【論文閱讀】Edge Computing Architecture for Mobile Crowdsensing

移動羣智感知的邊緣計算架構

ABSTRACT 摘要

移動羣智感知（MCS）是一種人爲驅動的物聯網服務，經過在移動中共享有關其環境的傳感器數據，使公民可以觀察我的，社區甚至社會價值的現象。傳統的基於雲的實現方式須要不少的計算資源和佔用許多網絡流量。邊緣計算的引入帶來的性能的優化由於大量數據處理和整合都在離數據源最近的本地進行。邊緣計算的引入能夠減小移動端的流量和促進MCS擴大規模。

本文經過在參考MEC架構中放置關鍵MCS特性，提出了適用於大規模MCS服務的邊緣計算架構。它能夠減小私有威脅，而且容許我的控制傳感數據的流量。它支持數據分析和實時場景，且符合5G願景，整合大量設備，實現須要低網絡延遲的創新應用。咱們對在實際用戶跟蹤上執行的網絡邊緣處的分佈式架構和服務從新配置引入的服務開銷的分析代表，與上述優勢相比，這種開銷是可控的而且很小。當經過互操做性概念進行加強時，所提出的體系結構爲創建MCS市場建立了一個環境，用於交換原始傳感器數據和聚合/處理的信息。

INDEX TERMS 關鍵詞：移動羣智感知，移動邊緣計算，移動羣智感知功能架構，移動邊緣計算參考架構

I.INTRODUCTION 介紹

移動羣智感知（MCS）是一項人爲驅動的活動，利用無線鏈接的普及性和各類具備內置感知功能的移動設備以及固有的用戶移動性來建立密集和表徵咱們環境的動態數據集。它得益於一個龐大的用戶集和成爲環境現象的豐富信息源的潛力。一個典型的場景是用戶手機後臺運行的程序在持續不斷的手機傳感器讀取的信息。此類數據採集活動須要最少的用戶參與而且在文獻中被稱爲機會主義感知，與參與式感知相反，參與式感知須要積極的用戶參與來建立傳感器讀數。MCS數據具備雙重價值：1）線下用途：巨大的數據集做爲大數據分析的輸入，以發現隱藏的信息，這些信息是經過密集的時空測量難以覆蓋的區域中的感知現象；2）實時用途：不斷地數據處理能夠產生上下文相關的提醒的警告，從雲端發送給用戶或大衆的移動設備。

傳統的MCS服務模式是基於雲的集中式的（圖1a），這種結構消耗大量資源去實時處理同時鏈接在雲上的的設備請求，而且存儲源源不斷的數據集。雲服務還進行設備管理，協調設備的感知任務，跟蹤設備的上下文來選擇最優數據源。用戶的移動和時常內容變化會讓信息很快就無效了，這須要對原始數據進行有效的實時處理以生成基於上下文的信息，而後在實時使用場景中以低傳播延遲通知傳遞。

大規模集中MCS會產生如下問題：

• 移動無線網絡和回程的負載太重
• 運行MCS的雲服務器流量愈來愈大
• 計算代價昂貴，尤爲是實時使用場景，由於不少設備頻繁交換內容
• 信息傳播延遲增長
• 用戶隱私收到威脅，由於痕跡都被集中收集

移動邊緣計算（MEC）引入邊緣服務器層，將數據篩選、整合處理和存儲都移動到了這個中間層（圖1b）。除了在設備中就進行原始數據的處理外，邊緣資源可用於處理/聚合由MCS任務中涉及的用戶子集貢獻的數據流，甚至能夠自主支持實時使用場景，而無需聯繫雲服務。

MEC在MCS環境中的主要優勢以下：

• 並行性和問題空間的劃分是基於位置空間的，這個位置空間內MEC服務器負責控制部署區域內移動設備的傳感或管理這片區域內的MCS任務。
• 在移動設備和雲服務器上都進行計算，邊緣也能夠進行數據處理任務
• 減小中心雲服務器的計算複雜度，但這會增長任務安排的複雜度
• 減小傳播時延，實時MCS使用時會通知移動設備
• 敏感數據在MEC服務器上進行分佈和分區，所以減小了私人威脅

MEC完美的匹配了大規模MCS的須要，傳感信息有MEC服務控制，與覆蓋的區域相關的已提交的MCS任務想符合。儘管MEC在邊緣提供有限的計算和存儲資源，可是這並非弊端，由於一個邊緣服務器只須要服務一片有限的地理區域。

在這篇文章中提出了一個適用於邊緣計算環境的分層MCS模型，容許用戶經過通告/訂閱/發佈通訊機制來控制所貢獻的傳感器數據，該機制還管理MCS任務向可以解決這些任務的設備的傳播。咱們分析了表徵MCS服務的特徵，以提出適用於MEC環境的分層功能架構。這個架構將一小組功能部署在邊緣計算資源中，爲了知足將來大規模MCS的發展。

**MEC的分佈式結構會帶來高開銷，由於須要編排MCS在邊緣的服務，而且要進行從新配置，這是由參與任務的用戶的移動所形成的。**本文經過用一組南韓用戶軌跡的真實數據來研究前述的開銷。咱們的分析顯示，一少部分MSC服務須要部署在網絡邊緣，若是它們的從新配置時間比較小。所以提出的架構須要有小的和可控的開銷，足以部署在MEC環境。

提出的解決方案創造了一個將來的MCS市場環境，人羣感知數據和融合/處理的數據在各個領域中都被視做商品。這個市場須要部署互操做性的MCS服務。本文假設MCS服務在不一樣領域是能夠互操做的（使用同一接口，使用開放的通訊協議和標準化信息模型）。但不提供有關互操做性的進一步設計細節，由於它是一個複雜的問題

第II章：用一個例子代表目前的和將來的MCS服務的使用，以激發對大規模和可互操做解決方案的需求。

第III章：概述MCS和相關的通訊模型

第IV章：MCS服務的特徵，而且將這些特徵集成於一個MCS架構中，並將其置於第IV-C節的MEC參考架構中。

第V章：解決方案的評價。

第VI章：挑戰，開元問題，機遇。

第VII章：調查相關工做。

第VIII章：結論。

II. SMART NEIGHBORHOOD USE CASE 案例

用一個案例說明市民合做給城市街區帶來更高質量的生活。

圖2中，John和Jane用MCS市場定義和部署任務，使用別的市民在市場貢獻的數據。而且他們做爲「工人」爲舊鄰居提供目前社區的數據。這是一個MCS數據做爲商品在MCS市場中共享的例子。

III. MOBILE CROWDSENSING 移動羣智感知

一個MCS市場包括需求提出者和工人在MCS服務中交互。一個通訊流起始於需求提出者建立一個新任務T，任務發送給MCS服務，它找到至少一個合格的工人願意參與數據收集。每一個任務都由相關要求指定，任務必須在規定時間內獲得相應。若是工人之間的能力至關，則MCS服務將任務傳播給全部能夠接受任務並處理的工人。數據傳輸給由MCS服務，MSC反過來須要收集任務請求者對數據質量的滿意程度，這有關於任務相關工人的名譽。MCS服務必須控制數據產生過程，由於移動設備一般對數據金輝進行優先的過濾和融合，一般將全部原始讀取數據傳輸給雲端。因爲用戶是可移動的，在指定區域可能會產生大量的冗餘數據，同時有些地區會缺乏可用數據，這使數據得到和設備管理變得複雜。在傳統的MCS中，全部任務都由中心MCS雲服務維護，它也對全部得到的數據進行管理。因爲這種服務必須跟蹤全部活躍任務合數據集的處理，它的實時表現就很是低效。

移動邊緣計算能夠減小MCS數據處理和任務執行負載，它將MCS任務分配到多個移動邊緣服務器中去。如圖3，移動邊緣服務器負責子任務和它附近的工人。1.當一個新任務T提交給系統，2.雲服務器將任務T分解成兩個子任務Tx和Ty。3.雲根據子任務所屬的區域，將它們分別傳送給相應的邊緣服務器。4.在ME服務器上運行的MCS服務能夠識別其所在區域內的全部潛在工做人員及其功能，由於工做人員在進入MCS服務負責的區域時宣佈他們能夠而且願意用他們的用戶設備測量的數據類型。5.所以，只有能夠被工人測量的任務纔會發送給用戶設備，這能夠防止用戶設備過載，如Tx智慧發送給舍給UEi和UEk。6.工人開始產生原始數據，這些數據首先在它們的移動設備上進行篩選，而後經過ME1傳輸給MCS服務器。7.由於邊緣服務器相比於移動設備有大量的計算能力，它們能夠對接受到的數據進行處理和融合。MCS構建了一個區域數據模型，而後將融合數據模型傳輸給雲。8.最後，雲MCS基於來自各個邊緣服務器的區域數據模型，構建了一個全球型數據模型，而且分析和提取一個大區域的感知現象的知識。同時，雲能夠融合不一樣的傳感數據。在實時MCS的使用時，對附近數據感興趣的用戶能夠經過低延遲從邊緣MCS服務中得到數據。如j像ME1發送興趣描述，ME1若是有相關數據，他就將實時數據傳輸給j。

回顧MCS能夠應用的領域，並指出MEC架構能夠帶來的好處：

• A. ENVIRONMENTAL MONITORING 環境監測

MCS應用應用於可穿戴傳感設備來色量環境狀況。爲了手機密集的時空數據，傳統的設備或者固定的氣象站很難實現。由MEC設施支持的MCS架構能夠協調同一區域的多個設備，減小通訊延遲以致相關的測量信息能夠被收集起來進行設備校準和即時合做。

• B. TRAFFIC MONITORING 流量監測

MCS不須要特殊設施，設備打不扥市民都有。他能夠用來監測道路擁塞和破壞、監測流量狀況、尋找可用騰車位，識別市民移動方式等。本地MEC邊緣服務器融合和篩選冗餘數據。

• C. HEALTHCARE 保健

MCS應用部署在可穿戴設備中，以人爲中心，活躍地進行感知。運用在社區層面能夠鼓勵市民多進行體育鍛煉，一級幫助專家去識別特定病症不一樣的症狀和生活習慣。MEC的發展保護了我的隱私，由於用戶數據是分佈在多個ME服務器上的。

• D. SOCIAL SERVICES 社會服務

在這一領域須要不一樣的MCS應用，基於用戶主觀意願和我的感知信息，根據給出的建議去管理災難和防止犯罪。可是這些服務須要快速的和位置信息交換，這些能夠經過MEC技術的廣播機制實現。

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

經過利用邊緣處理資源來設計將來的MCS服務，咱們能夠肯定影響MCS相關功能在新的分層和分佈式架構中位置的轉換，其中某些特徵如今部署在多個MEC站點上，同時與雲端相互協做。本節討論了MCS服務的特有功能。

• A. MCS CHARACTERISTIC FEATURES MCS屬性特徵

Data (pre)processing 數據預處理將處理過程前置到數據產生處，大大減小了邊緣和應用服務器的負載，而且節省了智能手機的資源。MCS服務獎數據在智能手機中進行處理，再傳輸到雲端，減少數據規模。移動邊緣服務器能夠進一步進行數據融合，將最終結果發送給雲進行長期存儲。這種分級的處理方法能夠有效地減小網絡擁堵和節約設備能量。

Sampling mode 採樣模式採樣模式區分連續採樣和觸發採樣。在監測過程當中，能夠在後臺觸發連續採樣，而用戶是在進行另外一項活動，固然須要得到用戶的贊成。

Sensing scope 感知範圍分爲三個層次：我的、羣組和社區。我的範圍是機遇我的的，羣組範圍包含了有共同目標的多個我的，社區範圍是指必定規模的人都對同一事物感興趣。羣組和社區範圍都受益於MEC技術，由於一個移動邊緣服務器能夠處理贊成地理位置的用戶知識。

Device discovery 設備發現是強制性的非功能性需求，MCS服務須要有效地給任務匹配一個工人。 網絡提供者運行ME主機，它知道哪一個邊緣用戶用戶能夠完成MCS任務，而且根據位置、能力和表現進行選擇。

Mobility support移動支持能夠控制大量用戶頻繁的位置變換。檢測用戶的移動方式，重點在人口密集和人口稀疏的地區，以至MCS服務能夠指定措施有效地管理兩種狀況。

Energy management 能耗管理算則一些用戶設備執行MCS任務同時讓其餘的設備處於就緒狀態，來使能耗最低。智能能關管理確保一個用戶更願意去參與MCS任務，同時最終目標是增長任務完成量和知足感知質量水平。由於ME主機只能管理設備的其中一個子集，所以只能保證小規模的最優而不是使用雲的全球能量最優。

Data analytics and storage 數據分析和存儲用來對線下數據進行處理，進一步通茶數據。對歷史數據進行融合，進行按需加工數據，好比統計分析和跨區域數據融合。這個功能指望在雲服務器上進行。

User (and sensor node) reputation 用戶信譽對的獲得的數據集是否值得信任相當重要，它關乎於數據質量，由於收集的數據並無事先進行驗證。沒有惟一的方法來進行用戶信譽的計算，由於每項服務都會使聲譽機制適應其特定需求。須要一種分佈式機制來進行計算，同時不能危害用戶隱私。

Real-time processing實時處理數據處理和信息傳播都須要實時進行。在高速變化的環境中，大量用戶頻繁的變化信息，可是服務僅須要發送最新數據。MEC架構知足尤爲低的延遲需求，由於在邊緣進行數據處理。它能夠找到一條應用和服務端最短的路徑進行信息取回。

Communication protocol通訊協議能夠根據通訊能力區分兩組設備。沒有IP鏈接的資源限制設備用一種協議（藍牙、Zigbee）與被當作是網關的智能設備進行通訊，有IP鏈接的用一種適用於物聯網和MCS環境的協議，如CoAP或MQTT。智能設備能夠做爲用不一樣通訊協議連接的設備和雲之間的數據融合的中間結點。

Security and privacy 安全和隱私用戶提供了位置數據或者富有敏感內容的信息，所以用戶須要肯定敏感信息沒有被誤用。方法有匿名和端到端的數據保護。MEC不須要講用戶敏感信息傳到雲端，因此有效地提升安全和隱私保護。

除了以上功能，MCS服務還具備特定於域的功能，這些功能與感知節點的類型，用戶參與（機會性或參與性），激勵用戶積極參與的激勵以及測量用戶對MCS服務質量的滿意度有關。

• B. FUNCTIONAL MCS ARCHITECTURE 功能性MCS架構

基於MEC和MCS特徵，咱們給出MCS四層功能性架構，如圖4：

User Equipment 用戶設備包括可穿戴傳感設備、有各類傳感功能的智能手機、人工傳感器（激勵機制對MCS任務的參與有很大影響）。原始數據在智能手機先進性處理，以建曬帶寬和能耗。

Edge Computing layer 邊緣計算層位於物理傳感設備和雲之間，靠近用戶端附近。職責是管理區域內的工人、數據收集、處理和篩選數據同時進行數據融合。MCS服務能夠重用關於ME服務器上的UE可用信息，以推斷用戶上下文，檢測新的可用工做人員，監視用戶移動性，以及以低延遲將在邊緣建立的通知推送到UE。

Cloud Computing layer雲計算層進行復雜數據分析和長期存儲，同時實現各個MCS服務之間的交互，包括合做和數據交換。

Applications 應用程序應用程序是在雲服務之上開發的，並提供給指定MCS任務的請求者，這些請求者要分析在收集的數據集之上執行的數據分析的結果。它們是特定於域的，能夠包括不一樣的接口，這些接口經過具備實時用戶通知的Web和移動應用程序實現用戶之間的數據可視化和知識共享。

安全性和隱私性，對各類通訊協議和實時處理的支持是全部架構層所需的通用功能，以確保在執行MCS服務期間的數據保護，並實現多個功能組件之間的交互和數據傳播。

• C. ADAPTING THE MEC REFERENCE ARCHITECTURE TO MCS SERVICES 將MEC參考架構適用於MCS服務

MEC參考架構中的MCS功能組件，而且僅介紹邊緣計算層的功能相關的。

MEC 參考架構識別主機和系統級別的功能實體，並定義可以在這些實體之間進行通訊的參考點。

根據MEC參考架構，能夠在ME主機上將不一樣的MCS服務部署爲ME應用程序（參見圖5）。 ME主機運行ME平臺和虛擬化基礎架構，爲ME應用程序提供計算，存儲和網絡資源。 ME平臺爲MCS維護有價值的網絡信息。MCS服務經過Mp1參考點與ME平臺交互以消耗用於管理MCS任務的分配和工做者參與的網絡運營商數據（例如，位置服務，帶寬管理器服務等）。 此外，ME平臺可用於將用戶流量引導到部署在相應ME主機上的特定ME應用（即，MCS服務），由於它支持本地域名系統（DNS）代理/服務器的配置。 Mp3參考點容許在不一樣ME主機中的兩個並行MCS服務部署之間進行直接通訊，這能夠用於相鄰ME主機之間的直接通訊。 MEC RA中的交互流程以下：請求者經過面向客戶的服務（CFS）門戶向系統提交新的MCS任務。 它被提供給運營支持系統（OSS），這是負責ME應用程序實例化或終止的最高級別管理系統。 運營支持系統將此任務轉發給ME協調器（MEO），ME 協調器是ME系統中的一個核心功能，能夠查看整個ME網絡的資源和功能。 因爲MEO跟蹤全部已部署的ME主機，它們的可用服務和資源，以及已經實例化的應用程序和網絡拓撲，它能夠根據位置區域將接收到的任務拆分爲多個子任務，並將每一個子任務分配給相應的ME 主辦。 此外，它還能夠根據須要實例化新的MCS服務。 並行地，在UE上運行的MCS應用可使用Mx2參考點來直接與部署在負責特定區域中的UE的ME主機上的MCS服務通訊（例如，UE能夠宣佈其能力，設置服務和 提交感知數據）。 用戶應用程序生命週期管理代理（用戶AppLCMProxy）將受權收到的請求並將其轉發給OSS和ME Orchestrator以進行進一步處理。

如圖5所示，MEC體系結構的其餘組件（如ME平臺管理器和虛擬基礎設施管理器）不會直接受MCS服務部署的影響。它們協調和管理ME主機的正常工做操做，即，它們處理特定ME主機上的特定功能的管理以及在其上運行的全部應用程序。 在MCS環境中，他們負責根據定義的任務和可用的工做人員在ME主機上編排MCS服務。

V. EVALUATION 評估

將介紹對MCS提議的MEC架構的評估，以調查因爲須要在網絡邊緣編排MCS服務而產生的開銷。開銷跟用戶移動模式有關，所以須要查看MCS服務分部和MEC環境重配置的真實數據集。數據集是南韓2011.3-2012.9，85個用戶用智能手機應用程序貢獻了他們的位置信息。一個用戶平均使用該應用程序79天。用戶已經標記了13,500個不一樣的地方，其中包含從蜂窩網絡提供商，智能手機GPS傳感器，無線模塊，麥克風和攝像頭獲取的信息。該數據集最初用於自主位置檢測，所以咱們須要對其進行處理以知足咱們模擬大型用戶羣移動的須要，這足以知足MCS部署的要求。

首先過濾數據集以刪除用戶簽入與精確位置或時間戳無關的條目。過濾後的數據集包含來自67個惟一身份用戶的151,649個用戶簽到。接下來，咱們基於用戶標識符和日期拆分過濾集，由於惟一用戶的數量過小而沒法調查真實的MCS場景。所以，咱們從單個真實用戶的跟蹤中建立了一天的多個虛擬用戶跟蹤。每一個切片（即用戶日切片是在一天內具備用戶登記的集合）表示一天期間虛擬用戶的移動模式。在咱們的評估中，將進一步使用總共7,724個虛擬用戶和關聯的用戶日跟蹤。因爲數據集不包含MCS中預期的高採樣頻率的用戶位置信息，所以咱們經過在兩次連續簽到之間插入預期用戶位置，建立了採樣頻率爲1分鐘的附加簽到。這將建立一個真實的MCS數據跟蹤，總共有470萬個用戶位置條目（每一個用戶平均有600個位置條目）。

對建立的MCS數據集的分析代表，城市區域中的用戶行爲高度依賴於執行分析的時隙和表示單個位置上下文的小區中的用戶的地理分組。 對於地理分組，即在廣闊的城市區域肯定獨特的小區，咱們使用軍事網格參考系統（MGRS）[25] .MGRS是用於定位地球上的點的參考系統。 它支持1米到100千米的精度，適合在城市和農村地區使用。 在咱們的評估中，咱們使用10平方千米的小區，其中單個MGRS小區與一個MEC實例相關聯，即，咱們假設每一個MGRScell部署單個ME主機，覆蓋能夠在城市環境中密集分佈的幾個蜂窩天線。 這與[7]中提出的MEC服務器的建議部署一致。請注意，從如今開始，咱們使用術語MEC cell來指代具備已部署的ME主機的MGRS區域。

影響相應MEC小區中MCS服務部署的第二個重要參數是觀察用戶行爲的時間段。 長時間不適合MCS服務，由於城市地區的用戶分佈在一天內是不穩定的。 特別地，一天內的不一樣時段表現出不一樣的特徵（例如，早上出行的用戶在城市的商業區工做，而他們在下午分散在郊區或市中心）。 咱們決定經過將觀察時間段從15分鐘改成24小時來分析一天中MEC環境中MCS服務的行爲。 咱們假設全部時隙都是獨立的，而且若是在MEC單元內的這段時間內至少有一個用戶貢獻MCS數據，則在整個時隙期間部署在ME主機上的MCS服務是活動的。 關於在一天中的城市地區的用戶分佈的進一步看法能夠在咱們以前的工做[15]中找到，其中相同的數據集用於評估假設基於雲的架構的不一樣MCS收集技術。

首先，咱們分析在改變時隙長度時，並行活動的來收集用戶MCS數據的MEC單元數量。更具體地，咱們計算了在觀察到的時隙中有多少MEC小區須要活動MCS服務，由於至少一個用戶在ME主機覆蓋的區域中貢獻數據。

表1表示了，執行MCS服務的MEC單元的最小，最大和平均數。這代表，若是按小時從新配置服務，則相對少許的MEC單元須要具備活動的MCS服務。

圖6分析了表1中一成天的數據。它顯示了一天內活動MEC單元的數量，具體取決於時隙持續時間。正如預期的那樣，因爲用戶的移動性增長，活動小區的數量在更長的時隙中增加，而且它們能夠跨越多個MEC小區，其中MCS服務實例在整個時隙期間保持活動，即便在沒有用戶爲特定服務生成數據。這代表MCS服務的活動週期應該相對短一些，可是MCS服務的每次從新配置也是昂貴的，所以應該仔細選擇。

接下來，爲了分析從新配置MCS服務的需求，咱們研究了特定MEC單元在一天內的活動時間。

咱們能夠看到，在一成天中只有少數MEC單元包含活躍用戶，而大量單元活動時間不到三分之一天，這意味着能夠經過僅當用戶在那些時隙中確實訪問它們時纔將不太經常使用的MEC中激活MCS服務來節省成本，（即，當MEC單元爲空時不使MCS服務保持活動狀態）。

在15-120分鐘的固定時間間隔內從新評估服務執行生命週期，檢查是否 MEC區域中仍然有活躍的用戶。咱們能夠看到，若是服務執行受到更短的時間間隔的限制，能夠實現顯着的節省。這表示不須要在一天內保持全部MEC單元活動，而是在用戶確實訪問時在MEC單元中啓動MCS服務。

最後，咱們分析了用戶移動性對MCS部署的影響。

圖8顯示了單個時隙期間訪問的MEC單元數量的分佈，其中x軸顯示了不一樣訪問單元的數量，y軸顯示了用戶數量。跟蹤用戶是不切實際的，而是用戶在實際想要提供感興趣的數據時向服務報告。因爲從雲中央存儲中獲取用戶特定數據須要額外開銷，用戶對MCS服務的簽入和簽出的開銷高於MEC單元更改的成本，可是在訪問單元數量很是多的狀況能夠獲利。此外，MEC基礎架構能夠經過ME主機實例之間的直接數據交換來減小傳統雲MCS服務部署中存在的開銷，從而支持用戶上下文更改（主要是位置更新），這也有利於MCS服務實例的較短活動週期。

VI. DISCUSSION AND OPEN ISSUES 討論和公開問題

邊緣計算適合下一代MCS服務的技術，能夠執行異構和大規模MCS任務，用戶能夠控制貢獻的數據，同時還能夠得到足夠的回報。爲了在MEC之上充分利用MCS服務的潛力，須要解決如下開放性問題和挑戰：

覆蓋不一樣域和現象的MCS部署之間的互通性對於爲各類MCS任務重用相同的用戶羣相當重要。第一方面使得可以在MEC環境中運行的MCS服務之間共享用戶生成的數據。第二方面涉及網絡/ ME主機運營商和MCS服務之間的數據共享。

豐富的用戶上下文將表示具備單個配置文件的用戶從網絡運營商和MCS服務域收集全部用戶相關信息。此類用戶配置文件將爲全部相關方的利益提供對用戶行爲的更深刻理解。用戶以最小的開銷參與MCS任務，網絡運營商更好地瞭解用戶需求而且能夠提供個性化的客戶服務，而MCS服務能夠優化MCS任務的管理和所需資源的消耗。

隱私和安全性對於MCS和MEC來講都是一個微妙的問題，由於這兩種環境都與用戶環境密不可分。MEC技術爲MCS數據的安全性帶來了積極的好處，主要是因爲分佈式存儲及其邊緣聚合，所以單個漏洞不會暴露全部用戶數據。 此外，從隱私角度來看，這種分佈式操做是有益的，可是也受到之前的開放問題須要單個用戶配置文件的挑戰。一個開放但相當重要的問題是確保用戶能夠在全部服務級別上保護敏感數據，從而保護用戶數據，以便在未經用戶贊成的狀況下，第三方不會濫用或使用上下文用戶數據。

須要經過MEC虛擬化基礎架構來啓用MCS服務的編排，該基礎架構將在足夠的邊緣資源上啓動MCS服務，以知足MCS任務的需求並考慮可用的工人。 此外，它須要規範MCS服務生命週期，設置服務執行的職責，爲數據存儲提供位置，並定義數據全部權和訪問權限的規則。

鏈接到同一邊緣服務器的用戶之間的任務調度和優化很大程度上取決於他們的地理位置，移動模式和信譽級別以及活動MCS任務的要求。能夠在ME服務器上部署不一樣的算法，以最小化移動設備的能耗，成本和執行時間，同時知足感知覆蓋並確保QoS。此外，MCS任務的地理分佈和部署在ME服務器上的MCS服務的類型也將對所提出的系統的性能產生影響。因爲在ME服務器上處理任務而且無需將全部數據發送到後端雲，所以能夠實現顯着的節能並減小延遲。

爲了充分利用這種新的MCS環境的潛力，並結合共享經濟，咱們設想一個開放的MCS市場，它能夠與願意提供傳感器數據的工做人員即時匹配各類傳感任務，同時對於不破壞平常活動的任務提供適當的激勵措施。 可是，它須要充分解決上述挑戰，以創造涉及各利益相關方的新業務模式。 市場能夠由網絡提供商運營，網絡提供商是全部相關方都信任的實體。 這樣的市場和新穎的分層和可互操做的MCS環境將爲中小企業和初創公司開發新型MCS應用程序提供機會，這些應用程序不只僅依賴於他們本身的用戶羣。

VII. RELATED WORK 相關工做

咱們超越了最早進的技術，由於咱們提出了適用於邊緣計算環境的MCS通用模型。咱們還爲適用於邊緣計算環境的MCS服務定義了4層通用功能架構，其中頂層用於應用目的。 此外，在本文中，咱們提供了實如今ME主機上部署的可互操做MCS服務的看法，而其餘論文則專一於爲MCS服務提供單一輩子態系統。

VIII. CONCLUSION 結論

移動羣智感知是一種人爲驅動的範例，由普通公民受權，他們經過移動設備和可穿戴設備貢獻和共享傳感器數據。這是共享經濟的真實例子，其中生成的傳感器數據表明共享資源，而且須要可擴展和可互操做的技術解決方案來建立涉及大量用戶和各類利益相關者的MCS的下一代市場。

本文介紹了MCS服務的分層和大規模部署的參考體系結構，該體系結構假定使用邊緣計算資源來分散MCS服務並提升其性能。移動邊緣計算將計算和存儲帶到移動網絡的邊緣，在用戶附近提供MCS服務。此類體系結構的目標是簡化服務執行並提升服務質量，主要是經過減小數據處理的延遲和複雜性。咱們對須要從新配置邊緣MCS服務的分佈式體系結構引入的服務開銷的分析代表，這種開銷是可控的，而且很小，特別是對於網絡邊緣的MCS服務的較短從新配置週期。 所以，它表明了一種有前途的方法，能夠實現大規模的下一代MCS市場。

論文結構

出處

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

xueshu.baidu.com/usercenter/…