[論文レビュー] Crowdsensing in Opportunistic Mobile Social Networks: A Context-aware and Human-centric Approach

Phuong T. Nguyen, Klara Nahrstedt|arXiv (Cornell University)|Apr 27, 2017

Opportunistic and Delay-Tolerant Networks参考文献 16被引用数 9

ひとこと要約

本稿では、社会的イベントの実世界トレースを用いた実験を通じて、オピニオンスティックモバイルソーシャルネットワークにおけるクラウドセンシング最適化のための文脈に配慮した人間中心の近似アルゴリズムを提案する。問題を頂点被覆問題としてモデル化し、ノードの観測可能性とカバレッジユーティリティスコアを導入することで、ベースライン近似アルゴリズムに比べて顕著に優れた性能を達成した。

ABSTRACT

In recent years, there have been efforts to collect human contact traces during social events (e.g., conferences) using Bluetooth devices (e.g., mobile phones, iMotes). The results of these studies have enabled the ability to do the crowd-sourcing task from within the crowd, in order to answer questions, such as: what is the current density of the crowd, or how many people are attending the event? However, in those studies, the sensing devices are usually distributed and configured in a certain manner. For example, the number of devices is fixed, people register for the devices on a volunteering basis. In this paper, we treat the above problem as an optimization problem and draw the connection to the vertex cover problem in graph theory. Since finding the optimal solution for minimum vertex cover problem is NP-complete, approximation algorithms have to be used. However, we will show that the well-known approximation algorithms do not perform well with the crowd-sensing task. In this paper, we propose the notions of node observability and coverage utility score and design a new context-aware approximation algorithm to find vertex cover that is tailored for crowd-sensing task. In addition, we design human-centric bootstrapping strategies to make initial assignment of sensing devices based on meta information about the participants (e.g., interests, friendship). The motivation is to assign the sensing task to a more "socialized" device to obtain better sensing coverage. We perform comprehensive experiments on real-world data traces obtained from previous experimental studies in conference and academic social context. The results show that our proposed approach significantly outperforms the baseline approximation algorithms in terms of sensing coverage.

研究の動機と目的

• 動的で社会的要因を反映したクラウドセンシング環境において、一般的な近似アルゴリズムの非効率性を是正すること。
• デバイス数とインターバルの制約下で、頂点被覆問題としてのタスクをモデル化することで、センシングカバレッジを最適化すること。
• 友人関係や個人の関心といった人間中心のメタ情報（例えば、社会的つながりや個人の関心）を初期のセンシングデバイス割り当てに組み込むこと。
• より社会的に関連性の高い人物をセンシング役割に優先的に割り当てることで、センシングカバレッジを向上させること。

提案手法

• グラフ理論における頂点被覆問題としてクラウドセンシングタスクをモデル化し、ノードをデバイス、エッジをオピニオンスティックな接触とみなす。
• ノードの観測可能性という概念を導入し、ノードが時間経過とともに周囲のノードをどれだけよく観測できるかを定量化する。
• カバレッジユーティリティスコアを定義し、ノードのセンシング貢献の組み合わせを評価する。冗長性を低減し、カバレッジを拡大する方向を優遇する。
• 高いカバレッジユーティリティスコアと観測可能性を持つノードを優先する文脈に配慮した近似アルゴリズムを提案する。
• 社会的関係や共有の関心に基づいてセンシング役割を割り当てる人間中心のブートストラップ戦略を採用し、初期カバレッジを強化する。
• デバイスが定期的にデータを報告し、更新されたセンシング指示を受ける集中型センシングモデルを採用する。

実験結果

リサーチクエスチョン

• RQ1 既存の頂点被覆近似アルゴリズムは、モバイルクラウドセンシングの動的で社会的要因を反映した文脈にどのように適合できるか？
• RQ2 人間の相互作用の社会的および空間時間的特性は、オピニオンスティックネットワークにおけるセンシングカバレッジにどの程度影響を及えるか？
• RQ3 友人関係や関心といったメタ情報を取り入れることで、センシングデバイスの初期割り当てが改善できるか？
• RQ4 提案された文脈に配慮したアルゴリズムは、ベースライン近似手法に比べてカバレッジ効率においてどの程度優れているか？
• RQ5 現実世界のシナリオでカバレッジを最大化するには、センシングインターバルとデバイス数の最適な設定は何か？

主な発見

• 提案された文脈に配慮した近似アルゴリズムは、実世界のモバイルトレースデータセット上において、標準的な近似アルゴリズムに比べてセンシングカバレッジの面で顕著に優れた性能を示した。
• 社会的つながりや関心に基づく人間中心のブートストラップ戦略を導入することで、ランダムまたはグリーディーな割り当てに比べ、初期デバイス割り当てが改善され、カバレッジが向上した。
• センシングインターバルの長さはカバレッジに顕著な影響を及ぼし、文脈に適応したインターバル設定で最適なパフォーマンスが達成された。
• 利用可能なセンシングデバイスの数が限られている状況でも、アルゴリズムは強固な性能を維持しており、リソース制約下でも安定した性能を示した。
• ノードの観測可能性とカバレッジユーティリティスコアは、動的な相互作用パターンを効果的に捉えており、一般的なグラフベースの指標に比べて、より優れたセンシングノード選定が可能であることが実証された。