《移动互联网创新应用》研习班（二）

part 1 的链接： http://blog.sina.com.cn/s/blog_4a9aa55c01017yzb.html

《移动多媒体云计算》—朱文武 清华大学

朱文武主要介绍了一个新兴的概念：社交网络中的多媒体云计算。接着，以社交媒体的推荐服务为例，介绍了推荐服务相关的研究。

1.      社交化的多媒体云计算。

1.1 社交媒体(SocialMedia)：个人、组织在社交网络上分享多种类型的资源，博客、微博、图片、视频等。相比于传统的媒体分享，社交媒体的传播速度更快、影响力更广。

1.2 云计算( CloudComputing)：云计算是指将计算机软件和硬件资源通过网络以service的方式提供给用户。用户会将自己的数据提交给远程的云端，从而获得服务。在云计算中，主要有三种类型的服务：Infrastructure as a Service，Platform as a Service和Software as a Service。

云的作用是什么呢？小公司或者个人可以通过使用云服务来构造自己的系统，为用户提供更多的服务。

IaaS是指提供数据中心(data center)以及host用户的VM和数据

PaaS是指一个提供一个可进行应用开发的平台，替客户管理和部署应用

SaaS是指为各种终端设备提供服务

 

1.3 多媒体云计算( Multimedia CloudComputing)：相比于普通的云计算，多媒体云计算会更强调QoS(Quality of Service)，比如延迟、带宽等等。

 

1.4 社交网络中的多媒体云计算( SocialMultimedia Cloud Computing)：由于加入了社交网络，数据量会爆炸式的增长，会引入更多的用户、内容和关系信息。同时，社交网络中对信息的实时性要求较高。再者社交网络也是在不断变化的。这些特点都会带来很多挑战。

在传统的网络中，媒体信息会迅速达到一个热度顶点，接着也会快速的消退。而在社交网络中，由于兴趣点会被不断传播，在热度点达到高潮后，后期的持续性也是很强劲的。

基于社交网络的多媒体云计算有一个更具特色的架构：

在平台端，会对大规模的数据进行数据挖掘和分析，这些数据包括用户信息、用户关系和内容。以此，便可以提供多种类型的服务：事件的趋势预测（速度、规模、影响力）、内容的推荐以及发现社交网络中的热门话题等等。

 

2.      社交媒体推荐服务。

个性化的推荐是一项可以提升用户体验的服务。其中一些有趣的话题：如何为新加入的

成员进行推荐，如何根据用户发表的内容进行推荐，如何为社交网络中的群组进行推荐。

 

两类推荐策略是非常有效的：基于兴趣点和基于影响力。

 

  2.1  基于兴趣进行推荐

在这里，提出了一种创新的推荐策略：将内容推荐和用户推荐结合起来。

举例：C1喜欢看A，C2和C1相似，于是将A推荐给C2。C1喜欢看A，A和B相似，于是将B推荐给C1。如果将以上两者结合在一起，就可以将B推荐给C2。

 

  2.2  基于影响力进行推荐

1） Who sharewhat？

影响用户是否分享某条信息的因素：爱好(Preference)和影响力(公众用户或朋友)。Preference和Influence越高，则用户越愿意分享。最终，我们能够分析出某个用户会分享哪些帖子，而某个帖子的目标用户群是什么。

 

2）在搜索和推荐中，影响力是非常关键的因素。搜索人时，社会影响力是主要元素；搜索内容时，发帖用户的个人影响力也是关键因素。在进行推荐时，无论是内容的推荐，还是公众用户的推荐，都和影响力相关。

 

  2.3 从整体上来看多媒体云计算，有三个问题值得关注：

   1)云和端的联合优化，特别是计算资源和通讯资源的联合优化

        2) 如何达到实时性

        3) 社区有大量的图片和视频，如何处理，提供何种服务，如何做出社交网络的特性

《基于移动终端的个性化普适健康服务》—— 陈益强 中国科学院

陈益强的报告主要介绍基于移动终端的健康服务。由于感知健康信息是服务的核心，所以他主要集中在如何感知健康信息上。

医疗服务会逐渐从以医院为中心发展为以个人为中心。在这个过程中，移动终端平台将会发挥很大的作用。从长远来看，这个趋势是非常值得期待的。

1.      感知健康信息

健康信息分为四个层次：生理状态，行为状态，环境状态和社交状态。利用移动设备可以方便的获取这些健康信息，同时，相比于传统的健康信息，这些信息更加全面，实时和具有持续性。

 

1.1  生理状态信息

可以通过移动终端的传感器进行数据收集和分析。比如按键行为、触摸屏轨迹、语音分析、基于语音的肺活量检测和压力测试，都可以收集到有效的生理信息，并将它们和特定的健康指标映射起来。

以语音分析为例，通过对语速、发音清晰度、语音边缘检测，可以预警帕金森综合症。

 

1.2  行为状态信息

多种类型的识别，比如行为的识别、交通模式的识别、跌倒检测。

1）  行为识别

如何识别人的日常行为状态，主要利用基于决策树的模式识别方法。遇到的挑战主要是用户行为的个性化和设备穿戴位置的多样化。

2）  交通模式识别

主要利用了加速度器、GPS、GSM。为了增加精度，最好采用两种传感器融合的方式进行模式识别。比如，加速度器不易区分静止和运动状态，却可以很好的检测运动物体的状态，而GPS恰恰相反。就可以将两者融合起来。

3）  跌倒检测

跌倒和部分正常行为是难以区分的，传统的模式识别可能精度不够高。观察发现，跌倒一般发生在行为切换处和突变处，所以可以先通过“切换识别”过滤掉部分数据。

 

同时，低功耗的行为状态识别也是研究领域的一个重点。

 

1.3  环境状态信息感知

1） 基于WiFi的室内定位

用户一旦登录Wi-Fi热点，导航软件可以透过用户接入的那个Wi-Fi热点，再配合上临近三个或以上的Wi-Fi热点，就可以确定用户的位置。技术上能将定位范围缩小到5米左右。

四个大的挑战：无线信号的波动性，AP的丢失，测量信号的设备相关性（如何映射不同设备的信号空间），应用环境的变化。

 

2） 重要位置的自动提取

将行动中的重要位置提取出来，可以有效的应用在老年人的监控、个性化搜索和推荐、广告、社交网络等方面。

 

1.4  社交状态的信息感知

现在，主要是基于位置进行生活状态和社交状态的分析。可以利用GPS定位感知位置，利用蓝牙进行社交状态分析。

 

2.      移动研究院在移动健康服务方面已经有不错的研究成果：融合心电信号和运动信息的冠心病检测；糖尿病人的健康指导GlucoGuide；面对盲人的位置服务系统

 

移动教育的网络架构和业务应用 ——彭杨 北京邮电大学

彭杨在北京阅联信息技术有限公司从事移动教育相关的工作。

移动互联网的兴起，使得将课堂学习、个人学习、终身学习等多种教育方式融合在一起的泛在教育成为了热点。

他的演讲最有意思的一点在于，基本没有提及技术方面的障碍，而主要关注在国家政策方面。这是在中国做教育的一个重要特点，政府性。教育是国家驱动的产业，和政府机关、事业单位打交道成了工作的重点。以平板电子课本的普及为例，因为牵扯到新华书店的利益问题，始终无法大规模的展开。

另一个重要特点是应试性。应试的教育资源，比如答案讲解、课程录像等，很受家长和学生的喜欢。从反面来看，也因为高考还是用笔纸答题，使得电子资源无法快速普及。

 

移动三维数字化技术—赵卉菁北京大学

赵卉菁介绍了利用三维扫描仪、智能车等设备进行交通检测，三维地图创建等应用。主要涉及到的项目有两个：利用三维激光扫描仪进行行人、交通监测；利用智能车进行三维动态地图创建以及驾驶行为感知。

利用三维激光扫描仪进行行人和交通状况的监测比起利用摄像头监测，会有不少的好处：受天气状况的影响小，人为干预的因素少、保护隐私。如果能够保证在有干扰情况下的准确率，是有广阔的应用前景的。

智能车是现在非常热门的一个话题。智能车上会安装多种类型的感知器：GPS、Camera、镭射仪等等。通过感知器获取外部状况，同时在车内利用系统进行处理，从而实现自动驾驶、道路状况的监测、城市地图的构建等应用。

在智能车方面，Google有着非常杰出的成果。他们在两年半前推出无人驾驶汽车项目，截止到今年8月，拥有十余辆汽车的车队已经安全形势了30英里。内华达州、加利福利亚洲都给Google的无人驾驶汽车开放了通行权。无人驾驶技术由多个系统组成。核心之一是车顶上的旋转激光测距仪(Velodyne 63-beam)，能够提供精细的3D地图数据，自动汽车会把激光测到的数据和高分辨率的地图相结合，做出不同的数据模型，以便汽车能够识别障碍，遵守交通规则。另外，在汽车的前后保险杠上有四个雷达，用于探测周边情况；后视镜的附近有一个摄像机，以检测交通灯情况；一个GPS、一个惯性测试单元、一个车轮编码器，用来确定位置，跟踪其运动情况。单是这些成本，便超过了25万美元。自动驾驶汽车依赖于非常精确的地图来确定位置，只用GPS技术会出现偏差。在自动汽车上路之前，Google的工程师会驾车收集路况数据，因此，自动汽车能够将实时的数据和记录的数据进行比较，这有助于它将行人和路旁的物体分辨开来。

 

   讲习班的第二个部分《创新应用讲座》邀请了几位来自业界的总监、经理介绍了公司在移动互联网领域所作的创新。由于这些应用大多数和具体的平台和产品相关，所以，我会在进行产品梳理的时候再进行整理。