DASC：面向灾害响应应用的道路损毁感知社交媒体驱动车载感知框架

尽管车载传感器网络（VSNs）已凭借内置在汽车中的传感器成为一种移动感知范式，但由于汽车驾驶员只能机会式地发现新事件，其感知范围有限。相反，社会感知正作为一种新的感知范式兴起，其中关于物理世界的测量数据来自人类收集。与 VSNs 相比，社会感知更具普适性，但其关键局限之一在于由不可靠的人类传感器所贡献数据导致的一致性可靠性的缺失。在本文中，我们提出 DASC，一种道路损毁感知（Damage-Aware）的社交媒体驱动车载感知框架，它利用社会感知与 VSNs 的集体力量来实现可靠的灾害响应应用。然而，将 VSNs 与社会感知相融合带来了一系列新挑战：i) 如何利用嘈杂且不可靠的社会信号将车辆路由至准确的目标区域？ii) 如何应对由作为理性参与者的汽车驾驶员所导致的可用性不一致（例如流失）？iii) 如何在对灾害造成的道路损毁缺乏先验知识的情况下，高效引导汽车抵达事件位置，同时处理物理世界与社交媒体的动态变化？DASC 框架通过建立一个新颖的混合社会-车载感知系统来应对上述挑战，该系统采用了博弈论、反馈控制与马尔可夫决策过程（MDP）等技术。具体而言，DASC 从社交媒体发出的信号中提取信息并发现道路损毁，从而有效驱动汽车前往目标区域以核实紧急事件。我们在一个可模拟真实世界灾害响应场景的知名车辆模拟器中实现并评估了 DASC。真实世界应用的结果证明了 DASC 在检测精度与效率上优于当前基于 VSNs 的解决方案。