【论文阅读】Edge Computing Architecture for Mobile Crowdsensing

移动群智感知的边缘计算架构

ABSTRACT 摘要

移动群智感知（MCS）是一种人为驱动的物联网服务，经过在移动中共享有关其环境的传感器数据，使公民可以观察我的，社区甚至社会价值的现象。传统的基于云的实现方式须要不少的计算资源和占用许多网络流量。边缘计算的引入带来的性能的优化由于大量数据处理和整合都在离数据源最近的本地进行。边缘计算的引入能够减小移动端的流量和促进MCS扩大规模。

本文经过在参考MEC架构中放置关键MCS特性，提出了适用于大规模MCS服务的边缘计算架构。它能够减小私有威胁，而且容许我的控制传感数据的流量。它支持数据分析和实时场景，且符合5G愿景，整合大量设备，实现须要低网络延迟的创新应用。咱们对在实际用户跟踪上执行的网络边缘处的分布式架构和服务从新配置引入的服务开销的分析代表，与上述优势相比，这种开销是可控的而且很小。当经过互操做性概念进行加强时，所提出的体系结构为创建MCS市场建立了一个环境，用于交换原始传感器数据和聚合/处理的信息。

INDEX TERMS 关键词：移动群智感知，移动边缘计算，移动群智感知功能架构，移动边缘计算参考架构

I.INTRODUCTION 介绍

移动群智感知（MCS）是一项人为驱动的活动，利用无线链接的普及性和各类具备内置感知功能的移动设备以及固有的用户移动性来建立密集和表征咱们环境的动态数据集。它得益于一个庞大的用户集和成为环境现象的丰富信息源的潜力。一个典型的场景是用户手机后台运行的程序在持续不断的手机传感器读取的信息。此类数据采集活动须要最少的用户参与而且在文献中被称为机会主义感知，与参与式感知相反，参与式感知须要积极的用户参与来建立传感器读数。MCS数据具备双重价值：1）线下用途：巨大的数据集做为大数据分析的输入，以发现隐藏的信息，这些信息是经过密集的时空测量难以覆盖的区域中的感知现象；2）实时用途：不断地数据处理能够产生上下文相关的提醒的警告，从云端发送给用户或大众的移动设备。

传统的MCS服务模式是基于云的集中式的（图1a），这种结构消耗大量资源去实时处理同时链接在云上的的设备请求，而且存储源源不断的数据集。云服务还进行设备管理，协调设备的感知任务，跟踪设备的上下文来选择最优数据源。用户的移动和时常内容变化会让信息很快就无效了，这须要对原始数据进行有效的实时处理以生成基于上下文的信息，而后在实时使用场景中以低传播延迟通知传递。

大规模集中MCS会产生如下问题：

• 移动无线网络和回程的负载太重
• 运行MCS的云服务器流量愈来愈大
• 计算代价昂贵，尤为是实时使用场景，由于不少设备频繁交换内容
• 信息传播延迟增长
• 用户隐私收到威胁，由于痕迹都被集中收集

移动边缘计算（MEC）引入边缘服务器层，将数据筛选、整合处理和存储都移动到了这个中间层（图1b）。除了在设备中就进行原始数据的处理外，边缘资源可用于处理/聚合由MCS任务中涉及的用户子集贡献的数据流，甚至能够自主支持实时使用场景，而无需联系云服务。

MEC在MCS环境中的主要优势以下：

• 并行性和问题空间的划分是基于位置空间的，这个位置空间内MEC服务器负责控制部署区域内移动设备的传感或管理这片区域内的MCS任务。
• 在移动设备和云服务器上都进行计算，边缘也能够进行数据处理任务
• 减小中心云服务器的计算复杂度，但这会增长任务安排的复杂度
• 减小传播时延，实时MCS使用时会通知移动设备
• 敏感数据在MEC服务器上进行分布和分区，所以减小了私人威胁

MEC完美的匹配了大规模MCS的须要，传感信息有MEC服务控制，与覆盖的区域相关的已提交的MCS任务想符合。尽管MEC在边缘提供有限的计算和存储资源，可是这并非弊端，由于一个边缘服务器只须要服务一片有限的地理区域。

在这篇文章中提出了一个适用于边缘计算环境的分层MCS模型，容许用户经过通告/订阅/发布通讯机制来控制所贡献的传感器数据，该机制还管理MCS任务向可以解决这些任务的设备的传播。咱们分析了表征MCS服务的特征，以提出适用于MEC环境的分层功能架构。这个架构将一小组功能部署在边缘计算资源中，为了知足将来大规模MCS的发展。

**MEC的分布式结构会带来高开销，由于须要编排MCS在边缘的服务，而且要进行从新配置，这是由参与任务的用户的移动所形成的。**本文经过用一组南韩用户轨迹的真实数据来研究前述的开销。咱们的分析显示，一少部分MSC服务须要部署在网络边缘，若是它们的从新配置时间比较小。所以提出的架构须要有小的和可控的开销，足以部署在MEC环境。

提出的解决方案创造了一个将来的MCS市场环境，人群感知数据和融合/处理的数据在各个领域中都被视做商品。这个市场须要部署互操做性的MCS服务。本文假设MCS服务在不一样领域是能够互操做的（使用同一接口，使用开放的通讯协议和标准化信息模型）。但不提供有关互操做性的进一步设计细节，由于它是一个复杂的问题

第II章：用一个例子代表目前的和将来的MCS服务的使用，以激发对大规模和可互操做解决方案的需求。

第III章：概述MCS和相关的通讯模型

第IV章：MCS服务的特征，而且将这些特征集成于一个MCS架构中，并将其置于第IV-C节的MEC参考架构中。

第V章：解决方案的评价。

第VI章：挑战，开元问题，机遇。

第VII章：调查相关工做。

第VIII章：结论。

II. SMART NEIGHBORHOOD USE CASE 案例

用一个案例说明市民合做给城市街区带来更高质量的生活。

图2中，John和Jane用MCS市场定义和部署任务，使用别的市民在市场贡献的数据。而且他们做为“工人”为旧邻居提供目前社区的数据。这是一个MCS数据做为商品在MCS市场中共享的例子。

III. MOBILE CROWDSENSING 移动群智感知

一个MCS市场包括需求提出者和工人在MCS服务中交互。一个通讯流起始于需求提出者建立一个新任务T，任务发送给MCS服务，它找到至少一个合格的工人愿意参与数据收集。每一个任务都由相关要求指定，任务必须在规定时间内获得相应。若是工人之间的能力至关，则MCS服务将任务传播给全部能够接受任务并处理的工人。数据传输给由MCS服务，MSC反过来须要收集任务请求者对数据质量的满意程度，这有关于任务相关工人的名誉。MCS服务必须控制数据产生过程，由于移动设备一般对数据金辉进行优先的过滤和融合，一般将全部原始读取数据传输给云端。因为用户是可移动的，在指定区域可能会产生大量的冗余数据，同时有些地区会缺乏可用数据，这使数据得到和设备管理变得复杂。在传统的MCS中，全部任务都由中心MCS云服务维护，它也对全部得到的数据进行管理。因为这种服务必须跟踪全部活跃任务合数据集的处理，它的实时表现就很是低效。

移动边缘计算能够减小MCS数据处理和任务执行负载，它将MCS任务分配到多个移动边缘服务器中去。如图3，移动边缘服务器负责子任务和它附近的工人。1.当一个新任务T提交给系统，2.云服务器将任务T分解成两个子任务Tx和Ty。3.云根据子任务所属的区域，将它们分别传送给相应的边缘服务器。4.在ME服务器上运行的MCS服务能够识别其所在区域内的全部潜在工做人员及其功能，由于工做人员在进入MCS服务负责的区域时宣布他们能够而且愿意用他们的用户设备测量的数据类型。5.所以，只有能够被工人测量的任务才会发送给用户设备，这能够防止用户设备过载，如Tx智慧发送给舍给UEi和UEk。6.工人开始产生原始数据，这些数据首先在它们的移动设备上进行筛选，而后经过ME1传输给MCS服务器。7.由于边缘服务器相比于移动设备有大量的计算能力，它们能够对接受到的数据进行处理和融合。MCS构建了一个区域数据模型，而后将融合数据模型传输给云。8.最后，云MCS基于来自各个边缘服务器的区域数据模型，构建了一个全球型数据模型，而且分析和提取一个大区域的感知现象的知识。同时，云能够融合不一样的传感数据。在实时MCS的使用时，对附近数据感兴趣的用户能够经过低延迟从边缘MCS服务中得到数据。如j像ME1发送兴趣描述，ME1若是有相关数据，他就将实时数据传输给j。

回顾MCS能够应用的领域，并指出MEC架构能够带来的好处：

• A. ENVIRONMENTAL MONITORING 环境监测

MCS应用应用于可穿戴传感设备来色量环境状况。为了手机密集的时空数据，传统的设备或者固定的气象站很难实现。由MEC设施支持的MCS架构能够协调同一区域的多个设备，减小通讯延迟以致相关的测量信息能够被收集起来进行设备校准和即时合做。

• B. TRAFFIC MONITORING 流量监测

MCS不须要特殊设施，设备打不扥市民都有。他能够用来监测道路拥塞和破坏、监测流量状况、寻找可用腾车位，识别市民移动方式等。本地MEC边缘服务器融合和筛选冗余数据。

• C. HEALTHCARE 保健

MCS应用部署在可穿戴设备中，以人为中心，活跃地进行感知。运用在社区层面能够鼓励市民多进行体育锻炼，一级帮助专家去识别特定病症不一样的症状和生活习惯。MEC的发展保护了我的隐私，由于用户数据是分布在多个ME服务器上的。

• D. SOCIAL SERVICES 社会服务

在这一领域须要不一样的MCS应用，基于用户主观意愿和我的感知信息，根据给出的建议去管理灾难和防止犯罪。可是这些服务须要快速的和位置信息交换，这些能够经过MEC技术的广播机制实现。

IV. MCS ARCHITECTURE ENABLED BY MEC 运用MEC的MCS框架

经过利用边缘处理资源来设计将来的MCS服务，咱们能够肯定影响MCS相关功能在新的分层和分布式架构中位置的转换，其中某些特征如今部署在多个MEC站点上，同时与云端相互协做。本节讨论了MCS服务的特有功能。

• A. MCS CHARACTERISTIC FEATURES MCS属性特征

Data (pre)processing 数据预处理将处理过程前置到数据产生处，大大减小了边缘和应用服务器的负载，而且节省了智能手机的资源。MCS服务奖数据在智能手机中进行处理，再传输到云端，减少数据规模。移动边缘服务器能够进一步进行数据融合，将最终结果发送给云进行长期存储。这种分级的处理方法能够有效地减小网络拥堵和节约设备能量。

Sampling mode 采样模式采样模式区分连续采样和触发采样。在监测过程当中，能够在后台触发连续采样，而用户是在进行另外一项活动，固然须要得到用户的赞成。

Sensing scope 感知范围分为三个层次：我的、群组和社区。我的范围是机遇我的的，群组范围包含了有共同目标的多个我的，社区范围是指必定规模的人都对同一事物感兴趣。群组和社区范围都受益于MEC技术，由于一个移动边缘服务器能够处理赞成地理位置的用户知识。

Device discovery 设备发现是强制性的非功能性需求，MCS服务须要有效地给任务匹配一个工人。 网络提供者运行ME主机，它知道哪一个边缘用户用户能够完成MCS任务，而且根据位置、能力和表现进行选择。

Mobility support移动支持能够控制大量用户频繁的位置变换。检测用户的移动方式，重点在人口密集和人口稀疏的地区，以至MCS服务能够指定措施有效地管理两种状况。

Energy management 能耗管理算则一些用户设备执行MCS任务同时让其余的设备处于就绪状态，来使能耗最低。智能能关管理确保一个用户更愿意去参与MCS任务，同时最终目标是增长任务完成量和知足感知质量水平。由于ME主机只能管理设备的其中一个子集，所以只能保证小规模的最优而不是使用云的全球能量最优。

Data analytics and storage 数据分析和存储用来对线下数据进行处理，进一步通茶数据。对历史数据进行融合，进行按需加工数据，好比统计分析和跨区域数据融合。这个功能指望在云服务器上进行。

User (and sensor node) reputation 用户信誉对的获得的数据集是否值得信任相当重要，它关乎于数据质量，由于收集的数据并无事先进行验证。没有惟一的方法来进行用户信誉的计算，由于每项服务都会使声誉机制适应其特定需求。须要一种分布式机制来进行计算，同时不能危害用户隐私。

Real-time processing实时处理数据处理和信息传播都须要实时进行。在高速变化的环境中，大量用户频繁的变化信息，可是服务仅须要发送最新数据。MEC架构知足尤为低的延迟需求，由于在边缘进行数据处理。它能够找到一条应用和服务端最短的路径进行信息取回。

Communication protocol通讯协议能够根据通讯能力区分两组设备。没有IP链接的资源限制设备用一种协议（蓝牙、Zigbee）与被当作是网关的智能设备进行通讯，有IP链接的用一种适用于物联网和MCS环境的协议，如CoAP或MQTT。智能设备能够做为用不一样通讯协议连接的设备和云之间的数据融合的中间结点。

Security and privacy 安全和隐私用户提供了位置数据或者富有敏感内容的信息，所以用户须要肯定敏感信息没有被误用。方法有匿名和端到端的数据保护。MEC不须要讲用户敏感信息传到云端，因此有效地提升安全和隐私保护。

除了以上功能，MCS服务还具备特定于域的功能，这些功能与感知节点的类型，用户参与（机会性或参与性），激励用户积极参与的激励以及测量用户对MCS服务质量的满意度有关。

• B. FUNCTIONAL MCS ARCHITECTURE 功能性MCS架构

基于MEC和MCS特征，咱们给出MCS四层功能性架构，如图4：

User Equipment 用户设备包括可穿戴传感设备、有各类传感功能的智能手机、人工传感器（激励机制对MCS任务的参与有很大影响）。原始数据在智能手机先进性处理，以建晒带宽和能耗。

Edge Computing layer 边缘计算层位于物理传感设备和云之间，靠近用户端附近。职责是管理区域内的工人、数据收集、处理和筛选数据同时进行数据融合。MCS服务能够重用关于ME服务器上的UE可用信息，以推断用户上下文，检测新的可用工做人员，监视用户移动性，以及以低延迟将在边缘建立的通知推送到UE。

Cloud Computing layer云计算层进行复杂数据分析和长期存储，同时实现各个MCS服务之间的交互，包括合做和数据交换。

Applications 应用程序应用程序是在云服务之上开发的，并提供给指定MCS任务的请求者，这些请求者要分析在收集的数据集之上执行的数据分析的结果。它们是特定于域的，能够包括不一样的接口，这些接口经过具备实时用户通知的Web和移动应用程序实现用户之间的数据可视化和知识共享。

安全性和隐私性，对各类通讯协议和实时处理的支持是全部架构层所需的通用功能，以确保在执行MCS服务期间的数据保护，并实现多个功能组件之间的交互和数据传播。

• C. ADAPTING THE MEC REFERENCE ARCHITECTURE TO MCS SERVICES 将MEC参考架构适用于MCS服务

MEC参考架构中的MCS功能组件，而且仅介绍边缘计算层的功能相关的。

MEC 参考架构识别主机和系统级别的功能实体，并定义可以在这些实体之间进行通讯的参考点。

根据MEC参考架构，能够在ME主机上将不一样的MCS服务部署为ME应用程序（参见图5）。 ME主机运行ME平台和虚拟化基础架构，为ME应用程序提供计算，存储和网络资源。 ME平台为MCS维护有价值的网络信息。MCS服务经过Mp1参考点与ME平台交互以消耗用于管理MCS任务的分配和工做者参与的网络运营商数据（例如，位置服务，带宽管理器服务等）。 此外，ME平台可用于将用户流量引导到部署在相应ME主机上的特定ME应用（即，MCS服务），由于它支持本地域名系统（DNS）代理/服务器的配置。 Mp3参考点容许在不一样ME主机中的两个并行MCS服务部署之间进行直接通讯，这能够用于相邻ME主机之间的直接通讯。 MEC RA中的交互流程以下：请求者经过面向客户的服务（CFS）门户向系统提交新的MCS任务。 它被提供给运营支持系统（OSS），这是负责ME应用程序实例化或终止的最高级别管理系统。 运营支持系统将此任务转发给ME协调器（MEO），ME 协调器是ME系统中的一个核心功能，能够查看整个ME网络的资源和功能。 因为MEO跟踪全部已部署的ME主机，它们的可用服务和资源，以及已经实例化的应用程序和网络拓扑，它能够根据位置区域将接收到的任务拆分为多个子任务，并将每一个子任务分配给相应的ME 主办。 此外，它还能够根据须要实例化新的MCS服务。 并行地，在UE上运行的MCS应用可使用Mx2参考点来直接与部署在负责特定区域中的UE的ME主机上的MCS服务通讯（例如，UE能够宣布其能力，设置服务和 提交感知数据）。 用户应用程序生命周期管理代理（用户AppLCMProxy）将受权收到的请求并将其转发给OSS和ME Orchestrator以进行进一步处理。

如图5所示，MEC体系结构的其余组件（如ME平台管理器和虚拟基础设施管理器）不会直接受MCS服务部署的影响。它们协调和管理ME主机的正常工做操做，即，它们处理特定ME主机上的特定功能的管理以及在其上运行的全部应用程序。 在MCS环境中，他们负责根据定义的任务和可用的工做人员在ME主机上编排MCS服务。

V. EVALUATION 评估

将介绍对MCS提议的MEC架构的评估，以调查因为须要在网络边缘编排MCS服务而产生的开销。开销跟用户移动模式有关，所以须要查看MCS服务分部和MEC环境重配置的真实数据集。数据集是南韩2011.3-2012.9，85个用户用智能手机应用程序贡献了他们的位置信息。一个用户平均使用该应用程序79天。用户已经标记了13,500个不一样的地方，其中包含从蜂窝网络提供商，智能手机GPS传感器，无线模块，麦克风和摄像头获取的信息。该数据集最初用于自主位置检测，所以咱们须要对其进行处理以知足咱们模拟大型用户群移动的须要，这足以知足MCS部署的要求。

首先过滤数据集以删除用户签入与精确位置或时间戳无关的条目。过滤后的数据集包含来自67个惟一身份用户的151,649个用户签到。接下来，咱们基于用户标识符和日期拆分过滤集，由于惟一用户的数量过小而没法调查真实的MCS场景。所以，咱们从单个真实用户的跟踪中建立了一天的多个虚拟用户跟踪。每一个切片（即用户日切片是在一天内具备用户登记的集合）表示一天期间虚拟用户的移动模式。在咱们的评估中，将进一步使用总共7,724个虚拟用户和关联的用户日跟踪。因为数据集不包含MCS中预期的高采样频率的用户位置信息，所以咱们经过在两次连续签到之间插入预期用户位置，建立了采样频率为1分钟的附加签到。这将建立一个真实的MCS数据跟踪，总共有470万个用户位置条目（每一个用户平均有600个位置条目）。

对建立的MCS数据集的分析代表，城市区域中的用户行为高度依赖于执行分析的时隙和表示单个位置上下文的小区中的用户的地理分组。 对于地理分组，即在广阔的城市区域肯定独特的小区，咱们使用军事网格参考系统（MGRS）[25] .MGRS是用于定位地球上的点的参考系统。 它支持1米到100千米的精度，适合在城市和农村地区使用。 在咱们的评估中，咱们使用10平方千米的小区，其中单个MGRS小区与一个MEC实例相关联，即，咱们假设每一个MGRScell部署单个ME主机，覆盖能够在城市环境中密集分布的几个蜂窝天线。 这与[7]中提出的MEC服务器的建议部署一致。请注意，从如今开始，咱们使用术语MEC cell来指代具备已部署的ME主机的MGRS区域。

影响相应MEC小区中MCS服务部署的第二个重要参数是观察用户行为的时间段。 长时间不适合MCS服务，由于城市地区的用户分布在一天内是不稳定的。 特别地，一天内的不一样时段表现出不一样的特征（例如，早上出行的用户在城市的商业区工做，而他们在下午分散在郊区或市中心）。 咱们决定经过将观察时间段从15分钟改成24小时来分析一天中MEC环境中MCS服务的行为。 咱们假设全部时隙都是独立的，而且若是在MEC单元内的这段时间内至少有一个用户贡献MCS数据，则在整个时隙期间部署在ME主机上的MCS服务是活动的。 关于在一天中的城市地区的用户分布的进一步看法能够在咱们以前的工做[15]中找到，其中相同的数据集用于评估假设基于云的架构的不一样MCS收集技术。

首先，咱们分析在改变时隙长度时，并行活动的来收集用户MCS数据的MEC单元数量。更具体地，咱们计算了在观察到的时隙中有多少MEC小区须要活动MCS服务，由于至少一个用户在ME主机覆盖的区域中贡献数据。

表1表示了，执行MCS服务的MEC单元的最小，最大和平均数。这代表，若是按小时从新配置服务，则相对少许的MEC单元须要具备活动的MCS服务。

图6分析了表1中一成天的数据。它显示了一天内活动MEC单元的数量，具体取决于时隙持续时间。正如预期的那样，因为用户的移动性增长，活动小区的数量在更长的时隙中增加，而且它们能够跨越多个MEC小区，其中MCS服务实例在整个时隙期间保持活动，即便在没有用户为特定服务生成数据。这代表MCS服务的活动周期应该相对短一些，可是MCS服务的每次从新配置也是昂贵的，所以应该仔细选择。

接下来，为了分析从新配置MCS服务的需求，咱们研究了特定MEC单元在一天内的活动时间。

咱们能够看到，在一成天中只有少数MEC单元包含活跃用户，而大量单元活动时间不到三分之一天，这意味着能够经过仅当用户在那些时隙中确实访问它们时才将不太经常使用的MEC中激活MCS服务来节省成本，（即，当MEC单元为空时不使MCS服务保持活动状态）。

在15-120分钟的固定时间间隔内从新评估服务执行生命周期，检查是否 MEC区域中仍然有活跃的用户。咱们能够看到，若是服务执行受到更短的时间间隔的限制，能够实现显着的节省。这表示不须要在一天内保持全部MEC单元活动，而是在用户确实访问时在MEC单元中启动MCS服务。

最后，咱们分析了用户移动性对MCS部署的影响。

图8显示了单个时隙期间访问的MEC单元数量的分布，其中x轴显示了不一样访问单元的数量，y轴显示了用户数量。跟踪用户是不切实际的，而是用户在实际想要提供感兴趣的数据时向服务报告。因为从云中央存储中获取用户特定数据须要额外开销，用户对MCS服务的签入和签出的开销高于MEC单元更改的成本，可是在访问单元数量很是多的状况能够获利。此外，MEC基础架构能够经过ME主机实例之间的直接数据交换来减小传统云MCS服务部署中存在的开销，从而支持用户上下文更改（主要是位置更新），这也有利于MCS服务实例的较短活动周期。

VI. DISCUSSION AND OPEN ISSUES 讨论和公开问题

边缘计算适合下一代MCS服务的技术，能够执行异构和大规模MCS任务，用户能够控制贡献的数据，同时还能够得到足够的回报。为了在MEC之上充分利用MCS服务的潜力，须要解决如下开放性问题和挑战：

覆盖不一样域和现象的MCS部署之间的互通性对于为各类MCS任务重用相同的用户群相当重要。第一方面使得可以在MEC环境中运行的MCS服务之间共享用户生成的数据。第二方面涉及网络/ ME主机运营商和MCS服务之间的数据共享。

丰富的用户上下文将表示具备单个配置文件的用户从网络运营商和MCS服务域收集全部用户相关信息。此类用户配置文件将为全部相关方的利益提供对用户行为的更深刻理解。用户以最小的开销参与MCS任务，网络运营商更好地了解用户需求而且能够提供个性化的客户服务，而MCS服务能够优化MCS任务的管理和所需资源的消耗。

隐私和安全性对于MCS和MEC来讲都是一个微妙的问题，由于这两种环境都与用户环境密不可分。MEC技术为MCS数据的安全性带来了积极的好处，主要是因为分布式存储及其边缘聚合，所以单个漏洞不会暴露全部用户数据。 此外，从隐私角度来看，这种分布式操做是有益的，可是也受到之前的开放问题须要单个用户配置文件的挑战。一个开放但相当重要的问题是确保用户能够在全部服务级别上保护敏感数据，从而保护用户数据，以便在未经用户赞成的状况下，第三方不会滥用或使用上下文用户数据。

须要经过MEC虚拟化基础架构来启用MCS服务的编排，该基础架构将在足够的边缘资源上启动MCS服务，以知足MCS任务的需求并考虑可用的工人。 此外，它须要规范MCS服务生命周期，设置服务执行的职责，为数据存储提供位置，并定义数据全部权和访问权限的规则。

链接到同一边缘服务器的用户之间的任务调度和优化很大程度上取决于他们的地理位置，移动模式和信誉级别以及活动MCS任务的要求。能够在ME服务器上部署不一样的算法，以最小化移动设备的能耗，成本和执行时间，同时知足感知覆盖并确保QoS。此外，MCS任务的地理分布和部署在ME服务器上的MCS服务的类型也将对所提出的系统的性能产生影响。因为在ME服务器上处理任务而且无需将全部数据发送到后端云，所以能够实现显着的节能并减小延迟。

为了充分利用这种新的MCS环境的潜力，并结合共享经济，咱们设想一个开放的MCS市场，它能够与愿意提供传感器数据的工做人员即时匹配各类传感任务，同时对于不破坏平常活动的任务提供适当的激励措施。 可是，它须要充分解决上述挑战，以创造涉及各利益相关方的新业务模式。 市场能够由网络提供商运营，网络提供商是全部相关方都信任的实体。 这样的市场和新颖的分层和可互操做的MCS环境将为中小企业和初创公司开发新型MCS应用程序提供机会，这些应用程序不只仅依赖于他们本身的用户群。

VII. RELATED WORK 相关工做

咱们超越了最早进的技术，由于咱们提出了适用于边缘计算环境的MCS通用模型。咱们还为适用于边缘计算环境的MCS服务定义了4层通用功能架构，其中顶层用于应用目的。 此外，在本文中，咱们提供了实如今ME主机上部署的可互操做MCS服务的看法，而其余论文则专一于为MCS服务提供单一辈子态系统。

VIII. CONCLUSION 结论

移动群智感知是一种人为驱动的范例，由普通公民受权，他们经过移动设备和可穿戴设备贡献和共享传感器数据。这是共享经济的真实例子，其中生成的传感器数据表明共享资源，而且须要可扩展和可互操做的技术解决方案来建立涉及大量用户和各类利益相关者的MCS的下一代市场。

本文介绍了MCS服务的分层和大规模部署的参考体系结构，该体系结构假定使用边缘计算资源来分散MCS服务并提升其性能。移动边缘计算将计算和存储带到移动网络的边缘，在用户附近提供MCS服务。此类体系结构的目标是简化服务执行并提升服务质量，主要是经过减小数据处理的延迟和复杂性。咱们对须要从新配置边缘MCS服务的分布式体系结构引入的服务开销的分析代表，这种开销是可控的，而且很小，特别是对于网络边缘的MCS服务的较短从新配置周期。 所以，它表明了一种有前途的方法，能够实现大规模的下一代MCS市场。

论文结构

出处

Marjanović, Martina; Antonić, Aleksandar; Podnar Žarko, et al. Edge computing architecture for mobile crowdsensing[J]. IEEE Access, 2018.

xueshu.baidu.com/usercenter/…