9190关于在智能城市中监测市政资源的众包可行性研究0Thivya Kandappu新加坡管理大学0thivyak@smu.edu.sg0Archan Misra 新加坡管理大学0archanm@smu.edu.sg0Desmond Koh 新加坡管理大学0desmondkoh@smu.edu.sg0Randy Daratan Tandriansyah新加坡管理大学0rtdaratan@smu.edu.sg0Nikita Jaiman 新加坡管理大学0nikitaj@smu.edu.sg0摘要0积极的市民参与，即市民积极参与报告和解决城市服务交付中的挑战，是新加坡等智能城市的战略目标。尽管有这样的承诺，但我们认为这种大规模全国范围的众包部署的成功取决于市民的实际用户偏好和行为特征。在本文中，我们首先通过对1300名参与者进行的意见调查，展示了市民对智能城市服务的行为偏好和主要关注点的调查结果。然后，我们提出了一个“市民控制”的城市服务报告平台，市民可以主动报告各种市政资源的状态。我们主张将用户的移动模式与任务位置进行匹配，以使平台更加高效（即任务完成率更高，绕行开销更低）。0ACM参考格式：0Thivya Kandappu，Archan Misra，Desmond Koh，Randy DaratanTandrian- syah和NikitaJaiman。2018年。关于在智能城市中监测市政资源的众包可行性研究。在WWW '18Companion：2018年万维网会议伴侣，2018年4月23日至27日，法国里昂。ACM，纽约，美国，7页。https://doi.org/10.1145/3184558.319151901 引言0移动众包任务为将城市居民作为自愿参与各种智能城市服务的分散执行者提供了一种有吸引力的新方法。根据这一范例，个体用户（或工作者）自愿选择并执行一组特定于位置的任务，例如物流或包裹投递（例如亚马逊Flex），可用停车位的跟踪（例如[2]）或汽油价格（例如[3]）以及合规性监测/审计。目前，虽然关于这种众包任务的计算框架有大量的研究成果（包括优化的任务分配、真实性发现和奖励规范等主题），但在实际中很少见到这种大规模参与性方法的真实应用。事实上，在大多数城市中，居民认为市政服务的提供完全是政府的责任，居民作为自愿工作者参与的程度尚不清楚。实时获取市政和城市资源的状态更新或潜在问题（例如溢满的垃圾箱、人行道上的坑洞或被破坏的文化遗产标志）仍然是一个挑战，尤其是由于专门从事此类状态监测的公共员工的数量相对有限且过度紧张。01 https://flex.amazon.com/0本文根据知识共享署名4.0国际许可协议发布。作者保留在个人和公司网站上传播作品的权利，并附上适当的归属。WWW '18Companion，2018年4月23日至27日，法国里昂© 2018IW3C2（国际万维网会议委员会），根据知识共享CC BY4.0许可证发布。ACM ISBN978-1-4503-5640-4/18/04。https://doi.org/10.1145/3184558.31915190任务分配、真实性发现和奖励规范等），这些大规模参与性方法的实际应用实际上并不存在。事实上，在大多数城市中，居民认为市政服务的提供完全是政府的责任，居民作为自愿工作者的程度尚不清楚。实时获取市政和城市资源的状态更新或潜在问题（例如溢满的垃圾箱、人行道上的坑洞或被破坏的文化遗产标志）仍然是一个挑战，尤其是由于专门从事此类状态监测的公共员工的数量相对有限且过度紧张。0随着技术的进步，城市开始自动化地捕捉一些这些市政问题，例如匹兹堡的Traffic21项目正在使用安装在市政垃圾车上的摄像头主动识别道路维护问题。然而，通过可信的人工生成的输入来审慎增强这些机器生成的洞察力仍然是实现广泛部署、具有成本效益的主动市政监测方法的关键。0在城市服务交付的背景下，最先进的工作通常侧重于通过接收市民的反馈/投诉来改善当地公共服务的城市众包。这类应用程序的示例包括（i）MySanJose手机应用程序0其中包括居民可以报告坑洞和涂鸦的（i）芝加哥的311手机应用程序，（ii）纽约市的NYC311应用程序，类似地，居民可以就坑洞、积雪的人行道和啮齿动物侵扰提出服务请求，（iii）新加坡的OneService应用程序，居民可以报告垃圾溢出、废弃购物车和害虫侵扰，以及（iv）英国的FixMyStreet网页应用程序，使公众可以报告废弃车辆和无灯的路灯等问题。这些工作具有三个特点：（a）它们侧重于“问题报告”，每个众包公民向相关机构报告问题，（b）报告过程本质上是分散的，每个公民机会性地发送一个或多个与其更相关的投诉，（c）应用程序不能用于要求居民主动对各种市政资源的工作状态进行检查。02在本文中，我们将“工作者”和“用户”这两个术语互换使用，它们代表该国的公民。3 https://traffic21.heinz.cmu.edu/ 4http://www.sanjoseca.gov/MySanJose 5http://www1.nyc.gov/311/index.page 6 https://www.oneservice.sg 7https://www.fixmystreet.com/0Track: AW4City 2018 Enhancing Citizen Centricity with Web Applications WWW 2018, 2018年4月23日至27日，法国里昂2.1Demographics of Survey Participants9200他，（c）该应用程序不能用于要求居民主动对各种市政资源的工作状态进行检查。0这些方法缺乏以下两个基本概念：(i)上下文触发的任务协调，即众包平台根据其他方式感知到的上下文（例如使用社交媒体感知故障和维修情况，如在某个位置上关于“堵塞排水系统”的大量Instagram帖子，使用历史分析来了解一个位置对维修和自然灾害的易感性，以及融合多个政府机构的数据以提前了解和预测问题）主动通知和推荐与维护相关的任务（与问题报告方式相比），以及(ii)预测性众包任务，即任务的推荐或选择利用个体在较长时间范围内的移动轨迹（例如一整天）。根据这个概念，居民将被主动要求执行各种低成本的监测任务并上传各种市政资源的状态。关键的创新在于利用分析技术，根据任务的位置和居民的出行路径相互匹配任务和居民，从而最小化居民在执行任务时的绕行和努力。此外，应用程序必须利用上下文感知在适当的时机推荐或提醒（通过适当的通知）任务，以便个体最有可能实际执行此类监测任务。我们相信采用这两个概念可以显著提高众包城市监测过程的效果。0最终目标是利用移动应用程序和分析技术作为将参与式众包任务嵌入市政运营过程的手段，以提高市政服务的效率、降低延迟和成本。0本文介绍了（a）与1300名受访者进行的可行性研究，检查他们对智能众包努力的接受程度，以及（b）智能城市资源监测系统的设计，以及如何利用群众和移动性来集中协调市民之间的任务分配，以提高任务完成率同时降低产生的绕行开销。我们的主要贡献包括：0•为了评估公众参与移动众包的意愿，我们在新加坡管理大学（SMU）城市校园进行了大规模的意见调查，并报告了可能影响用户参与决策的各种因素，如执行任务的期望激励、用户愿意花费的额外时间、用户希望看到的任务类型以及用户希望多频繁地收到附近任务的提醒。 •基于这些洞察，我们提出了一种“推送式”移动众包系统，其中包括以下功能：（i）协调的任务推荐（以减少潜在的绕行开销），（ii）用户报告位置的本地化模糊处理（以缓解隐私问题），以及（iii）上下文感知的提醒系统（以提高参与率）0在本节中，我们试图对新加坡居民进行抽样，以评估全国范围的移动众包解决方案（类似于在SMU校园中运行的Ta$ker应用程序[6]的广泛方法）的未来可行性。主要目标是使用意见调查来了解新加坡居民参与此类众包解决方案时可能存在的意愿和关切。更具体地说，我们旨在评估公众参与移动众包的意愿，其中一群人利用他们的移动设备执行各种与位置相关的任务。此类众包任务的示例包括公民科学（例如，报告树木是否开花）以及检查社区资源的清洁程度/状态（例如，国有土地、路灯、文化遗产标志、停车栏杆等）。02调查以了解态度02.1调查参与者的人口统计学0总体而言，我们的主要研究问题是：“基于公众参与任务执行的智慧国家倡议的发展是否可能成功？”调查结果有助于了解拟议的全国范围众包应用可能面临的潜在采纳问题，从而指导我们在该应用中设计功能。例如，对调查回答的分析可能揭示影响公众执行任务的不同参数，如执行任务的期望激励、用户愿意花费的额外时间、用户希望看到的任务类型、用户希望多频繁地收到附近任务的提醒等。0调查在2017年3月20日至2017年4月21日期间进行了4周。虽然吸引了约1300名用户（他们是新加坡管理大学的学生和教职员工），但只有前500名受访者得到了补偿。调查问卷通过电子邮件分发。整个调查要求每个参与者通过使用他们的移动设备执行特定位置任务来电子化回答一系列问题。更具体地说，调查涉及以下关键研究主题：0• 基于公众参与任务执行的智慧国家范式的发展是否可能成功？0论文追踪：AW4City 2018增强市民以Web应用程序为中心的能力WWW 2018，2018年4月23日至27日，法国里昂9210（a）性别0（b）年龄0（c）地理分布0图1：参与者人口统计数据：（a）性别，（b）年龄和（c）地理居住分布-彩色标记代表不同的地理区域：从新加坡北部开始，顺时针方向，北部、东北部、东部、中部和西部地区0•什么参数影响公众执行任务-执行任务的激励、用户愿意花费的额外时间、用户希望看到的任务类型以及用户希望多频繁地收到附近任务的提醒等？ •新加坡居民参与此类移动众包解决方案时可能存在的关切是什么？0在图1中，我们报告了基本的人口统计信息。我们发现女性受访者（59%）明显多于男性。同样，大多数受访者来自18-29岁的年龄组，居住在新加坡的中心地带（中央商务区）（27%）。我们承认我们研究的局限性：大多数受访者（超过75%）来自新加坡管理大学的学生群体，因此不能代表整个人类。02.2结果0在本节中，我们通过调查问卷回答了我们的研究问题。0为了回答我们的第一个研究问题，我们向调查受访者提出了以下问题：您提供信息（通过移动应用程序、网站等）以改善您的生活环境的可能性有多大？0在图2中，我们展示了受访者参与众包任务的意愿。无论年龄组或性别如何，大多数参与者都愿意贡献信息以改善他们的生活环境。这表明，如果提供了具备合适功能的平台，居民们将会参与到采用参与式任务执行模式的智慧城市倡议中。0为了回答我们的第二个问题，即“什么参数影响公众执行任务？”，我们首先询问受访者对预期补偿的看法：您是否期望参与众包任务并获得激励？0图2：参与移动众包的意愿0图3：激励接受度0我们发现（在图3中）一般来说，超过70%的受访者期望以现金或实物形式获得奖励。当我们将回答分为不同的年龄组时，观察到了一个有趣的趋势——大多数年轻年龄组的受访者0论文追踪：AW4City 2018增强市民以Web应用程序为中心的能力WWW 2018，2018年4月23日至27日，法国里昂Track: AW4City 2018 Enhancing Citizen Centricity with Web Applications WWW 2018, April 23-27, 2018, Lyon, France9220年龄较小的群体更喜欢一些激励措施，而年龄较大的群体更倾向于不提供激励，更具体地说，他们指出“如果任务执行是一种公民义务或自愿性质，我不期望得到奖励”或“我在社区服务领域非常活跃，因此，我不会期望为我们所做的每项社区相关工作获得报酬”。0为了了解绕行对用户参与移动众包任务的决策的影响，我们问他们在日常通勤中，你愿意绕多少路来帮助解决居住环境中的问题？0图4：期望的绕行量0大多数用户表示愿意走2-5分钟的步行距离（相当于100-150米）作为理想的绕行量（参见图4）。这是一个关键参数，在设计/部署系统和任务到公众时需要仔细调整。0所提出的系统的引人注目的好处在于用户隐私的代价，因为用户的移动轨迹和位置被一个集中的实体所知。这可能被用户视为对隐私的侵犯，并影响他们参与智慧城市倡议的意愿。为了了解更多关于用户担忧的信息，我们问他们为什么不愿意打开位置服务的主要原因是什么？0图5：对位置跟踪的担忧0令人惊讶的是，有超过50%的用户表示不担心被跟踪（即收集位置痕迹）（参见图5）。0（主要是由于他们认为这是他们的责任）（参见图5）。然而，一部分用户对隐私（17%）、位置数据滥用（13%）和由于持续GPS轮询而导致的电池耗尽（15%）表示担忧。02.3 主要结果和影响：0•以众包为动力的智能监测：利用市民执行城市监测任务是非常可行的。他们的意愿表明，通过精心利用市民，可以利用“群众的力量”来建设智慧城市。•绕行感知推荐的重要性：调查显示，参与者执行任务的意愿随着额外的行程开销而迅速减少。因此，平台需要正确的智能来主动向每个个体工作者建议一组可用任务，这些任务不需要与个体正常轨迹有很大偏差。•变动定价：激励机制的感知因年龄组而异。因此，设计适当的激励机制对于激励不同群体的用户至关重要。•隐私支持：为了解决用户对位置跟踪的担忧，系统应以隐私保护的方式收集移动痕迹，不向任何人（甚至智慧城市平台本身）透露真实用户位置，并以高效的方式进行能量管理。03 移动性和城市众包0该平台旨在主动向居民征求对特定市政资源的反馈意见。在图6中，我们描述了我们提出的框架的整体架构。它包括（a）一个面向客户的移动应用程序SmartCity，和（b）一个后端服务器，包括移动性预测引擎、任务生成器和推荐系统。0图6：系统架构92303.1 用户位置跟踪和预测个人资料0推送式方法的一个关键特点是使用预测的个人用户轨迹来识别和推荐最大化个人用户生产力的任务，通过分配最小化用户预期行程绕行的任务。为了激活这个组件，SmartCity客户端被增强以捕获用户的基于GPS的位置轨迹（在用户的同意下）。该客户端嵌入了一个机制，允许用户调整此类位置跟踪的个人过滤器，例如通过将此类位置跟踪限制在特定时间间隔内。使用这些数据，服务器端的轨迹预测引擎构建了个人的移动轨迹（类似于[5,6]中描述的方法），从而计算出个体在近期到中期未来的可能路线。03.2 任务推荐引擎0这个组件是推送式移动众包的“核心”。需要向推荐引擎发送三类重要信息：（1）城市的空间布局（建模为位置节点的网络），（2）一组用户（每个用户都有一个绕行时间限制、预测轨迹和偏好），以及（3）一组任务（每个任务都有一个位置、有效时间窗口、执行时间和奖励）。这些推荐利用先进的地理空间优化技术，以确保（i）每个个体的绕行量显著减少，以及（ii）整个任务集合得到充分“覆盖”（即分配给个体的任务有很高的成功执行可能性）。03.3 任务生成器0默认情况下，任务由各自的机构生成——对各自的市政资源进行检查将生成为时空任务，这些任务将被拉入我们的移动应用程序SmartCity供市民使用。然而，社交计算和移动感知的普及为提前检测到即将发生的市政故障和维修提供了可能，并将其作为任务馈送到应用程序中。我们将看到三种潜在的情景：0•社交媒体感知：社交媒体动态可以被用作自发的“人类传感器”——大量人口与这些媒体平台互动，并报告城市空间中发生的各种事件，每天都有。利用社交媒体动态可以有助于检测和了解市政问题，例如关于街灯损坏的推文或堵塞排水系统的Instagram帖子。我们的目标是（1）通过使用社交媒体动态提前检测此类市政问题，（2）通过单独的渠道（专用移动应用程序）主动通知附近的用户进行检查，并（3）通知相关机构以便更快地解决问题。在图7中，我们展示了一个简单的社交监测流程，该流程从各种社交网络（如FaceBook、Twitter和Instagram）收集地理标记的动态，以检测主题和异常（例如，通过在相关动态上使用文本分类器）。检测到的异常可以生成位置和时间0在SmartCity中，通过特定任务的推荐，主动通知用户进行检查（例如，使用带有标签#flashfloodsg的公共Instagram动态不仅可以用于检测洪水，还可以通过主动询问附近居民来了解其严重程度）。这种基于社交媒体感知的发现城市异常事件的早期例子是[1]中的工作，该工作使用Twitter帖子的文本和图像动态快速识别洪水事件的开始。0图7：利用社交媒体感知生成任务0•融合其他机构数据：各个机构通常利用专门的工作人员执行对其相关市政资源的例行监测。这种操作方式缺少多个机构之间的协调——一个机构可以利用其他机构检测到的市政故障来预测和纠正可能影响它的任何结果问题。在图8中，我们描述了一个可能的情景。即将到来的公共活动（以我们的例子中的音乐会为例）可能会对各种传感器读数产生影响——为音乐会地点服务的公交车的占用水平在音乐会开始时间之前就会发生明显变化（并且可以被维护和运营公交车的机构'A'检测到），而附近的停车场在活动时间接近时会出现拥堵（与运营公共停车场的机构'B'有关）。机构'A'通知有关预测的交通拥堵将帮助机构'B'计划和高效运营停车场以满足交通需求（例如，通过向公众开放私人停车场）。0图8：融合多个政府机构数据0•移动感知：通过高效和机会性地利用手机的内置传感器，可以推断出各种市政故障-崎岖/滑溜的道路，损坏的道路表面（坑洼），长时间的交通堵塞，危险的驾驶行为等。早期检测以及市民的协调将帮助相关机构更频繁地监控其资源。0跟踪：AW4City 2018通过Web应用增强市民中心化，2018年4月23日至27日，法国里昂Despite the promises shown by the proactive recommendation sys-tem, the citizens expressed concerns about their location beingtracked – around 30% of the respondents who answered the sur-vey expressed their concerns on the same. To mitigate this privacyissue, we introduce a “user-controlled” obfuscation based locationprivacy where the client App Smart City obfuscates the users’ truelocation based on (a) global and (b) personal movement behavior.More specifically, the mechanism evaluates the user’s sensitivitytowards the true location and its global popularity to decide whetherto reveal the true location, or obfuscate it with another. This avoidsthe need of a trusted intermediary and allows them to control thelevel of obfuscation, without revealing the true location. The clientApp carefully obfuscates (on behalf of the user) the true locationso that the server/platform can not learn accurate details of userwhereabouts while still being able to receive task recommendationswith lower detour.9240这个服务器组件负责通过智能城市移动应用程序处理个体工人与后端组件的交互。这些交互包括向应用程序提供推荐任务列表，捕获用户执行任务的结果（即用户报告的值或内容）以及捕获个体用户与移动应用程序的交互细节（例如在选择任务之前查看任务所需的时间）。03.4工人配置文件管理器0尽管主动推荐系统显示了很多潜力，但市民对其位置被跟踪表示担忧-回答调查的受访者中约有30％表示担忧。为了缓解这个隐私问题，我们引入了一种“用户控制”的基于混淆的位置隐私，其中客户端应用程序SmartCity根据（a）全球和（b）个人移动行为来混淆用户的真实位置。更具体地说，该机制评估用户对真实位置的敏感度及其全球受欢迎程度，以决定是否揭示真实位置，或者用另一个位置混淆它。这避免了对可信中介的需求，并允许用户控制混淆的程度，而不会透露真实位置。客户端应用程序会仔细混淆（代表用户）真实位置，以便服务器/平台无法了解用户行踪的准确细节，同时仍能够接收较低绕道的任务推荐。03.5隐私平台03.6上下文感知通知0提醒用户即将到来或待处理的任务对于保持稳定的任务完成率至关重要。我们可以通过SmartCity移动应用程序发送适当的通知来实现这一点。然而，在最合适的时刻打断用户是至关重要的-尽管手机使每个人都可以随时联系，但中断的效用仍然值得怀疑。在SmartCity中，我们提出了一种基于每个用户的上下文感知提醒引擎，该引擎仅在个体最有可能实际执行此类监测任务时发送应用内通知。提醒策略是根据各种上下文属性特定地为每个用户定制的，例如他当前的位置（地理位置以及居住期限和一天中的时间将允许我们分类他是在工作、家庭还是过渡中），他的活动（通过仔细协调加速度计、指南针和陀螺仪，我们的引擎确定用户是正常步行、匆忙还是奔跑/慢跑），社交关系的共同出现（他是否有朋友陪同）。例如，如果引擎检测到用户从工作地点（白天的较长居住期和常规到达/离开模式表明他的工作地点）匆忙离开（根据移动传感器检测到），则提醒引擎会自行避免向用户发送通知。0比平时早（日常轨迹的时间偏移）假设此时刻不合适。03.7潜在用例0•社区/邻里援助服务的撮合：本文提出的核心技术可以嵌入其他面向社区的应用程序中，例如识别可用的志愿者，他们可以帮助老年人和身体有残疾的邻居提供服务，例如购物帮助和医疗访问。•包裹递送的众包：类似的众包技术可以用于通过人力移动性运输货物或递送包裹。支持高效众包包裹递送的技术可以将大型公共服务组织的员工（例如邮局的递送人员）作为各种类型的监测/报告服务的工作者。04结论和未来工作0在本文中，我们强调城市规模智能城市部署的成功取决于行为偏好和用户关注点。我们首先展示了我们在我们的城市校园中进行的大规模意见调查的见解，共有1300名参与者。尽管市民支持/愿意参与基于移动众包的智能城市倡议，但他们也对他们的隐私、位置轨迹被滥用和更长的绕道任务表示担忧。基于这些见解，我们提出了一个市政资源监控系统，利用群众的力量，同时结合了以下特点：（a）与用户的移动模式相匹配的主动任务推荐，（b）保护隐私的位置共享，（c）上下文感知的任务提醒，以及（d）可变定价。这使我们有希望，如果给予一个具备正确特征的平台，居民将参与采用参与式任务执行模型的智能城市倡议。0致谢0本研究得到了新加坡总理办公室国家研究基金会的支持，该基金会在新加坡的国际研究中心资助计划下进行。0参考文献0[1] Bipendra Basnyat，Amrita Anam abd Neha Singh和Aryya Gangopad-hyayandNirmalya Roy.2017.分析社交媒体文本和图像以评估城市洪水的影响。在智能计算国际会议（SMARTCOMP）中。[2] Xiao Chen，Elizeu Santos-Neto和Matei Ripeanu.2012.街头智能停车的众包。在第二届ACM智能车辆网络和应用设计与分析国际研讨会上。[3] Y. F. Dong，S. Kanhere，C. T. Chou和N. Bulusu.2008.从移动摄像头网络自动收集燃油价格。在第四届IEEE分布式计算传感器系统国际会议上。[4] T. Erickson.2010.地心引力众包和智能城市：在城市和地区实现城市智能。在UbiComp的第一届普适众包研讨会上。[5] Thivya Kandappu，Nikita Jaiman，Randy Tandriyansiyah，ArchanMisra，Shih-Fen Cheng，Cen Chen，Hoong Chuin Lau，Deepthi Chander和KoustavDasgupta. 2016.TASKer：通过基于校园的实验性移动众包获得行为洞察。在2016年ACM国际联合会议上。0跟踪：AW4City 2018通过Web应用增强市民中心化，2018年4月23日至27日，法国里昂9250[6] Thivya Kandappu，Archan Misra，Shih-Fen Cheng，Nikita Jaiman，RandyTan-driyansiyah，Cen Chen，Hoong Chuin Lau，Deepthi Chander和Koustav Dasgupta.2016.校园规模的移动众包部署和行为洞察。在第19届ACM计算机支持的合作工作和社交会议上。0计算。[7] F. Zambonelli. 2010.普适计算和通信研讨会（PERCOM研讨会）。 （2010）。0跟踪：AW4City 2018通过Web应用增强市民中心化，2018年4月23日至27日，法国里昂
我的内容管理
收起
我的收益 登录查看自己的收益
我的积分
登录查看自己的积分
我的C币
登录后查看C币余额
我的收藏 
我的下载 
下载帮助 
