机会移动社交网络中的群智感知：一种上下文感知与以人为中心的方法

近年来，人们尝试利用蓝牙设备（如手机、iMotes）在社会事件（如会议）期间收集人类接触轨迹。这些研究使得能够从人群内部执行众包任务，以回答诸如当前人群密度或活动参与人数等问题。然而，在这些研究中，感知设备通常以某种方式分发和配置。例如，设备数量固定，人们基于自愿原则登记使用设备。在本文中，我们将上述问题视为一个优化问题，并建立其与图论中顶点覆盖问题的联系。由于最小顶点覆盖问题的最优求解是 NP-complete 的，必须使用近似算法。然而，我们将展示著名的近似算法在群智感知任务中表现不佳。本文中，我们提出节点可观测性（node observability）和覆盖效用分数（coverage utility score）的概念，并设计一种新的上下文感知近似算法来寻找针对群智感知任务定制的顶点覆盖。此外，我们设计了以人为中心的引导策略，基于参与者的元信息（如兴趣、友谊）进行感知设备的初始分配。其动机是将感知任务分配给更“社会化”的设备，以获得更好的感知覆盖。我们在会议和学术社交语境下从先前实验研究获得的真实数据轨迹上进行了全面实验。结果表明，我们提出的方法在感知覆盖方面显著优于基线近似算法。