probe interval and effective detection probability图4　探测时间间隔与有效探测概率之间的关系

然后，根据式（5）得出能量的消耗E与有效探测总数之间的关系。按照能量消耗E与有效探测总数之间的关系为平均接触时间相关参数设定不同的值，得到不同平均接触时间参数下有效探测总数随着能量消耗的变化情况，如图5所示。为了计算简单，这里取探测时间TL=1 s。

Fig.5　Relation between energy consumption and total number of valid detection图5　能量消耗与有效探测总数之间的关系

由图5可知，不同平均接触时间相关参数下有效探测总数都是随着能量消耗的增大不断增加，并且在能量消耗相同的情况下，平均接触时间相关参数越小即平均接触时间越长，有效探测总数越多。另外，从图中还可以发现，在开始阶段，有效探测总数随着能量消耗增加迅速，然后能量消耗继续增加，但是有效探测总数增加趋势慢慢减小，最后几乎不再增加。

最后，根据式（8）得出能量的有效探测效率G与能量消耗E的关系，进一步在不同平均接触时间下根据用户自己的有效探测效率期望值μ找到相应的能量消耗与探测有效性的均衡点E。有效探测效率G与能量消耗E的关系如图6所示。

Fig.6　Relation between detection efficiency and energy consumption图6　有效探测效率与能量消耗之间的关系

由图6可知，有效探测效率随着能量消耗的增大而减小，开始阶段，在能量消耗相同的情况下，平均接触时间越长，有效探测效率越高，大约在能量消耗大于0.5之后，变化情况相反。由图6，用户可以根据自己的有效探测效率期望值μ找到相应的能量消耗与探测有效性的均衡点E。例如，当有效探测效率期望值为10，平均接触时间参数m分别为0.3,0.5, 1.0时能量消耗与探测有效性的均衡点分别为1.0, 1.4,1.7，相应的探测时间间隔即探测周期为1.00 s, 0.71 s,0.59 s。因此，用户可以根据自己的运动状态、周围的环境情况，比如周围其他用户的数量、运动情况来设置探测时间间隔T的大小，使得以较少的能量消耗获取比较多的有效探测总数，进而使能量的使用更加有效，达到节能的目的。

4　结束语

针对移动群体感知中移动设备发生接触的特点，本文提出了一种移动群体感知中能量有效的设备探测模型，然后通过仿真实验验证了模型的正确性。最后在模型的基础上，分析得出在移动群体感知中，计划传输数据的移动设备能量消耗与探测有效性的均衡点，从而携带移动设备用户可以根据自己的运动状态和所在的环境，设置探测时间间隔T，使设备在接触探测过程中更加有效地利用能量[12-13]。

移动群体感知中，人的移动性扩大了感知覆盖范围，增加了数据传输机会，人们对移动终端的管理使感知网络维护更容易，扩展更方便灵活[14]。与此同时，人的参与也带来了问题与挑战，感知数据的异构性与多样性导致精度不高。当然，增加数据的数量可以解决精度问题，数量的增加又会带来数据冗余问题，因此如何将其更自然、更便捷、更普遍地与人们的生活相结合，让人们能够不受影响、舒服地体验自己想要的服务，等待着去研究和解决[15-16]。

References:

[1]Xiong Ying,Shi Dianxi,Ding Bo,et al.Mobile group awareness technology research[J].Computer Science,2014,41 (4):1-8.

[2]GuoBin,YuZhiwen,ZhouXingshe,etal.Fromparticipatory sensing to mobile crowd sensing[C]//Proceedings of the 2014IEEEInternationalConferenceonPervasiveComputing and Communications Workshops,Budapest,Hungary,Mar 24-28,2014.Piscataway,USA:IEEE,2014:593-598.

[3]Ganti R K,Ye Fan,Lei Hui.Mobile crowdsensing:current state and future challenges[J].IEEE Communications Magazine,2011,49(11):32-39.

[4]Wang Wei,Srinivasan V,Motani M.Adaptive contact probing mechanisms for delay tolerant applications[C]//Proceedings of the 13th Annual ACM International Conference on Mobile Computing and Networking,Montreal,Canada,Sep 9-14, 2007.New York,USA:ACM,2007:230-241.

[5]Wan Sha,Xu Biao,Duan Hongtao.Compressive sensing technology review[J].Chinese Radio,2013(2):60-62.

[6]Christin D,Reinhardt A,Kanhere S S,et al.A survey on privacy in mobile participatory sensing applications[J].Journal of Systems and Software,2011,84(11):1928-1946.

[7]He Shibo,Chen Jiming,Sun Youxian,et al.On optimal information capture by energy-constrained mobile sensors[J]. IEEE Transactions on Vehicular Technology,2010,59(5): 2472-2484.

[8]Qin Shuang,Feng Gang,Zhang Yide.How contact probing affects the transmission capacity and energy consump tion in DTNs[C]//Proceedings of the 2011 IEEE International Conference on Communications,Kyoto,Japan,Jun 5-9,2011. Piscataway,USA:IEEE,2011:1-5.

[9]Zhou Huan.Research on data transport mechanism in opportunistic mobile networks[D].Hangzhou:Zhejiang University, 2013:25-47.

[10]Gao Demin,Qian Huanyan,Xu Jiang,et al.Wireless sensor network random distribution model and cover control research [J].Journal of Sensing Technology,2011,24(3):412-417.

[11]Ross S M.Stochastic procseees[M].[S.l.]:Wiley,1983:98-135.

[12]Ma Huadong,Zhao Dong,Yuan Peiyan.Opportunities in mobile crowd sensing[J].EEE Communications Magazine, 2014,52(8):29-35.

[13]Guo Bin,Yu Zhiwen,Zhang Daqing,et al.Toward a groupaware smartphone sensing system[J].IEEE Pervasive Computing,2014,13(4):80-88.

[14]Yu Ruiyun,Xia Xingyou,Li Jie,et al.Social-aware mobile user location prediction algorithm in participatory sensing systems[J].Chinese Journal of Computers,2015,38(2): 375-383.

[15]Kranstauber B,Cameron A,Weinzerl R,et al.The movebank data model for animal tracking[J].Environmental Modelling&Software,2011,26(6):834-835.

[16]Li Jianguo,Tang Yong,Huang Shiping,et al.Task dependencybased group awareness model[J].Journal of South East University:Natural Science Edition,2011,41(2):290-295.

附中文参考文献：

[1]熊英,史殿习,丁博,等.移动群体感知技术研究[J].计算机科学,2014,41(4):1-8.

[5]万莎,徐彪,段洪涛.压缩感知技术综述[J].中国无线电,2013(2):60-62.

[9]周欢.机会移动网络中的数据传输机制研究[D].杭州:浙江大学,2013:25-47.

[10]高德民,钱焕延,徐江,等.无线传感器网络随机分布模型及覆盖控制研究[J].传感技术学报,2011,24(3):412-417.

[14]于瑞云,夏兴有,李婕,等.参与式感知系统中基于社会关系的移动用户位置预测算法[J].计算机学报,2015,38 (2):375-383.

[16]李建国,汤庸,黄世平,等.基于任务依赖关系的群体感知模型[J].东南大学学报:自然科学版,2011,41(2):290-295.

ZHANG Weibin was born in 1989.He is an M.S.candidate at Central South University.His research interests include opportunistic network and group perception.

张魏斌（1989—），男，山西平遥人，中南大学硕士研究生，主要研究领域为机会网络，群体感知。

ZENG Feng was born in 1977.He is an associate professor and M.S.supervisor at Central South University.His research interest is wireless network technology.

曾锋（1977—），男，广东梅州人，中南大学软件学院副院长、副教授、硕士生导师，主要研究领域为无线网络技术。

CHEN Zhigang was born in 1964.He is a professor and Ph.D.supervisor at Central South University.His research interests include trusted computing,network and distributed computing.

陈志刚（1964—），男，湖南益阳人，中南大学软件学院院长、教授、博士生导师，主要研究领域为可信计算，网络与分布式计算。

TAN Ziyi was born in 1991.She is an M.S.candidate at Central South University.Her research interest is opportunistic network.

谭紫逸（1991—），女，湖南宁乡人，中南大学硕士研究生，主要研究领域为机会网络。

CAO Zhongjie was born in 1992.He is an M.S.candidate at Central South University.His research interest is opportunistic network.

曹忠杰（1992—），男，山西大同人，中南大学硕士研究生，主要研究领域为机会网络。

GUO Lin was born in 1990.He is an M.S.candidate at Central South University.His research interests include cognitive wireless network,sensor networks and big data.

郭霖（1990—），男，河南济源人，中南大学硕士研究生，主要研究领域为认知无线网络，传感器网络，大数据。

*The National Natural Science Foundation of China under Grant No.61103202(国家自然科学基金);the Specialized Research Fund for the Doctoral Program of Higher Education of China under Grant No.20110162120046(高等学校博士学科点专项科研基金); the Teacher Research Foundation of Central South University under Grant No.2014JSJJ019(中南大学教师研究基金);the Fundamental Research of Central South University of Central Universities Projects under Grant Nos.2015zzts232,2016zzts386(中南大学中央高校基本科研业务费专项资金).

Received 2015-07,Accepted 2015-09.

CNKI网络优先出版:2015-10-13,http://www.cnki.net/kcms/detail/11.5602.TP.20151013.1557.002.html

文献标志码：A

中图分类号：TP393

doi:10.3778/j.issn.1673-9418.1507052

Energy Efficient Device Detection Model in Mobile GroupAwarenessƽ

ZHANG Weibin+,ZENG Feng,CHEN Zhigang,TAN Ziyi,CAO Zhongjie,GUO Lin
School of Software,Central South University,Changsha 410075,China
+Corresponding author:E-mail:zhangweibincsu@qq.com

Abstract:There is a trade-off relationship between the number of effective detections and the energy efficiency of mobile devices in the mobile group awareness network,in view of the characteristics of mobile devices in mobile group awareness,this paper presents a model of energy efficient device detection in mobile group awareness.Firstly, the detection process based on the Poisson distribution model is modeled to get the ineffective detection probability of mobile devices.Through the experiments to verify the model,the results show that the model is correct and reasonable.Then the relations of the total number of valid detections and probe interval are achieved.Finally,based on the model analysis,the equilibrium points of energy consumption and detection effectiveness in different situations are obtained,the mobile device owners can set the detection intervalTaccording to their environment,so as to save the energy of mobile devices.

Key words:mobilegroupawareness;mobiledevices;probeinterval;energyuseefficiency;numberofeffectivedetections