0 引言

    以智能手機為典型代表的移動設(shè)備普遍搭載了各種各樣的傳感器,為人們提供所需要的服務(wù)^[1]。智能移動設(shè)備的強大功能催生了一種以人為主體的感知方式——參與式感知。在進(jìn)行感知時，由個體或群體使用其所擁有的功能日益強大的移動設(shè)備及云端服務(wù)器來收集并分析語義信息^[2]。

    感知應(yīng)用涉及到各種領(lǐng)域，比如：醫(yī)療保健、社會網(wǎng)絡(luò)應(yīng)用、交通路線導(dǎo)航等。Ear-Phone^[3]、Common Sense Project^[4]和Petrol Watch^[5]分別利用感知數(shù)據(jù)提供了環(huán)境監(jiān)測和日常智慧消費服務(wù)。

    本設(shè)計提出的智慧購物系統(tǒng)估測特定商場特定時間段每位顧客的排隊時間，并提供實時查詢和推送訂閱服務(wù)，為用戶購物決策提供參考。

1 智慧購物系統(tǒng)的總體架構(gòu)設(shè)計

1.1 核心問題分析

    在參與感知模式中，如果參與者過少，感知數(shù)據(jù)不足，會嚴(yán)重影響感知結(jié)果的準(zhǔn)確性。針對此問題，實驗小組對商場結(jié)賬排隊模式進(jìn)行了研究，研究表明，在一個動態(tài)時間塊內(nèi)完成排隊過程的顧客，他們的等待時間幾乎是相同的，這說明，在特定時間塊內(nèi)，即使僅有少數(shù)顧客上傳數(shù)據(jù)到服務(wù)器，也能得出高準(zhǔn)確度的結(jié)果值。

1.2 系統(tǒng)總體結(jié)構(gòu)

    系統(tǒng)結(jié)構(gòu)如圖1所示，客戶端主要功能是搜集數(shù)據(jù)、對數(shù)據(jù)進(jìn)行預(yù)處理、上傳數(shù)據(jù)、與用戶視圖交互等；服務(wù)器端的主要功能是接收從客戶端發(fā)送來的數(shù)據(jù)，對數(shù)據(jù)進(jìn)行清洗、分類、聚合等操作，最終整合出平均排隊時間；極光推送服務(wù)器為系統(tǒng)提供實時推送功能。

1.3 客戶端結(jié)構(gòu)

    客戶端軟件結(jié)構(gòu)框架如圖2所示。

    服務(wù)控制模塊為用戶提供登錄、配置功能，并且為系統(tǒng)計算結(jié)果地圖可視化和曲線圖展示提供相對應(yīng)的軟件接口。

    感知模塊利用傳感器技術(shù)實現(xiàn)加速度數(shù)據(jù)、音頻數(shù)據(jù)等的實時采集，保存至本地數(shù)據(jù)庫，為數(shù)據(jù)處理模塊提供數(shù)據(jù)儲備。

    信息收發(fā)模塊充當(dāng)著信差的角色,感知主體將數(shù)據(jù)實時上傳到服務(wù)器，服務(wù)器運用大數(shù)據(jù)的數(shù)據(jù)挖掘等算法模型對數(shù)據(jù)進(jìn)行處理，然后將處理結(jié)果實時發(fā)送到客戶端。

    推送接收模塊接收服務(wù)器推送的實時通知，為節(jié)約開發(fā)成本，提高工作效率，系統(tǒng)引入第三方極光推送服務(wù)。

    數(shù)據(jù)處理模塊是整個客戶端軟件架構(gòu)的核心，主要包括排隊模式識別和排隊時間計算。首先將感知數(shù)據(jù)與本地數(shù)據(jù)庫中的排隊模式識別密鑰相對比，篩選出符合排隊模式特性的數(shù)據(jù)，采用二進(jìn)制序列塊算法模型，計算結(jié)賬排隊時間，利用網(wǎng)絡(luò)通信技術(shù)上傳到服務(wù)器。

    排隊模式識別：系統(tǒng)主要通過分析加速度和音頻數(shù)據(jù)進(jìn)行排隊模式識別。顧客的運動狀態(tài)可分為移動和站立兩種，以4 Hz的采樣率收集加速度樣本，每一個樣本表示成三維矢量，分析當(dāng)前樣本和鄰近樣本的矢量夾角，判斷當(dāng)前樣本表示的狀態(tài)。通過大量的實驗得出結(jié)論：將5°作為夾角閾值判斷樣本代表的運動狀態(tài)，其結(jié)果精確度最高。即如果系統(tǒng)中樣本矢量與鄰近矢量的夾角超過5°，則視為移動狀態(tài)；低于5°，則視為站立狀態(tài)。假設(shè)一位顧客在[T_i，T_o]時間段內(nèi)處于排隊模式，那么在T_i之前和T_o之后的一小段時間內(nèi)處于走或者跑的狀態(tài)，將這一小段時間記為T_c，在[T_i，T_o]時間段內(nèi)顧客的運動模式又分為向前走動和站立等待兩種，將顧客每次走動的時間記為t_m，等待的時間記為t_w。多個商場多次試驗表明，t_m超過5 s，t_w超過300 s的幾率很小,所以系統(tǒng)將T_c的最小值設(shè)置為5 s。由于顧客在挑選商品時同樣會出現(xiàn)上述的運動狀態(tài)，為避免系統(tǒng)誤判，引入音頻信號分析，結(jié)賬時隨著顧客靠近收銀員，掃碼計價器的聲音會增強，將麥克風(fēng)搜集的音頻數(shù)據(jù)同本地數(shù)據(jù)庫已存在的音頻數(shù)據(jù)進(jìn)行MFCC特性對比，即能精確地識別出用戶是否處于排隊模式。t_m、t_w、T_c，音頻識別標(biāo)志，加速度矢量夾角閾值共同組成排隊模式的識別密鑰。

    排隊時間計算：系統(tǒng)采用二進(jìn)制序列塊算法模型計算排隊時間。以二進(jìn)制0和1分別表示排隊過程中短暫的站立和走動，由于t_m最大值為5 s，t_w最大值為300 s，所以可以用0-序列塊代表站立，1-序列塊代表走動，如果用序列塊中二進(jìn)制數(shù)的個數(shù)代表序列塊的長度，那么排隊模式中0-序列塊的長度最長為1 200，1-序列塊的長度最長為20。如圖3所示，0，1序列組中，[0，a]時間段的1-序列塊表示走動狀態(tài)，[a，b]時間段的0-序列塊表示站立狀態(tài)，長度較小的序列塊（如圖中c，d，e）代表噪聲，將這些噪聲序列塊剔除，就得到對應(yīng)顧客的排隊時間序列組。計算該序列組的長度，結(jié)合采樣率，即可計算出結(jié)賬排隊時間。

    視圖交互模塊為應(yīng)用提供視圖接口，為系統(tǒng)和用戶提供界面交互服務(wù)。

1.4 服務(wù)器端結(jié)構(gòu)

    服務(wù)器端結(jié)構(gòu)如圖4所示。存儲模塊主要維護(hù)著系統(tǒng)數(shù)據(jù)庫。數(shù)據(jù)處理模塊用來處理數(shù)據(jù)，首先數(shù)據(jù)收發(fā)模塊按照指定的格式解析由客戶端通過網(wǎng)關(guān)發(fā)送來的數(shù)據(jù)包，存儲在緩存數(shù)據(jù)庫，使用數(shù)據(jù)挖掘技術(shù)中的聚類算法模型將緩存數(shù)據(jù)庫中具有相同地理標(biāo)簽、同一個時間塊內(nèi)的數(shù)據(jù)包整合為一類。清洗模塊運用剔除算法模型清洗掉特定類中無效的數(shù)據(jù)包。計算模塊將特定類中有效的數(shù)據(jù)進(jìn)行融合。過濾模塊啟用下行通信模塊，調(diào)用極光推送遠(yuǎn)程API，將融合結(jié)果值自動推送到特定的客戶端。上行通信模塊通過3G、WiFi網(wǎng)關(guān)或者其他Internet接入方式與客戶端進(jìn)行Web-Socket實時通信。

    傳感器技術(shù)、通信網(wǎng)絡(luò)技術(shù)和計算機技術(shù)，分別承擔(dān)對信息的獲取、傳輸和處理應(yīng)用^[6]。

    剔除算法原理如下文所述。

    將某一特定類表示成：

    重新回到式(1)進(jìn)行驗證，直到滿足S<M，完成清洗操作。

2 關(guān)鍵技術(shù)介紹

2.1 Web-Socket實時通信

    Web-Socket是基于HTML5規(guī)范的一種新的協(xié)議，實現(xiàn)了瀏覽器與服務(wù)器的全雙工通信。

    在Android客戶端，系統(tǒng)借助開源Android網(wǎng)絡(luò)類庫Autobahn Android^[7]，建立與Web-Socket服務(wù)器的實時通信，具體的通信流程如圖5所示。

    Android客戶端將相關(guān)數(shù)據(jù)包實時傳送給Web-Socket服務(wù)器，經(jīng)過數(shù)據(jù)處理模塊處理后通過WiFi或3G網(wǎng)關(guān)將結(jié)果值發(fā)送到Android客戶端，在地圖服務(wù)界面和曲線趨勢圖中即時更新。

2.2 極光推送技術(shù)

    推送(push)是一種由服務(wù)器端主動向客戶端推動消息的技術(shù)^[8]。設(shè)計借助第三方極光推送服務(wù)進(jìn)行估測時間的實時推送。具體流程如圖6所示。

    Jpush SDK以jar的方式集成于Android客戶端，該jar文件為客戶端極光推送初始化、TCP長連接等機制提供服務(wù)。當(dāng)過濾模塊監(jiān)測到估算時間滿足用戶需求，推送服務(wù)模塊調(diào)用Jpush遠(yuǎn)程API將要發(fā)送的數(shù)據(jù)通過JPush服務(wù)器發(fā)送給特定客戶端，Jpush SDK解析定制數(shù)據(jù)，并發(fā)送Notification提醒。

2.3 隱私保護(hù)、激勵策略、安全機制和數(shù)據(jù)有效性

    參與感知系統(tǒng)存在如圖7所示的4種挑戰(zhàn)。隱私泄露會給用戶帶來參與風(fēng)險，若參與的用戶過少，則可用數(shù)據(jù)缺乏，系統(tǒng)估測結(jié)果的正確性和實時性將大打折扣，安全機制用來保證數(shù)據(jù)在傳輸、處理和存儲過程中的安全，所以隱私保護(hù)、激勵策略和安全機制是不容忽視的環(huán)節(jié)，是后續(xù)研究的重點。數(shù)據(jù)有效性驗證為服務(wù)器處理結(jié)果的精確度和可參考性提供保障。

3 原型實驗

    實現(xiàn)基于Android的智慧購物系統(tǒng)，硬件上需要通信設(shè)施，軟件上需要一個服務(wù)器用來處理數(shù)據(jù)，若干Android客戶端用來收集數(shù)據(jù)、預(yù)處理數(shù)據(jù)、上傳數(shù)據(jù)、展示估測結(jié)果。

    實驗小組由10位成員組成，每位成員攜帶一部安裝了智慧購物系統(tǒng)的Android智能手機，在一家大型商場進(jìn)行試驗，6人模擬排隊結(jié)賬，2人模擬貨物架挑選商品，2人作為查詢用戶，驗證系統(tǒng)計算結(jié)果的準(zhǔn)確性。實驗人員在同一個時間塊內(nèi)完成整個排隊結(jié)賬過程。試驗選擇在周六的3個時間塊內(nèi)的3組實驗，總結(jié)見表1。

    分析表1可知，由于受噪聲干擾，排隊時間越短，誤差越大。

    部分界面展示如圖8所示。

    圖8(a)為個人設(shè)置界面。若系統(tǒng)監(jiān)測到特定時間塊的排隊結(jié)賬時間滿足用戶設(shè)置需求，將發(fā)送Notification提醒，如圖8（b）所示。圖8(c)為排隊時間曲線圖,系統(tǒng)提供自當(dāng)日起一周內(nèi)的歷史查詢，以每個時間塊的計算時間為坐標(biāo)點描圖。圖8(d)為地圖可視化界面，系統(tǒng)采用第三方地圖服務(wù)，用戶可以清晰地查看商場的位置（圖中紅色氣泡標(biāo)記），點擊紅色氣泡標(biāo)記，會以對話框的方式顯示對應(yīng)的商場名稱及坐標(biāo)，同時彈出下面的消息框，將實時計算結(jié)果形象地展示給用戶。

4 總結(jié)

    本文提出了一種C/S架構(gòu)的基于Android的參與感知式智慧購物系統(tǒng)，運用相關(guān)算法模型，分析客戶端移動設(shè)備搜集的感知數(shù)據(jù)，進(jìn)行預(yù)估算，服務(wù)器端接收客戶端預(yù)估值，利用數(shù)據(jù)挖掘算法模型處理整合，得出最終結(jié)果值，為用戶提供實時查詢和推送服務(wù)。系統(tǒng)收集數(shù)據(jù)僅僅使用智能手機內(nèi)置傳感器，不需要外部傳感設(shè)備，并且采用參與感知的模式，參與者為普通民眾，所以成本極低，結(jié)構(gòu)簡單；另一方面，借助于智能手機越來越強大的計算能力，數(shù)據(jù)的預(yù)處理在客戶端完成，參與者僅僅將預(yù)估算結(jié)果上傳到服務(wù)器，緩解了寬帶擁擠，設(shè)計可以廣泛運用在一些排隊場所，用于進(jìn)行類似的排隊時間估算,具有廣闊的應(yīng)用前景。但是,設(shè)計在激勵參與者機制、保護(hù)用戶隱私、客戶端資源優(yōu)化等方面還缺乏有效的措施，需要進(jìn)一步探索。另外系統(tǒng)僅僅局限于Android平臺，改進(jìn)系統(tǒng)架構(gòu)，實現(xiàn)更廣泛的跨平臺應(yīng)用是后續(xù)研究的又一重點。

參考文獻(xiàn)

[1] 熊英，史殿習(xí)，丁博，等.移動群體感知技術(shù)研究[J].計算機科學(xué)，2014，41(4)：1-8.

[2] ESTRIN D.Participatory sensing:applications and architecture[Internet Predictions][J].Internet Computing，IEEE，2010，14(1)：12-42.

[3] RANA R K，CHOU C T，KANHERE S S，et al.EarPhone：An end-to-end participatory urban noise mapping system[C].IPSN′10.New York，2010：105-116.

[4] DUTTA P，AOKI P M，KUMAR N，et al.Common sense：participatory urban sensing using a network of handheld air quality monitors[C].SenSys′ 09.New York，2009：349-350.

[5] DONG Y F，KANHERE S，CHOU C T，et al.Automatic collection of fuel prices from a network of mobile cameras[C].4th IEEE International Conference.Greece，2008：140-156.

[6] 何欣，宋亞林，安健，等.移動感知物聯(lián)網(wǎng)技術(shù)研究[J].計算機應(yīng)用研究，2011，28(7)：2407-2410，2417.

[7] GOEDDE A.Autobahn Android[EB/OL].(2015-10-25)[2015-11-10].https：//github.com/crossbario/autobahn-android/commit.

[8] 王克峰.基于Android的信息推送管理系統(tǒng)的設(shè)計和實現(xiàn)[D].大連：大連理工大學(xué)，2012.