更智能地使用移动数据

智能手机不断收集和报告的数据可以找到许多应用程序。由SNSF资助的专门用于群体感知的项目已经找到了提高隐私和本地化准确性以及减少对硬件影响的方法。

连接世界智能手机的数据可以将全球超级计算机放入我们所有的口袋中。利用该处理能力将改善数据的实时收集和分析,但技术障碍和隐私问题仍然存在。来自瑞士国家科学基金会(SNSF)资助的SwissSenseSynergy科学家已经解决了问题,并提出了收集和使用此类信息的新方法。

该项目的主要焦点是众筹,其中使用智能手机的传感器可以收集有关特定区域的信息。一个典型的例子是地图应用程序,它可以从智能手机的加速度计中推断出交通拥堵数据。随着我们的连接设备收集有关我们环境的许多方面的见解 - 运动,声音,人,空气质量等 - 群众有可能指导我们吃什么,穿什么或旅行方式的决定。

“所有这些信息在从营销预测到预测人群行为的应用中非常有用,”伯尔尼大学的Torsten Braun和该项目的协调员解释道。尽管如此,众包申请面临着重大挑战。特别是,在数据收集,用户影响和隐私之间存在权衡。例如,传输数据会消耗硬件资源,而不良的安全措施会给身份盗用带来风险。

四个团队开发了新方法来改进众包技术,并为其应用建立最佳实践。研究人员正在探索四个关键领域:提高定位精度,提高安全性,行业用途以及提高数据收集效率。

GPS之外的本地化

由伯尔尼大学的Torsten Braun领导的团队在90%的情况下将室内和地下的定位精度提高到1.1米。这与GPS相当,但仅依赖于设备的传感器数据和无线电信号,到达墙壁后面的区域和GPS信号被阻挡的混凝土。研究人员收集了智能手机的传感器测量值,以及Wifi无线电的信号强度。然后,该信息通过几种机器学习算法传递。“下一步是确定用户的去向,”布劳恩说。“例如,这可能对购物中心或火车站产生影响。”

伯尔尼和日内瓦大学的科学家们合作设计了一个结合室内定位,移动众包和智能空间的移动应用程序。由此产生的移动应用程序集成了复杂的本地化算法和位置标记的传感器测量,这些测量被推送到云端。从那里,信息被馈送到物联网,允许跨越许多智能对象和产品的个性化和基于位置的自动化应用。

瑞士南部应用科学和艺术大学卢加诺分校(SUPSI)开发的模型使用预测性位置数据通过社交媒体分发信息。实验表明,他们可以在Facebook和Twitter等社交网络上创建快速推广,也可以在移动设备的临时物理网络中实现快速推广。这些消息可以响应本地行为,实时评估反馈并在目标用户之间更快地传播。该研究提供了对人类行为中社会影响的更深入理解,并发现了物理位置,共享偏好和基于事件的社会群体之间的相关性。

平衡行为

“研究人员面临的主要问题是平衡数据和隐私,”Braun解释道。“准确的数据会降低隐私成本。”如果在收集数据时扫描用户信息,则会阻碍参与。为了确保安全,瑞典查尔姆斯理工大学团队开发了用于数据分析和自动决策的机器学习方法,实现了“差异隐私”。这通过将精心校准的“噪声”(随机数据)注入从设备收集的信息中来保护个人数据。

日内瓦大学的研究人员提出了另一项挑战:希望收集大量数据,以应对众筹可能对硬件造成的负担。如果用户担心手机会受到压力,他们可能会拒绝使用其他闲置传感器的应用程序。该项目正在研究用于在手机和用户之间分配此类负担的博弈论模型。在现场实验中,旧金山的志愿者下载了应用程序来映射城市的噪音水平,为当地政府收集有用的数据,同时测试在设备之间分配负载的竞争方法。

凭借其跨学科的方法,SwissSenseSynergy项目已经产生了新的技术,可以为研究和应用带来潜在的好处。该项目正在开发一种名为Vivo的新型实验架构,让志愿者参与实验阶段以支持应用程序开发。

SwissSenseSynergy项目

该项目聚集了四个合作伙伴:伯尔尼大学计算机科学研究所,日内瓦大学计算机科学系,SUPSI信息系统与网络研究所以及查尔姆斯理工大学计算机科学与工程系(瑞典)。Swiss Sense Synergy由SNSF的Sinergia项目资助,直至2017年底。