从物联网到人迹网：理论、技术与应用❋

陈 戈，张小垒，韩 勇，马纯永

（中国海洋大学信息科学与工程学院海洋信息技术实验室，山东青岛266100）

从物联网到人迹网：理论、技术与应用❋

陈 戈，张小垒，韩 勇，马纯永

（中国海洋大学信息科学与工程学院海洋信息技术实验室，山东青岛266100）

近几年，物联网快速发展，建立了物质环境在网络数字世界中的映射；移动互联网和智能终端的发展，使人类的日常行为信息越来越多的映射到了网络数字世界中。这些信息与人们在传统网络中的行为数据相比，最大的变革就是有了空间和时间属性，用一个形象的词来描述这类信息那就是“人迹”，人迹通过时空互联形成的一种网络，本文叫做“人迹网”。在人迹网出现之前，对于人类社会行为的研究缺乏大规模的实验环境，无法获取完善的人类行为数据。人迹网承载了关于人类社会行为和交互的大规模、客观、实时、连续、动态的现场数据，为人类行为理解和交互规律认识的研究提供坚实基础。同时对人类社会行为的研究，可以为城市、社会、个人等提供科学的行为指导，具有良好的应用和社会意义。本文描述了人迹网的形成，从理论体系、技术方法和和应用实例等方面对人迹网进行了阐述和设计。

物联网；人迹网；人迹；社会行为；时空

物联网是近几年信息技术的热点，受到了国家经济发展的战略支持，在科技上已经形成了一个专有的知识领域。有很多的专家学者对物联网进行了科学系统的阐述，其中，Hua-Dong Ma［1］从背景、目标内容以及物联网主要涉及的科学问题进行系统的阐述。孙其博［2］等，对物联网的概念、架构、关键技术进行了综合性的论述。物联网相关的电子技术和网络技术的发展为人们的日常生活带来了革命性的变化，它的意义不仅仅在于实现了物物连通，更重要的是物联网技术带来的传感网络发展，为互联网提供了“感知世界”的能力，环境监测、物流监控、交通监控、定位追踪等等，使世界被越来越多的感知。Atzori［3］曾提出，物联网最大的变革在于打破了传统的思维模式，实现了物理时间的情景感知、信息处理和反馈控制这一闭环过程，真正意义上成为了物-物、物-人、人-人间信息连接的新一代智能网络。物联网实现了物理世界的充分连接。

近几年，移动智能终端、移动互联网技术发展迅速。根据美国市场研究公司尼尔森发布的《2013移动消费者报告》显示中国智能终端的普及率已经达到66%，移动宽带（3G、4G）技术、城市WIFI无线网络的覆盖面积也在不断扩大。相对于物联网，移动互联网使人类的日常行为信息更加直接的被感知记录，这些信息与传统的人们在网络中的行为信息最大的变革就是有了时空维度。时空将人与人通过行为关联在了一起，形成了一个足迹网络，本文称这个网络为人迹网。於志文［4］在社会感知计算一文中也分析到，生活在由移动通信网、互联网、传感网等相互融合所形成的混合网络环境中的人们，留下的数字足迹汇聚成为一幅复杂的个体和群体行为图景，这些图景对于理解并支持人类的社会活动具有重要的作用。人迹网就是人类社会行为在信息空间的数字映射。人既是这个网络的数据终端，也是这个网络的服务（行为指导服务）对象。人迹网将人与人之间通过时空轨迹联系在一起，朋友、家人、同事、陌生人之间在时空上存在一种偶然又必然的关联，其中蕴藏着巨大的社会价值和商业价值，人迹网的研究将为发掘这些价值，为个人、企业、政府提供决策辅助服务提供条件。

借助智能终端和移动互联网技术，人迹网可以感知记录人类在物理世界实时、连续的现场数据，经过挖掘分析，获得人类行为交互信息，为宏观社会提供决策依据。反过来，人迹网从宏观社会接受理论指导，通过智能终端直接反馈并作用于物理世界，辅助支持人类的社会活动。因此，人迹网将宏观社会和物理世界进行了连接。

物联网是物理世界充分连接的介质，人迹网在物联网的客观物理连接基础上，为物理世界与宏观社会之间的连接搭建了桥梁。

1 人迹网理论体系

1.1理论基础

人迹网是一个以人为主体的人类社会行为信息交互网络。移动互联网是其物理层的网络架构，移动计算、普适计算是人迹网形成的环境基础，时空网络、社会计算、大数据等是人迹网的主要方法指导。

1988年，MarkWeiser提出普适计算的思想，普适计算旨在让技术无缝的融入人类的日常生活，减小科技带来的压力［5］。移动计算是一种典型的普适计算，随着移动互联网络和移动智能设备的发展，移动计算已经在人们生活中发挥着重要的作用，其中最显著的表现就是，人们的社会行为越来越离不开移动环境（移动网络、智能设备、移动计算），包括社交、出行、购物、理财、健康医疗、体育运动等各方面。人迹网就是在这种计算环境下形成的，在普适计算（移动计算）融合了物理世界和信息空间的基础上，呈现出的人类社会行为互联的数字世界。

爱因斯坦的相对论建立的统一的时空概念，在一个欧氏三维空间中时间、空间和运动是不可分割的。从现实生活中全球的变化、环境的变迁以及社会的发展都有大量事实证明时空是一体的，是相互制约的［6］。时空还原一个事件，时空网络表述一个基础社会结构，结合社会关系，就是一个完整的社会表达。人迹网就是人类现实社会行为的网络表达。

社会计算是宏观社会提供给人迹网的理论指导，是人迹网应用于客观世界的科学方法。2009年2月Lazer等［7］在《Science》上发表了计算社会学的文章，系统地阐述了社会计算、社会行为等群体演化规律。社会计算作为社会科学、管理科学与计算科学等的新兴交叉学科，近年来迅速兴起和发展，成为应对当代信息社会条件下社会问题日益呈现出动态性、快速性、开放性、交互性和数据海量化等特点，处理网络化复杂社会系统的建模、分析、管理和控制等问题的有力方法和手段［8］。社会关系认知建模是社会计算的重要理论，是人迹网构建社会观察模型，科学的分析人类社会行为，有效指导人们日常生活的科学方法。人迹网通过建立基于时空线索的社会关系认知模型，对社会行为数据进行分析挖掘，建立人类社会行为模式，来还原人类社会行为逻辑，分析行为规律，认知行为动机。

大数据理论为人迹网数据模型构建的提供了理论框架。对于大数据还没有一个公认的定义，目前比较有代表性的就是“3V”定义，即认为大数据需满足3个特点：规模性（Volume）、多样性（Variety）和高速性（Velocity）［17］。在移动互联网时代，通过智能终端人们生活中的各种信息包括：时间、空间、人物等，在人迹网中形成了一个多维的时空数据，这种时空数据是一种典型的大数据，是移动网络时代大数据的重要存在。大数据的理论主要包括多维大量数据的模型构建、数据的快速存储处理以及对大数据的深入挖掘分析等，这些大数据理论方法为人迹网数据模型的构建提供了方法支持。

1.2定义

人迹网是一种在移动网络环境下，聚合特定时空环境的人群，表现出的一种人与人行为时空互连的网络数字世界。人迹网中的人不同于Miller［10］在基于人的GIScience中提出的个体人，也不是宏观上的人类，这里的人是一个具有时空行为的群体，从地理学角度，又称之为“地理人”。地理人具有一系列时空行为，这些行为充斥在日常的工作、学习、生活、娱乐中，地理人在具有时空表现的同时，也充分的表达了人的社会性。从地理学的角度来说，在人迹网中的人即是地理信息的应用者，同时也是地理信息的制造者。Michael F. Goodchild在文献［11］中也描述了人在未来地理信息科学中的角色将从单纯的消费者发展为消费者和生产者兼有。

从图论的角度来阐述，传统的社会网络，是一个以人为节点，以社会关系为边组成的网络结构（见图1），主要用来研究一个群体的社会结构，表达人与人之间的社会关系；人迹网在社会网络的基础上，更深层次的表达了人与人之间的行为关系，它是一个以人和行为为节点，社会关系和时空线索为连接边，而组成的一个多维网络结构（见图2）。人迹网是一种变形的二分网络，它具有两种类型的节点：人和行为，人是行为的主体，两者之间通过时空相互依附；同时人与人之间又存在着社会网络关联。所以，人迹网是传统社会网络的补充，是社会网络从一维向多维延伸的一种发展。人迹网在社会网络的基础之上融合了时空网络的特性，对人的社会行为表达具有动态性。

图1 传统社会网络结构Fig.1 Structure of traditional social network

图2 人迹网结构Fig.2 Structure of internet of people footprints

1.3人迹网的3个主要概念：人迹数据、人迹传感器和人迹云

人迹数据 是一种描述社会主体（人），在社会活动中产生的一系列社会行为的数据。要描述人的社会行为，首先要对行为主体进行描述；其次要对主体的行为进行描述。（1）行为主体，在人迹网中被称为“地理人”，地理人首先具有人的社会性，其次具有时空存在性。所以对于主体，采用三元式P（t，s，a）来描述，其中t表示时间，s表示空间，a表示社会属性。（2）对于行为的描述，可以分为目的行为和过程行为。对于目的行为，以描述行为所产生的各类信息为主，这些信息包括了文字、图片、视频、短消息、通过等等各种生活信息；对于过程行为，以描述行为特征为主，这些信息主要以各种传感器信号记录为主。综上所述，人迹数据是一种非结构化的松散数据结构，信息维度高、数据类型复杂、体量大、并且蕴含丰富的价值，是一种典型的大数据结构。

人迹传感器 是人迹数据的生产主体。人迹数据是人们日常生活产生的，通过移动智能终端和移动互联网感知记录下来的现场数据。人迹传感器就是存在于移动智能终端和移动互联网中的，能够感知记录人迹数据的各种终端应用，这些终端应用利用智能终端的各种传感器、无限通信设备和卫星定位装置，以及终端具有的计算分析能力来实现对人迹数据的采集记录（见图3）。这些应用包含了地图导航应用、社交网络应用、游戏娱乐应用等等。人迹传感器相对于其它领域的数据采集设备具有自己的特性：（1）覆盖范围广（2）扩展性／适配性强（3）生产的数据非标准化、非结构化。人迹云 是对人迹数据进行集中存储计算的规模计算中心，是云计算的一种应用。人迹数据是一种大数据，对大数据的存储计算，云架构提供了很好的解决方案。人迹云是人迹网的大脑，是学习宏观社会理论方法的主体，人迹云集成了人迹数据的实时存取方法、可视化方法、专题性数据挖掘方法，以及实时性的终端数据提供等人迹数据服务。

人迹传感器、人迹数据和人迹云是人迹网的3个主要概念，也是人迹网的主要组成部分。这3部分的结构关系见图3。

图3 人迹网框架图Fig.3 Frame diagram of internet of people footprints

2 人迹网关键技术

2.1 3 S（RS、GIS、GPS）

3S技术是地理空间信息科学与技术的核心，由遥感技术（RS）、地理信息系统技术（GIS）和全球定位系统技术（GPS）组成，并且是一种面向空间信息处理的多学科综合技术，它高度的集成了空间信息的采集、处理、管理、分析、描述、传播和现代信息应用等相关技术［12］。在人迹网中，3S技术在人迹数据的采集和人迹数据的空间处理方面发挥了重要的作用。人迹网中人迹数据的采集终端被称为人迹传感器，人迹传感器是移动智能终端多传感器数据融合技术的体现，其中GPS数据是人迹数据中多维特性中的最重要的一维，其它传感器例如加速度传感器、方位传感器等传感数据组成了人迹数据的其它维度。目前移动终端的定位数据主要以GPS为主，我国自主研发的北斗卫星定位技术也逐渐成熟，也会成为终端定位的主要技术之一。通过定位识别实现的各种LBS终端应用是人迹传感器的主要应用实例，其中基于WebGIS和MobileGIS协同服务的多终端空间服务架构技术是关键的核心技术。

2.2智能终端多传感器数据融合技术

随着电子技术的发展，移动智能终端配置的传感器越来越丰富，包括GPS、加速度传感器、方向传感器、陀螺仪、温度传感器、光线传感、磁场传感器等等，将来智能终端的传感器配置将更加丰富，精密性也将越来越高。这些传感器的应用可以全面的获取终端使用人的环境信息，包括位置、运动状态、方向，甚至人的情绪等。传感器获取的数据多种多样，数据的格式、维度、大小都具有较大的差别，融合这些异源数据，综合判断终端人的状态环境信息，是人迹网人迹传感器的关键技术。对于这些异源传感器数据的融合，人迹传感器主要通过对空间几何计算、概率统计计算、实时信号处理等相关方法的综合运用来实现。近年来，用于多传感器数据融合的计算智能方法主要包括：模糊集合理论、神经网络、小波分析理论和支持向量机等。

2.3人迹数据的网络可视化技术

人迹数据是一种多维时空数据，利用什么样的技术来实现人迹数据的可视化，是人迹网应用的关键问题。首先，针对人迹数据的时空特性，基于地理信息系统的时空可视化是一个解决方案。其次，在地理信息系统的基础上，利用时空数据的三维动态可视化技术进行三维时空数据的可视化叠加，来实现多维动态数据的分层可视化，更全面的表现人迹数据的多维动态特性。最后，人迹数据的可视化不仅要解决海量数据的分析处理问题，同时对这些数据处理结果的发布、传播、分享也是一个重要问题。当前终端环境繁多复杂，不仅要面向不同系统的pc终端，同时还要兼容不同系统的移动智能终端。利用基于HTML5的网络可视化技术是一个最佳方案，主流浏览器对HTML5的支持，内置GPS定位接口［13］、支持本地存储、硬件加速、websocket等，都为建立一个跨平台的时空大数据的网络可视化提供了保障。

2.4基于大数据支持的人迹数据存储架构技术

人迹数据的挖掘分析是建立在对人迹数据进行大数据存储架构的基础上的，大数据的存储架构是1个关键技术，同时对于大数据的挖掘分析需要运用云计算的相关技术。总之人迹数据的挖掘分析是在人迹网时代，基于云计算的一种大数据存储与挖掘分析的综合技术，也是大数据时代的技术核心。当前，大数据的存储架构的方案主要有：并行数据库、MapReduce、并行数据和MapReduce混合等方案［14］，其中MapReduce是该领域的研究热点，它的键值存储模型具有较强的表现力，可以存储任意格式的数据；可以实现复杂的数据处理，但是MapReduce的数据处理性能相较于关系数据库要低很多。针对这个的缺点，近年很多专家在研究提高Map Reduce的数据处理性能的方法。文献［15］提出了Map端连接、Reduce端连接及广播式连接等算法；文献［16］提出了Map-Reduce-Merge框架可以同时处理两个异构数据源的数据。还有很多的相关研究方案，为MapReduce的发展提供了支持。可见，MapReduce在大数据时代将发挥重要作用，是人迹网数据存储架构的关键技术。

2.5 用户隐私与网络安全技术

人迹网是一个城市居民日常生活的信息交互网络，其中充斥人们生活过程中各种各样的信息，不乏一些隐私信息。这些信息在人迹网时代，一方面给人们的生活带来了极大的便利，同时也带来了一些个人隐私泄漏的安全问题。自从网络出现以来，数据安全问题是人们一直在努力解决的问题，是网络技术专家的重点研究领域，在当前人迹网时代，数据的高度集中化使得数据安全显得更加重要。要解决数据安全问题，不仅要有相关科学技术的发展，同时要有相关领域的法律为依托。在技术领域，针对移动网络环境下用户隐私与安全主要体现在三个方面：移动终端、移动网络和移动云［17］。在人迹网中，这三个方面表现为人迹传感器、人迹云。在人迹传感器方面，除了针对移动终端软件平台本身的安全技术以为，人迹传感器在设计过程中采取透明用户式的特征信息采集方案，能够很好的保障用户的隐私安全；在人迹云方面，除了保障云平台本身的安全性以外，还要加强云平台管理的制度化，有效的规范管理阻止的行为，科学避免不安全操作。

3 人迹网应用

人迹网承载了关于人类社会行为和交互的大规模、客观、实时、连续、动态的现场数据，为人类行为理解和交互规律认识的研究提供坚实基础。除了分析理解之外，人迹网还从个体、群体和社会三个层面为人类行为和交互以及行为场景提供智能辅助和支持。

人迹网具体到一个场景，它的应用方案见图4。通过构建该场景的空间数据服务，建立基于移动终端的空间服务应用，这些空间服务应用在为该场景中的用户提供服务的同时，收集用户的特征行为数据，形成该场景的人迹数据存储计算中心，该中心利用数据挖掘方法、可视化方法、统计分析方法等，分析用户的行为数据，得到的结果在为用户提供个性化的行为指导的同时，可以为场景的各方面建设提供决策支持。

图4 人迹网实施方案Fig.4 Application Scheme of Internet of People Footprints

本文基于“人迹网”概念，设计搭建了针对人迹数据的采集存储、挖掘分析及可视化网络平台i4People，平台框架见图5。在该平台中，实现了3个人迹传感器实例：楼宇识别、实景导航和出行感知和人迹数据可视化系统。本文通过i4People平台设计了2个应用案例：楼宇识别和实景导航应用、出行感知应用。通过这2个应用的测试实验，采集了实验人迹数据。本文对这些数据进行了简单的空间分析和可视化呈现。在这些数据的基础上，本课题下一步的工作重点是进行人迹行为模型的构建，行为模式的分析，包括行为认知、行为聚类、行为规划等。以下是2个应用案例的具体介绍：（1）楼宇识别和实景导航终端应用。该应用在Android平台下实现，部署在中国海洋大学崂山校区，提供基于手机的增强现实楼宇识别和实景导航服务，应用截图

（见图6）。该应用匿名采集用户的“人迹数据”。经过一周的实施，采集到了100位师生的校园生活人迹数据。通过i4People平台进行了时空可视化分析，使用空间热力图、曲线图与饼状图等图表效果，结合时间轴，将中国海洋大学崂山校区的人迹时空分布进行了表达（见图7）。

（2）出行感知实例。该实例在Android和iOS平台下运行，为用户提供出行轨迹记录服务。通过招募20名志愿者，经过一个月的实例应用，采集到了10万条出行轨迹数据。通过i4People平台进行了出行方式的判别分析，并进行了出行方式的时空可视化。王瑾［18］对出行方式的判别进行了详细介绍；出行方式的时空可视化见图8。用户采用隐码匿名方式表现，采用不同颜色和透明度表示了不同的出行方式和不同出行方式的运行量，直观反应了一个城市的交通方式的时空分布情况。这些人迹数据结合专业的城市交通模型，可以进行深入的挖掘分析，来为城市的交通规划提供专业的决策支持。

图5 i4People架构图Fig.5 i4People architecture

图6 楼宇识别和实景导航系统Fig.6 Building recognition and real navigation system

图7 11时人群轨迹分布Fig.7 The trajectory distribution at 11：00 am

图8 出行方式空间分布Fig.8 The space distribution of travel model

4 结语

物联网是互联网的一种扩展，实现了物与物的连通；人迹网是移动互联网时代人与人之间网络关系的一种革命性进展，突破了传统的社会关系网络，利用时空线索将人与人进行了聚合关联。本文从理论体系、技术方法和应用领域对人迹网进行了阐述，普适计算、时空理论、社会计算、大数据等是人迹网的基础理论体系；3S、多传感器数据融合、网络可视化、大数据存储架构、社会关系认知建模、用户隐私安全等技术是人迹网研究的关键技术；研究人迹网，认知社会行为模式对于具有社会行为结构的场景都具有重大的意义，从个人家庭到城市社会，都是人迹网的应用领域。本文根据当前网络现象，总结物联网、社会计算、大数据、时空网络等领域的相关观点，提出人迹网的概念，希望能够为相关领域的研究提供一些建设性参考。

［1］ MA HD.Internet of things：Objectives and scientific challenges［J］.Journal of Computer Science and Technology，2011，26（6）：919-924.

［2］ 孙其博，刘杰，黎羴.物联网：概念、架构与关键技术研究综述［J］.北京邮电大学学报，2010，33（3）：1-9.

［3］ ATZORI L，IERA A，GIACOMO M.The Internet of Things：A survey［J］.Computer Networks，2010，54（15）：2787-2805.

［4］ 於志文，於志勇，周兴社.社会感知计算：概念、问题及其研究进展［J］.计算机学报，2012，35（1）：16-26.

［5］ 石为人，周彬，许磊.普适计算：人本计算［J］.计算机应用，2005，25（7）：1479-1484.

［6］ 崔伟宏，张显峰.时态地理信息系统研究［J］.上海计量测试，2006（4）：6-12.

［7］ LAZER D，PENTLAND A，ADAMIC L.Lifein the network：the coming age of computational social science［J］.Science，2009，323（5915）：721-723.

［8］ 王飞跃，曾大军，毛文吉.社会计算的意义、发展与研究状况［J］，科研信息化技术与应用，2010，1（2）：3-15

［9］ 孟小峰，慈祥.大数据管理：概念、技术与挑战［J］.计算机研究与发展，2013，50（1）：146-169.

［10］ MILLER H.Place-Based Versus People-Based Geographic Information Science［J］.Geography Compass，2007，1（3）：503-535.

［11］ Goodchild M F.Geographic information systems and science：today and tomorrow［J］.Annals of GIS，2009，15（1）：3-9.

［12］ HU M，LIC.Design smart city based on 3S，Internet of Things，grid computing and cloud computing technology［J］.Communications in Computer and Information Science，2012，312：466-472.

［13］ GARY A.HTML5 Leads web revolution［J］.Communications of the ACM，2012，55（7）：16-17.

［14］ 王珊，王会举，覃雄派.架构大数据：挑战、现状与展望［J］.计算机学报，2011，34（10）：1741-1754.

［15］ BLANASS，PATEL J，ERCEGOVAC V.A comparison of join algorithms for log processing in MapReduce［C］.Indianapolis：Proceedings of the ACM SIGMOD International Conference on Management of Data（SIGMOD＇10）.2010：975-986.

［16］ YANG H C，DASDAN A，HSIAO R L.Map-reduce-merge：Simplified relational data processing on large clusters［C］.Beijing：Proceedings of the ACM SIGMOD International Conference on Management of Data（SIGMOD＇07）.2007：1029-1040.

［17］ SUO H，LIU Z H，WAN J F.Security and Privacy in Mobile Cloud Computing［C］.Cayliari：Wireless Communications and Mobile Computing Conference，2013：655-659.

［18］ 王瑾.移动网络环境下城市居民出行方式判别方法研究［D］.青岛：中国海洋大学，2014.

From lnternet of Things to lnternet of People Footprints：Theory，Technology and Application

CHEN Ge，ZHANG Xiao-Lei，HAN Yong，MA Chun-Yong
（Marine Information Technology Laboratory，College of Information Science and Engineering，Ocean University of China，Qingdao 266100，China）

In recent years，the development of the Internet of Things help to build the map between the physical world and the network digital world.With the rapid development of mobile network and intelligent terminal，the increasing information of people on daily work，leisure，entertainment and other acts have been mapped to the network digital world.These information showes the space-time characteristic，which is the biggest change compared to the behaviour data that people act in the traditional network. These information can be expressed in one word‘people footprints’.People’s footprints linking everyone by space-time，together with social relations，forms a multi-dimensional space-time dynamic network among people.This network is named‘Internet of People Footprints（IoPF）’.Before the emergence of IoPF，The lack of large-scale experimental environment make the study of human social behaviour unable to get the perfect human behaviour data.IoPF can get large-scale，objective，real-time，continuous，dynamic field data about human social behaviours and interactions，which provide solid foundation for understanding the human behaviour and learning the interaction pattern.At the same time，the study of human social behaviour，can provide the scientific guidance for city，society and individual behaviour，which has good application and social significance.This paper introduces the emergence of IoPF，addresses the‘internet of people footprints’concept，and makes a scientific exposition and design from the theoretical system，the key technologies and the major applications.

internet of things（Io T）；internet of people footprints（IoPF）；people footprints；social behaviour；space-time

TP399

A

1672-5174（2014）10-148-07

责任编辑 陈呈超

国家自然科学基金项目（61361136001）；青岛市科技发展计划项目（13-1-3-117-nsh）资助.

2014-07-15；

2014-09-10

陈 戈（1965-），男，教授，博导。E-mail：gechen＠ouc.edu.cn