予算制約下での参加型センシングによるエネルギー効率的なイベント検出

参加型センシングパラダイムを用いた動的イベント検出は最近注目を集めており、検出タスクはスマートデバイスユーザーに割り当てられ、デバイス装備センサーから必要な感覚データを収集することができます。一般的なアプリケーションには、騒音や空気汚染の検出、人々の集まり、さらには災害予測などが含まれます。この問題を考慮すると、多くの既存の集中型ソリューションは効果的で広く使用されていますが、通常は重い通信オーバーヘッドを引き起こします。したがって、限られたセンサータスク予算で高い検出精度を達成しながら、エネルギー消費を減らすための分散型ソリューションを設計することが強く望まれています。本論文では、まず、最小カット理論とサポートベクターマシン（SVM）ベースのパターン認識技術を利用した2つの新しい集中型検出アルゴリズムを性能ベンチマークとして提示します。次に、タスク予算制約の下での新しい分散型でエネルギー効率的なイベント検出フレームワークを紹介し、最適化問題を定式化し、最適なユーティリティ関数を導出します。最後に、北京の都市地域での実際のトレース駆動データセットに基づく広範なシミュレーション結果が、提案したアルゴリズムの有効性を示しています。