移动计算中的群智感知

群智感知中的数据采集与信息处理研究一、引言随着信息技术的不断发展，数据量呈现爆炸性增长，而群智感知技术的兴起为大规模数据采集和信息处理提供了新的思路。

在群智感知中，大量的个体通过提交信息实现特定的数据采集任务，进而为后续的信息处理和分析提供支持。

本文将从数据采集和信息处理两个层面，探讨在群智感知中数据采集与信息处理的研究现状和问题。

二、群智感知中的数据采集研究1. 群智感知的数据采集方式群智感知的数据采集依赖于参与者自愿提交有用的信息，常见的数据采集方式包括定位、视频、图片、文本等。

其中，定位数据在大规模的移动互联网应用中得到了广泛的应用，例如基于定位的社交应用和商业导航应用等。

2. 群体行为对数据采集的影响在群智感知的数据采集中，参与者之间存在相互协作和竞争的关系。

群体行为会对数据采集的准确性、可信度和效率等方面产生重要影响。

研究表明，群体中信任和奖励机制具有重要作用，可以激发参与者的积极性和信任感，提高数据采集的质量和效率。

3. 数据质量和任务分配研究在群智感知的数据采集中，由于参与者的主观性和能力差异，数据质量问题日益突出。

同时，在任务分配方面，优化任务分配可以提高数据采集的效率和质量。

相关研究表明，任务分配的优化策略可以基于参与者的能力、历史表现、任务数量和任务难度等因素，从而提高任务效率和质量。

三、群智感知中的信息处理研究1. 群智感知的信息处理方式在群智感知的信息处理中，需要将大量的未加工的原始数据转化为有价值的信息。

常见的信息处理方式包括数据清洗、数据挖掘和信息可视化等。

其中，数据清洗可以减少数据中的噪声和错误，数据挖掘可以实现数据分类、聚类和关联分析，而信息可视化可以有效地传达信息。

2. 大数据量下信息处理的问题在群智感知中，数据量和数据类型都保持着高度多样性，信息处理的难度和复杂度不断攀升。

在大数据量下，信息处理面临的主要问题包括数据存储和计算、数据隐私和安全以及数据挖掘和分析等方面。

认知计算与群智感知的结合研究在人工智能领域，认知计算和群智感知都是不容忽视的重要研究方向。

认知计算是从人类的认知机制出发，开展对计算和信息技术的研究，旨在打造具有人类智能水平的智能系统。

而群智感知则是指利用互联网和移动计算技术，对广大人群的认知和行为进行数据采集和分析，以获取更为全面和准确的信息。

然而，光是理论上的研究和探讨，往往难以直接应用到实践中，需要通过实验和案例分析来验证其可行性和有效性。

因此，将认知计算和群智感知结合起来，从理论研究到实践应用，就成为了当前研究的一个热点和难点。

认知计算和群智感知的结合研究，涉及到多个领域和技术，如机器学习、数据挖掘、社交网络、人机交互等。

下面就让我们分别从这些角度来探讨其中的关键问题和挑战。

1、机器学习与数据挖掘机器学习和数据挖掘是进行认知计算和群智感知结合研究的基础和关键技术。

从认知计算的角度来看，机器学习技术可以实现对人类认知过程的模拟和分析，进而为构建智能系统提供有力支撑。

从群智感知的角度来看，数据挖掘技术可以从大量的社交网络和移动计算数据中获取有价值的信息，为贴近实际需求的应用场景提供精准预测和解决方案。

然而，机器学习和数据挖掘也存在一些挑战和限制。

例如，数据采集和清洗的难度较大，难以保证数据的质量和可靠性；同时，数据分析和预测的过程中，也需要考虑与实际场景的匹配度和适用性。

因此，在进行机器学习和数据挖掘时，需要综合考虑多种因素，如数据质量、算法适用性、领域知识等。

2、社交网络与人机交互社交网络和人机交互，是实现认知计算和群智感知结合的重要环节。

社交网络可以实现人与人之间的信息交流和协同，为群智感知提供可靠的数据源和数据分析平台。

而人机交互则可以通过智能交互的方式，提升认知计算系统的灵活性和人性化体验。

然而，社交网络和人机交互也存在一些挑战和限制。

例如，社交网络的信息质量和真实性难以保证；人机交互的用户体验和易用性需要不断优化。

因此，要实现认知计算和群智感知的结合，需要在社交网络与人机交互的基础上，考虑如何保证数据的准确性、如何让用户更好的参与进来、如何降低用户参与的难度等方面做出全面优化。

移动群智感知质量度量与保障摘要：认为移动群智感知网络的感知质量包含时空覆盖质量和数据质量两个层面，前者关注是否能采集到足够多的数据，而后者关注数据是否足够准确和可信。

分别从这两个层面讨论了感知质量度量和保障的方法，对移动群智感知网络的部署和应用具有一定的指导意义和实用价值。

关键词：移动群智感知；感知质量度量；感知质量保障目前，物联网已经进入深度发展阶段，对物理环境更大规模、更复杂、更全面的感知需求越来越强烈。

在过去十多年内，人们主要关注以无线传感网为代表的固定部署感知网络，用来对森林、海洋、火山等自然环境进行监测。

然而，这种传统感知模式的网络部署和维护成本很高，不适宜进行大规模的城市感知。

近几年来，人们开始关注一种新型物联网感知模式，即“移动群智感知[1-3]”，或者叫“以人为中心的感知[4]”、“参与感知[5]”、“机会感知[6]”等。

这种感知模式的产生一方面是由于现实世界中存在着大量的移动感知节点，例如，具有多达十几种传感器的智能手机、各种可穿戴设备（如智能手环、智能手表、智能眼镜等）、车载感知设备（如全球定位系统（GPS）、第2代车载自动诊断系统（OBD-II）、车载二氧化碳传感器等）或其他便携式电子设备（如Intel的空气质量传感器）。

这些感知节点通常由移动的人或车携带，因而更容易实现对整个城市的覆盖，我们将其称之为“移动感知”。

另一方面，最近学术界和工业界流行一种“众包”思想，它是一种新的分布式的问题解决模式，就是将一个复杂的问题分解成很多个简单的问题，然后外包给大量的普通用户来协同完成。

于是，移动感知与众包思想的结合，就产生了这种新型物联网感知模式――移动群智感知，它将普通用户的移动设备作为基本感知单元，通过移动互联网进行有意识或无意识的协作，实现感知任务分发与感知数据收集，完成大规模的、复杂的社会感知任务[3]。

与传统的固定部署感知模式相比，移动群智感知有三大优点：网络部署成本更低、网络维护更容易、系统更具有可扩展性[7]，因此更适合完成一些大规模的、复杂的感知任务，可应用于城市环境监测、智能交通、城市管理、公共安全等领域。

移动群智感知技术在城市环境监测中的应用研究 近年来，城市化进程迅速推进，城市环境问题也日益突出。为了解决这些问题，人们对城市环境的监测需求越来越迫切。移动群智感知技术应运而生，成为一种有效的城市环境监测手段。本文将重点研究移动群智感知技术在城市环境监测中的应用，探讨其在解决城市环境问题方面的潜力。

移动群智感知技术是一种基于智能手机和移动网络的数据收集方法，通过群体参与、分布式数据获取和智能网络连接，实现对城市环境的实时检测和数据收集。这种技术的应用可以大大提高城市环境监测的效率和精确度。

首先，移动群智感知技术可以扩大城市环境监测的覆盖范围。传统的环境监测设备通常安装在特定区域内，其监测范围有限，无法全面了解城市各个位置的环境状况。而移动群智感知技术则可以通过智能手机上的传感器获取多种环境数据，并利用移动网络实时传输到数据中心，使得城市环境监测可以覆盖更广泛的区域。 其次，移动群智感知技术可以提高城市环境监测的实时性。传统的环境监测方法往往需要专门的设备和人力资源进行定期采集和分析，耗费时间和精力。而移动群智感知技术可以通过众包的参与，使得大量智能手机成为城市环境监测的移动终端节点，能够实时监测环境数据并及时上报。这样，在出现突发环境事件时，可以更快速地进行响应和应对。

第三，移动群智感知技术可以提高城市环境监测的精确度。传统的环境监测设备往往只能在固定位置进行数据采集，无法得知城市不同位置的环境状况差异。而移动群智感知技术可以通过大量分布在城市各处的智能手机，实时收集环境数据，并结合位置信息进行空间分析，得出更准确的城市环境监测结果。

此外，移动群智感知技术还可以提高城市环境监测的成本效益。传统的环境监测设备需要大量投入，包括设备购置、安装和维护等费用，而移动群智感知技术则利用了智能手机已有的传感器和通信功能，无需额外投入成本。同时，通过众包的方式，可以充分利用大量智能手机的潜在能力，实现成本的降低和效益的提升。

群智感知技术在城市管理中的应用随着智能城市建设的加速，群智感知技术在城市管理中的应用也越来越广泛。

群智感知技术，指的是通过移动终端设备、传感器等获取城市数据，并通过互联网、云计算等技术进行处理与分析，为城市管理提供全方位的数据支持和决策依据。

本文将从城市交通管理、环境监测、市容环境管理、社区治理等方面探讨群智感知技术在城市管理中的应用现状及未来发展趋势。

一、城市交通管理城市交通拥堵一直是一个全球性难题，尤其是在大城市。

群智感知技术通过移动应用、摄像头等收集实时交通信息，如车辆行驶速度、路况、拥堵情况等，为城市交通管理部门提供实时的数据分析和可视化呈现。

在交通管制等方面可以发挥关键作用，能够为道路优化和资源调配提供精准数据支持，从而提高城市交通运输的效率、安全和可持续性。

二、环境监测随着城市化进程的加速，城市环境质量、噪音污染、大气污染等问题也越来越突出，导致居民生活质量下降。

群智感知技术可以通过传感器、无线网等对实时环境进行监测，并通过数据分析，建立环境监测数据库和地图信息库。

为环保、建设和规划部门提供智能、数据驱动的方案，并加强对城市环境质量的预警和监测，为城市环境安全保障提供有效的反馈机制。

三、市容环境管理市容环境管理是城市管理的重要组成部分，保持城市清洁、整洁是城市品质和形象的重要体现。

群智感知技术可以通过移动终端设备等数据采集的方式，监督、管理垃圾的清运工作，如通过拍照上传的方式，共同参与垃圾分类、清运、回收等工作。

通过信息化的方式，保存社区运行的信息，并与其他社区对比统计，优化城市环保、美化城市形象的管理工作。

四、社区治理社区治理是城市管理的基石和主体，群智感知技术可以通过软件等经验技术，对社区的工作提供更好的管理和监督手段。

比如，移动应用可以帮助政府及社会机构汇集和管理市民提供的公共数据，发现和及时反馈困难和问题，及时协调处理和解决，提高城市治理效率和居民满意度。

总之，群智感知技术在城市管理中具有广泛的应用价值，能够为城市管理部门提供精准数据支持和科学的决策依据，为城市的可持续发展和社会文明进步做出贡献。

移动群智感知中任务分配的研究
方文凤;周朝荣;孙三山
【期刊名称】《计算机应用研究》
【年(卷),期】2018(035)011
【摘要】随着内置高性能传感器的移动智能终端的广泛应用,新兴的移动群智感知技术逐渐成为实时感知与收集环境信息的有效方式.为协调与鼓励用户参与感知任务,并最大限度地保证感知数据的有效性与可靠性,针对移动群智感知相关研究中的关键问题——任务分配进行了研究.首先介绍移动群智感知的相关背景;其次根据感知任务的要求对任务分配的约束条件进行分类;然后讨论与分析了任务分配的研究现状,包括平台为中心的优化算法设计以及用户为中心的激励机制设计;最后指出现有研究工作中的不足,展望了未来的研究方向.
【总页数】7页(P3206-3212)
【作者】方文凤;周朝荣;孙三山
【作者单位】四川师范大学物理与电子工程学院,成都610101;四川师范大学物理与电子工程学院,成都610101;成都信息工程大学气象信息与信号处理四川省高校重点实验室,成都610225;四川师范大学物理与电子工程学院,成都610101;电子科技大学通信抗干扰技术国家级重点实验室,成都611731
【正文语种】中文
【中图分类】TP393.07
【相关文献】
1.移动群智感知系统中基于离散布谷鸟搜索算法的任务分配 [J], 杨正清; 周朝荣; 袁姝
2.移动群智感知中的空间任务分配机制 [J], 邢倩; 孙学梅; 苑春苗
3.基于CQPSO移动群智感知紧急任务分配方法研究 [J], 李建军;汪校铃;杨玉;付佳
4.面向延迟接受的移动群智感知多任务分配 [J], 杨桂松;王不野;何杏宇
5.移动群智感知中基于用户意愿的多任务分配模型 [J], 吴佳莹;张晓瑜;苗星星因版权原因，仅展示原文概要，查看原文内容请购买。

一个基于M2M架构的IoT框架智能城市中的移动人群感知 摘要：未来的智慧城市必须具备应对城市基础设施日益增长的挑战的能力，如公共安全，资源管理，移动合作管理等。为了应对这些挑战，城市越来越多地使用下一代信息和通信技术（ICT）。许多基于ICT的创新正在广泛的领域 （i）云和移动边缘计算，（ii）感知和驱动，（iii）低功率通信，（iv）移动人群感测和大数据分析。这些可以联合在物联网和机器对机器（M2M）通信的保护伞下。本文为智能城市介绍了一个高效的MCS启用的物联网框架。合作人群感知与以数据为中心的方法可以提供统一的机制，以缓解智能城市面临的许多挑战。我们还讨论了将上述IoT框架集成到一个M2M标准体系结构中。这项工作的三个主要贡献是 - （i）纳入权力意识移动应用开发框架使得人群感知应用环境感知，以及用于合作人群感测的数据驱动方法，从原始数据创建可操作的智能，以及的部署功能的云和边缘计算平台。 关键词：移动人群感知;移动应用;物联网框架;一M2M架构;智能城市。 I.引言 近年来进行了重大的研究和工业努力在物联网、机器对机器（M2M）通信和智能城市方面。在物联网生态系统中，物理M2M设备配备了计算能力，低功耗无线技术，用于数据和配置交换的软件代理。因此，诸如传感器，致动器和RFID标签之类的东西可以连接到因特网，与对等体，M2M网关和云平台进行通信以提供新颖的服务给消费者。物联网应用场景延伸到个人健康监控，家庭控制，智能电网，智能交通运输管理，智能环境监控等。物联网和M2M通信在智能城市环境中的应用尤其令人感兴趣。这是因为智慧城市旨在向其公民提供上述服务。据估计，未来40年，城市人口将增长约230亿，约60-70％的世界人口将居住在城市和周边地区。这种快速增长将在环境变化，交通拥堵，医疗保健，能源管理方面带来众多挑战。一种解决这些问题的可能方式是通过有效的移动人群感知（MCS）机制。MCS通常包括三个主要步骤 - （i）数据生成和通信，（ii）数据处理以导出高级抽象，和（iii）向感兴趣的消费者传播信息，这个过程类似于物联网的基本步骤。因此，它可以帮助实现有效的MCS平台。为了实现启用MCS的IoT框架，大量的传感器将部署到即将到来的智能城市。同样时间，智能手机和平板电脑的渗透率在消费者市场上是相当高的。配备有这种智能设备的个人可以以安全的方式亲自或共同地向公共平台贡献感测信息，该公共平台可以测量和推断感兴趣的附加信息或可操作的智能。传统上，这种MCS系统被部署用于环境监测，基础设施监测，智能交通管理和社交计算。 为了利用物理设备的可用性和智能手机的高普及率，我们提出了基于oneM2M标准架构的物联网启用MCS框架。我们还为应用程序开发人员提供了一个强大的移动应用程序开发框架，这是因为智能手机传感器的连续访问在电池和CPU负载方面是昂贵的。用于收集人群感测的数据的大多数软件将会非常快速地耗尽电池，这将会让消费者对MCS场景不感兴趣。我们的框架允许开发自适应移动应用程序，根据可用的电池和上下文信息自动调整其行为。使用可以容易地编码到不同媒体类型中的传感器标记语言来执行均匀的传感器数据交换。我们采用语义网技术来推断传感器数据并推断出新的感兴趣的信息。这种数据驱动的方法使得语义计算独立于底层计算平台。这又允许计算机制被部署在云平台或边缘平台或甚至M2M网关处。这种灵活性提高了架构的互操作性和鲁棒性。 本文的贡献如下（i）用于MCS的IoT框架，其被集成到一个M2M的标准架构中，（ii）用于传感器数据收集的移动应用开发，（iii）云和边缘计算平台以及M2M网关的部署能力，（iv）来自多个和异构域的传感器数据的融合，人群感知应用和（v）检查整体架构的可扩展性。 其余的文章组织如下。 第二部分批判性地审查，并强调了当前MCS系统的局限性。第三节描述了功率感知移动应用开发框架。第四节介绍了MCS使能的IoT框架，其在oneM2M架构中的集成及其原型体验。最后,本文总结了贡献和未来研究方向。 II。国内外前言 许多研究工作集中在使用参与式和机会式感测方法的移动人群感测。这些方法，它们的应用和限制描述如下。人群感知范式作者Ganti，Ye和Lei [1]将移动人群感知定义为一种范式“计算设备共同共享数据并提取信息以测量和映射共同感兴趣的现象“。在手机上有更多的资源并且它们在消费市场的高渗透为新的MCS应用开辟了前景。他们将应用程序分为环境，基础设施和社会应用。而不是发送原始传感器数据给云系统，可以使用本地化分析来推断传感器数据。这减少了云上的负载，节省了带宽。作者还通过采用足够的安全性和数据完整性机制，提供了更深入的分析，以保护参与用户的隐私。最后，还指出了用于大规模研究的聚合分析的架构和必要性。 Gaonkar等人提出了一个微型交流平台，一个通过智能手机用户参与分享和查询多媒体内容的平台。这些多媒体内容使用进一步丰富智能手机传感器（例如加速度计）。每个博客然后在被传送到外部web服务器之前与空间和时间信息相关联。位置信息可以用于在地图上映射这些博客，例如Google Map。第三方网络服务可以应用在这些博客上，并且这创建了用于参与感测的平台。网络服务器允许终端用户向位于特定位置的智能电话发出查询。根据查询的性质，响应的智能手机可以自动感测和提供响应，或者它可能需要人类参与。作者还示出了利用其平台的若干应用（例如，新闻，警报，社交协作）。他们还提出了一种考虑能量感知定位技术和应用，激励响应用户的软件体系结构和位置隐私。关于参与感知的详细评论可以在[3]中找到。它提到使用网络验证的上下文和传感器数据的物理上下文。本文还倡导发现资源，全球可达的命名方案以及数据源的聚合和传播政策。 Das等人描述了使用智能手机的遥感平台[4]。他们建议利用智能手机的内置功能来进行参与式感知。一个关键的挑战是快速开发移动应用程序。不是每次开发应用程序，并努力广告它广泛采用，作者提出他们的平台PRISM。它解决普遍性，安全性和与来自个体智能手机的参与感知相关的可扩展性问题。通用性处理应用程序开发人员可以将其可执行代码打包在通用应用程序中的事实，提供了极大的灵活性。 PRISM的创新方面是跟踪智能手机资源枯竭的资源计量。网络，传感器，存储和能量使用被监控和严格控制，以避免自愿的智能手机用户参与者中的资源的快速耗尽。参与感知的另一个例子在[5]中找到。本文考虑了城市道路状况监测和交通拥堵的问题。作者提出了一个称为Nericell的系统[5]，能够感测终端用户携带的智能手机的音频，GPS和加速度传感器。进一步处理收集的传感器轨迹以计算加速度计方向，断开检测，为行人停止，碰撞检测。尽管访问许多传感器（GPS和加速度计）是连续的，但是该纸不呈现任何电池意识应用程序开发。作者Cornelius等人提出了一种用于匿名协作和机会主义群体感知的隐私感知架构Anonysense [15]。该架构允许终端用户使用特定任务语言来查询和接收相关响应。它基本上利用了来自智能手机的传感器数据，但是非常注重隐私。作者讨论了一个威胁模型假设胭脂实体想使用窃听和其他机制对参与的运营商进行去匿名化并且改变数据完整性。因此，信任模型在移动节点（即终端用户），接入点，注册上构成当局和移动电话中运行的应用程序。本文还报告了查询和响应中使用的任务和报告协议。 人群感知的编程框架为了利用人群感知的力量，在[13]中讨论了一个称为美杜莎的编程框架。这种框架背后的动机和要求也得到了强调。系统架构引入了Medusa作为高级编程语言，其中人群感知的步骤在阶段方面被指定。运行时基于三个主要设计 - （i）智能手机和云系统之间的服务分区，（ii）优化在智能手机上运行的任务，（iii）从电话到云的数据传输的选择加入/退出策略。作者Ravindranath，Thiagarajan，Balakrishnan和Madden开发了一个称为“空中代码”（CITA）[14]的系统，以降低编程和执行任务之间的障碍。 CITA使开发人员更容易表达条件，以引用用户的高层活动。这在活动层中使用场所层次结构和活动组合来完成。 CITA的任务框架使开发人员能够编写使用Web技术（如Java Scripts）的任务脚本。然后将这些任务添加到智能手机的用户界面。最终用户可以组合这些任务来创建复杂的任务。 C. MCS的应用. 现有文献中存在更多这样的平台，其（i）通过参与感知来评估个人环境，（ii）提供用于多媒体内容的搜索设施，（iii）帮助定位车辆的停车位[8] iv）与Twitter合作，使用群体感知来进行文本分类和趋势分析[9]，（v）用众包来回答某些查询[10]，以及（vi）计算在特定位置的扬声器的数量。但是这些应用程序已经使用不同的架构和编程框架构建。这些架构之间的可互操作性在文献中没有被研究。 D.限制 仔细研究一下最先进的技术突出了移动人群感知范式仍处于起步阶段的事实。尽管MCS在智能城市中具有巨大的潜力和几个用例，但是以下是限制它的范围。 •没有从智能手机和物理设备收集和共享传感器数据的统一方法。还缺乏描述来自异构源的传感器数据的标准化方法。 •一些MCS应用程序依赖于来自消费者智能手机的传感器数据的连续流。在智能手机和平板电脑中访问传感器在电池和处理能力方面是昂贵的。没有强大的移动应用程序开发框架可供开发人员使用。 •解释传感器数据的机制不统一，不能互操作。它防止MCS平台在彼此之间交互。 •人群感测仅限于智能手机内置的传感器。它们不与智能手机外部的任何传感器交互。 •当前的MCS应用在很大程度上是领域特定的。跨域MCS应用在当前的文献中被探讨。 •如[3]所述，这种移动参与式人群感知显式，公共和全球可达的命名方案，尚未开发并部署到智能城市的发现技术。 III。 POWER AWARE移动应用开发 将传感器数据传送到MCS平台的当前移动应用不是功率感知的。即使电池电量严重不足，它们仍会继续耗尽电池。换句话说，这些应用程序不会对剩余电池电量和状态做出反应。为了减轻这个问题，我们设计和开发了一个框架来创建功率感知的移动应用程序，根据可用的电池电量，充电和上下文信息实时动态适应其行为。这是在MCS的上下文中的文章的新颖方面。框架如图1所示[17]。框架由 （i）电池和上下文监控引擎，（ii）分析器引擎和（iii）自适应特性组成。监控引擎收集剩余的电池电量，电池状态（充电或放电）以及来自智能手机的实时上下文信息。这些被存储在统计模块中，充电模式。上下文信息包含空间和时间信息。这确定用户是否在国外旅行（漫游网络）。分析器引擎接收电池和上下文信息，所述电池和上下文信息相对于若干预先配置的规则评估以确定适当的自适应简档。每个配置文件在硬件和软件资源，用户功能和任何附加要求方面适应应用程序的行为。当电池电量足够高（60-100％）且用户未漫游时，触发轻自适应配置文件。在该简档的过程中，移动应用可以如所请求的那样频繁地检索智能手机传感器测量。位置信息可以通过GPS检索以准确。开发人员可以提供足够的用户功能。所请求的传感器数据被转换成传感器标记语言（SenML）格式（以解决传感器元数据的异质性）并且通过任何无线网络迅速传送。 当电池电量在20％ - 60％之间，电池状态正在放电或USB充电并且用户未在漫游时，介质自适应配置文件开始。此配置文件优化了访问硬件和软件传感器和用户体验水平。位置信息仍然可以从GPS获得。网络访问优于移动数据上的Wi-Fi。用户被给予显式选项以选择要传送到MCS平台的传感器数据。关于任何其他传感器数据的请求不由移动应用回答。如果必要，移动应用还可以减少SenML元数据内容。这导致对传感器的访问有限这节省了智能手机的电力。为了减少网络操作，移动应用还可以将多个SenML传感器数据捆绑在一起并将该束上传到MCS平台。 当电池电量低于20％并且放电和/或如果用户正在漫游时，强自适应配置文件被激活。在这种情况下，用户可以将移动应用配置为不向MCS平台贡献任何传感器数据。此配置文