CN103731844A - 一种地理位置相关的移动感知系统任务分配方法 - Google Patents

Abstract

本发明公开了一种地理位置相关的移动感知系统任务分配方法，移动感知系统包括一个任务平台与若干移动设备，任务分配方法包括以下步骤：S1、任务平台发布任务信息；S2、移动设备用户调阅任务信息；S3、感兴趣且满足任务要求的用户发送任务请求；S4、任务平台构建用户集合U，求解任务执行者集合W，然后向集合中的任务执行者发送任务确认；S5、收到确认的用户在约定时间执行任务，上传数据；S6、任务平台确认无误后支付报酬。本发明能够高效的完成地理位置相关的移动感知任务的分配过程，同时满足任务发布者对效益的期望。

Description

一种地理位置相关的移动感知系统任务分配方法

技术领域

本发明涉及物联网应用技术领域，特别是涉及一种面向平台的地理位置相关的移动感知系统任务分配方法。

背景技术

伴随着各种微型传感器、WiFi、3G以及4G等新技术日新月异的发展，各类移动设备(Mobile devices)以及智能手机(Smartphones)终端已经逐渐发展成为人们日常生活中主流的计算和通信设备。这也意味着使用智能手机的用户数量在近些年取得了极快速的增长，智能手机已成为移动互联网发展的重要载体。搭载Android、Windows Phone、iOS等移动操作系统的智能手机客户端的可编程特性以及大量功能强大的嵌入式传感设备（如：相机、陀螺仪、GPS、加速度传感器、振动传感器、噪声传感器以及角速度传感器等）的使用，使得智能手机的应用范围进一步扩大。

移动感知(Mobile Sensing)作为物联网应用的关键技术之一，旨在通过智能手机、PDA等附着在人身上的各种移动设备在一个更加广泛的感知区域内实时获取用户感兴趣的信息。区别于以前的无线传感网络(WSN)技术，借助了功能强大且内置有大量精密传感器的智能手机终端使得我们拥有了更好的数据采样节点选择——手机用户，智能手机的快速普及和庞大的用户量使得移动感知相关应用真正得以实现。一些大规模采样任务，如噪音监测、智能城市交通流量管理，往往需要收集大量的采样数据从而得出可信的结果。而传统的采样方法往往由专人使用特殊的仪器在选定位置于特定时间采样，这样不仅采样次数十分有限，收集数据的代价也很高。不同于传统的采样监控方法，借鉴群智感知(crowdsourcing)的思想，将规模庞大的数据收集任务交由大量分散的移动手机用户，让其扮演数据收集者(Data collector)的角色，在数据采样任务管理以及采样质量得到保障的前提下，不仅任务执行时间、任务开销大幅降低，在大量采样点的数据集成下，最终计算结果的可信度亦可得到保证。

然而，受限于手机能量等诸多因素，并不会有太多的手机用户愿意免费完成平台所发布感知任务，这是当前移动感知平台所面临的主要问题。因此我们需要设计一定的激励机制来吸引更多的手机用户加入到感知任务中来。现有的大多数感知任务都是与手机用户的地理位置相关的，如城市噪声图实时绘制，道路交通状态监测等。从平台的角度出发，它会希望花最少的代价来完成期望完成的任务，如完整地绘制出某个城市的噪声图。显然，在此类任务中过多地选择地理位置相近的手机用户是不合适的。但是，现有的研究并没有考虑在分配地理位置相关的感知任务时，如何选择手机用户才能达到平台利益最大化的问题。

为了解决上述实际系统中存在的问题，有必要提供一种地理位置相关的移动感知系统任务分配方法。

发明内容

有鉴于此，为了解决现有研究在地理位置相关的移动感知任务分配方面的不足，本发明将着重考虑以平台为任务分配者，手机用户作为任务执行者的地理位置相关移动感知系统中，如何有效的进行任务的分配工作，提供了一种高效的地理位置相关的移动感知系统任务分配方法。

为了实现上述目的，本发明实施例提供的技术方案如下：

一种地理位置相关的移动感知系统任务分配方法，所述移动感知系统包括一个任务平台与若干移动设备，所述任务分配方法包括以下步骤：

S1、任务平台发布任务信息；

S2、移动设备用户调阅任务信息；

S3、感兴趣且满足任务要求的用户发送任务请求；

S4、任务平台构建用户集合U，求解任务执行者集合W，然后向集合中的任务执行者发送任务确认；

S5、收到确认的用户在约定时间执行任务，上传数据；

S6、任务平台确认无误后支付报酬。

作为本发明的进一步改进，所述步骤S1中的任务信息包括任务监测区域任务内容、任务执行时间。

作为本发明的进一步改进，所述步骤S3中的任务请求包括用户的地理位置信息(x，g)以及用户所期望的酬劳p。

作为本发明的进一步改进，所述步骤S6中任务平台支付的报酬为用户所期望的酬劳p。

作为本发明的进一步改进，所述步骤S4中求解任务执行者集合通过地理位置移动感知任务分配算法完成，具体为：

S01、对r，s(0≤r，s≤m-1)进行赋值，其中，m为子区域大小，监测区域划分若干为m*m的正方形区域；

S02、根据参数r，s对监测区域进行划分，获得子区域集合D(r，s),其中元素e为该划分下的子区域；

S03、对该划分下的所有子区域e∈D(r，s)使用优化的枚举算法求解子区域任务执行者集合OPT(e);

S04、对该划分下所有的子区域的最优任务执行者集合进行直接并集运算，所得的集合即是该划分下的最优解决方案，即

OPT(D(r，s))＝U_e∈D(r，s)OPT(e)；

S05、对这m²种划分的最优解决方案进行比较，其中权重最大的解决方案OPT(D(r₀，s₀))为移动划分算法的最终解决方案W，即

OPT(D(r₀，s₀))＝max_{0≤r，s≤m-1}OPT(D(r，s))。

作为本发明的进一步改进，所述步骤S03中优化的枚举算法具体为：

S001、遍历子区域e的用户集合U_e所有元素个数小于

的子集U_ej;

S002、求解子集的权重；

S003、从遍历的所有子集中选出权重最大的集合，即是该区域的最优解决方案OPT(e),即 $\mathrm{OPT}\left(e\right)={\max }_{U_{\mathrm{ej}}\⊆U_e}{U}_{\mathrm{ej}}.$

作为本发明的进一步改进，所述步骤S002具体为：

判断当前子集是否为独立集；

若是，则该集合的权重为所有用户的数据价值减去所有用户的报价，即 $W\left(U_{\mathrm{ej}}\right)={\mathrm{\Σ}}_{i\∈U_{\mathrm{ej}}}{v}_i-p_i;$

若否，该集合不能作为任务执行者集合，权重为0。

本发明考虑到了地理位置相关的移动感知任务中用户间执行任务时的用户地理分布，对于该类任务而言，距离过于接近的用户所收集的数据将存在冗余，所以我们更期望由相距较远的用户共同执行任务。同时考虑了关于平台在移动感知任务的执行中的收益（平台收益=任务收入-任务执行者报酬）这一要素对平台任务分配过程的影响，提出了一种可行的地理位置相关移动感知任务的实现方法。在算法中使用以小计算量的局域解代替计算量巨大的全局解的方法，在保持算法性能的情况下，减少了算法的计算量，增强了算法在实际应用中的可行性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明地理位置相关的移动感知系统任务分配方法的流程图；

图2为本发明一具体实施方式中移动划分算法具体流程图；

图3为本发明一具体实施方式中移动划分算法在某一赋值条件下对监测区域划分示意图；

图4为本发明一具体实施方式中移动划分算法在m＝6的条件下划分所得的子区域示意图；

图5为本发明一具体实施方式中优化的枚举算法具体流程图。

具体实施方式

为了使本技术领域的人员更好地理解本发明中的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

为了解决现有研究在地理位置相关的移动感知任务分配方面的不足，本发明将着重考虑以平台为任务分配者，手机用户作为任务执行者的地理位置相关移动感知系统中，如何有效的进行任务的分配工作。提供了一种高效的移动感知系统任务分配方法。

本发明中，移动感知系统包括一个任务平台与若干移动设备(如手机等)，参图1所示，地理位置相关的移动感知系统在一个任务周期内任务分配方法包括以下步骤：

S1、任务平台发布任务信息；

任务信息包括任务监测区域、任务内容、任务执行时间等，优选地，任务监测区域G是一个L*L的正方形监测区域。

S2、移动设备用户调阅任务信息；

S3、感兴趣且满足任务要求的用户发送任务请求；

只有满足所在地理位置处于监测区域内条件的用户才可以发送任务请求，任务请求包括用户的地理位置信息(x，g)以及用户所期望的酬劳p，用户所收集的数据拥有的价值为v。

S4、任务平台构建用户集合U，求解任务执行者集合W，然后向集合中的任务执行者发送任务确认；

任务执行者集合是通过所提供的移动感知任务分配算法计算获得的最终解决方案，是能够使得平台效益最大化的用户集合。

S5、收到确认的用户在约定时间执行任务，上传数据；

S6、任务平台确认无误后支付报酬。

平台所支付的报酬即是用户提交的期望酬劳p。

本发明所提供的地理位置相关移动感知任务分配算法由移动划分算法和优化的枚举算法相结合组成。

下面对本发明一具体实施方式中所提供的移动划分算法的执行过程进行介绍。

设定干扰半径R。如果两位用户间距离小于2R，我们认为这两位用户是相冲突的，他们不能同时作为任务执行者。

设定监测区域平面图左下角为坐标原点，构建坐标系。其中我们以2R为单位长度（以下出现的所有长度都将以此单位长度为度量）。

设定子区域大小m，我们将把监测区域划分若干为m*m的正方形区域。

参图2所示，通过移动划分算法求解任务的最终解决方案即任务执行者集合W，具体为：

S01、对r，s(0≤r，s≤m-1)进行赋值，其中，m为子区域大小，监测区域划分若干为m*m的正方形区域，对r，s(0≤r，s≤m-1)的每种赋值情况下，执行以下步骤，求解此时划分下的最优解决方案；

S02、根据参数r，s对监测区域进行划分，划分示意图参图3，获得子区域集合D(r，s),其中元素e为该划分下的子区域；

S03、对该划分下的所有子区域e∈D(r，s)使用优化的枚举算法求解子区域任务执行者集合OPT(e.);

S04、对该划分下所有的子区域的最优任务执行者集合进行直接并集运算，所得的集合即是该划分下的最优解决方案，即

OPT(D(r，s))=U_e∈D(r，s)OPT(e);

S05、对这m²种划分的最优解决方案进行比较，其中权重最大的解决方案OPT(D(r₀，s₀))为移动划分算法的最终解决方案W，即

OPT(D(r₀，s₀))＝max_{0≤r，s≤m-1}OPT(D(r，s))。

进一步地，对本发明所提供的优化的枚举算法进行介绍。优化的枚举算法包括以下几个部分：

构建区域内用户集合。如图4所示，阴影部分为m＝6情况下划分所得的某一子区域。当我们以用户的地理位置为圆心，干扰半径为圆半径作圆后，即得到了图4。显然，其中相交圆盘所代表的用户是相冲突的。仅认为完全处于阴影区域的圆盘所代表的用户是处于该区域内的用户，这些用户所构建的集合就是该区域的用户。

本发明提供了优化的枚举算法，从用户集合（位于工作区域内的所有用户构建而成的集合）的所有子集中，寻找能够达到平台效益最大化目标的最大加权独立集，即执行者集合。

参图5所示，步骤S03中优化的枚举算法具体为：

S001、遍历子区域e的用户集合U_e所有元素个数小于

的子集U_ej；

S002、求解子集的权重：

判断当前子集是否为独立集，即判断当前子集U_ej中任意两位用户是否相冲突(用户距离小于2R)；

若是，则该集合的权重为所有用户的数据价值减去所有用户的报价，即 $W\left(U_{\mathrm{ej}}\right)={\mathrm{\Σ}}_{i\∈U_{\mathrm{ej}}}{v}_i-p_i;$

若否，该集合不能作为任务执行者集合，权重为0。

S003、从遍历的所有子集中选出权重最大的集合，即是该区域的最优解决方案OPT(e)，即 $\mathrm{OPT}\left(e\right)={\max }_{U_{\mathrm{ej}}\⊆U_e}{U}_{\mathrm{ej}}.$

优化的枚举算法与移动划分算法的组合构成了本发明所提供的分配算法，算法的最终解决方案W就是平台所获得的任务执行者集合。

与现有技术相比，本发明考虑到了地理位置相关的移动感知任务中用户间执行任务时的用户地理分布，对于该类任务而言，距离过于接近的用户所收集的数据将存在冗余，所以我们更期望由相距较远的用户共同执行任务。同时考虑了关于平台在移动感知任务的执行中的收益（平台收益=任务收入-任务执行者报酬）这一要素对平台任务分配过程的影响，提出了一种可行的地理位置相关移动感知任务的实现方法。在算法中使用以小计算量的局域解代替计算量巨大的全局解的方法，在保持算法性能的情况下，减少了算法的计算量，增强了算法在实际应用中的可行性。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (7)

1.一种地理位置相关的移动感知系统任务分配方法，其特征在于，所述移动感知系统包括一个任务平台与若干移动设备，所述任务分配方法包括以下步骤：

S1、任务平台发布任务信息；

S2、移动设备用户调阅任务信息；

S3、感兴趣且满足任务要求的用户发送任务请求；

S4、任务平台构建用户集合U，求解任务执行者集合W，然后向集合中的任务执行者发送任务确认；

S5、收到确认的用户在约定时间执行任务，上传数据；

S6、任务平台确认无误后支付报酬。

2.根据权利要求1所述的方法，其特征在于，所述步骤S1中的任务信息包括任务监测区域、任务内容、任务执行时间。

3.根据权利要求1所述的方法，其特征在于，所述步骤S3中的任务请求包括用户的地理位置信息(x，g)以及用户所期望的酬劳p。

4.根据权利要求3所述的方法，其特征在于，所述步骤S6中任务平台支付的报酬为用户所期望的酬劳p。

5.根据权利要求1所述的方法，其特征在于，所述步骤S4中求解任务执行者集合通过地理位置移动感知任务分配算法完成，具体为：

S01、对r，s(0≤r，s≤m-1)进行赋值，其中，m为子区域大小，监测区域划分若干为m*m的正方形区域；

S02、根据参数r，s对监测区域进行划分，获得子区域集合D(r，s)，其中元素e为该划分下的子区域；

S03、对该划分下的所有子区域e∈D(r，s)使用优化的枚举算法求解子区域任务执行者集合OPT(e);

S04、对该划分下所有的子区域的最优任务执行者集合进行直接并集运算，所得的集合即是该划分下的最优解决方案，即

OPT(D(r,s))＝U_e∈D(r，s)OPT(e);

S05、对这m²种划分的最优解决方案进行比较，其中权重最大的解决方案OPT(D(r₀，s₀))为移动划分算法的最终解决方案W，即

OPT(D(r₀，s₀))＝max_{0≤r，s≤m-1}OPT(D(r，s))。

6.根据权利要求5所述的方法，其特征在于，所述步骤S03中优化的枚举算法具体为：

S001、遍历子区域e的用户集合U_e所有元素个数小于的子集U_ej；

S002、求解子集的权重；

S003、从遍历的所有子集中选出权重最大的集合，即是该区域的最优解决方案OPT(e)，即 $\mathrm{OPT}\left(e\right)={\max }_{U_{\mathrm{ej}}\⊆U_e}{U}_{\mathrm{ej}}.$

7.根据权利要求6所述的方法，其特征在于，所述步骤S002具体为：

判断当前子集是否为独立集；

若是，则该集合的权重为所有用户的数据价值减去所有用户的报价，即 $W\left(U_{\mathrm{ej}}\right)={\mathrm{\Σ}}_{i\∈U_{\mathrm{ej}}}{v}_i-p_i;$

若否，该集合不能作为任务执行者集合，权重为0。

Images