CN104751301B - 使移动群智感知系统趋于稳定的方法 - Google Patents
使移动群智感知系统趋于稳定的方法 Download PDFInfo
- Publication number
- CN104751301B CN104751301B CN201510197690.9A CN201510197690A CN104751301B CN 104751301 B CN104751301 B CN 104751301B CN 201510197690 A CN201510197690 A CN 201510197690A CN 104751301 B CN104751301 B CN 104751301B
- Authority
- CN
- China
- Prior art keywords
- platform
- sensing
- data
- perception
- budget
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000001953 sensory effect Effects 0.000 title abstract 6
- 230000006641 stabilisation Effects 0.000 claims abstract description 7
- 238000011105 stabilization Methods 0.000 claims abstract description 7
- 230000008447 perception Effects 0.000 claims description 52
- 230000000087 stabilizing effect Effects 0.000 claims description 26
- 230000008859 change Effects 0.000 claims description 3
- 238000012358 sourcing Methods 0.000 claims 2
- 230000006399 behavior Effects 0.000 abstract description 14
- 230000008569 process Effects 0.000 abstract description 5
- 230000008901 benefit Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种使移动群智感知系统趋于稳定的方法，通过调整所述数据贡献者选择感知平台的情况至稳定，并计算稳定后每个感知平台的收益，根据所述每个感知平台的收益，调整预设的每个感知平台的预算，最终使移动群智感知系统达到稳定。整个过程不仅考虑了若干数据贡献者行为的调整，还考虑到若干感知平台行为的调整各对移动群智感知系统的影响，较好地匹配移动群智感知系统中所有感知平台及所有数据贡献者的需求，使得移动群智感知系统快速趋于稳定。
Description
技术领域
本发明涉及通信技术领域，特别涉及一种使移动群智感知系统趋于稳定的方法。
背景技术
近年来，随着智能手机用户急剧增长，由于每个智能手机中均嵌入了丰富的传感器，这使得智能手机用户能方便地收集并分享周围环境的感知数据。因此，基于智能手机的移动群智感知应运而生，并应用在很多方面，比如，应用于道路交通状况监测、室内地图构建等。每个感知平台在发布任务，而手机用户通过收集感知数据上传给感知平台完成每个平台的任务。当然，智能手机作为数据贡献者，考虑在收集数据过程中会有电量消耗及时间成本，感知平台会给数据贡献者支付报酬。
不同应用的多个感知平台和智能手机群体构成了一个移动群智感知系统。而一个感知平台能支付的总报酬是有限的，而且由其所有数据贡献者分享。每个贡献数据者精力有限，所能收集的数据也是有限的。移动群智感知系统中的贡献数据者及感知平台各有利益追求，系统资源又有限，现有的方法仅仅考虑了数据贡献者群体调整各自的行为，很少考虑，多个感知平台调整各自的行为对移动群智感知系统稳定的影响。如何调整移动群智感知系统中的贡献数据者及多个感知平台的行为，使得各自的收益均达到最大，这是事关移动群智感知系统稳定运行的重要问题，也是更好地匹配其中感知平台的需求和数据贡献者的能力需要解决的问题。
发明内容
本发明的目的在于提供一种使移动群智感知系统趋于稳定的方法，以解决使用现有技术中的方法，仅考虑数据贡献者群体调整各自的行为，而没考虑多个感知平台调整各自的行为对移动群智感知系统稳定的影响，导致移动群智感知系统运行稳定性差的问题。
为解决上述技术问题，本发明提供一种使移动群智感知系统趋于稳定的方法，所述移动群智感知系统包括若干数据贡献者和若干感知平台，所述使移动群智感知系统趋于稳定的方法包括：
S1：在所述若干感知系统中发布感知任务，并预设每个感知平台的预算，所述数据贡献者选择感知平台完成感知任务；
S2：调整所述数据贡献者选择感知平台的情况至稳定，并计算稳定后每个感知平台的收益；
S3：根据所述每个感知平台的收益，调整预设的每个感知平台的预算；
S4：判断每个感知平台的预算在调整前后是否一致；若一致，则移动群智感知系统达到稳定，反之，则在调整后的预设的每个感知平台的预算下，执行步骤S2。
可选的，在所述的使移动群智感知系统趋于稳定的方法中，步骤S2中，所述调整所述数据贡献者选择感知平台的情况至稳定包括：
S20：统计参加每个感知平台的数据贡献者数量及数据贡献者在各个感知平台分布；
S21：以时槽为单位，计算移动群智感知系统中数据贡献者的报酬平均值及每个感知平台下每个数据贡献者所获得的报酬；
S22：判断每个数据贡献者所获得的报酬是否大于或等于所述报酬平均值，若是，则数据贡献者在下一时槽坚持选择当前时槽所选择的感知平台，反之，则数据贡献者在下一时槽按照一定的概率改选为其它感知平台；
S23：反复执行步骤S20～S22，直至每个数据贡献者所获得的所述报酬均大于或等于报酬平均值为止。
可选的，在所述的使移动群智感知系统趋于稳定的方法中，步骤S20中，计算移动群智感知系统中数据贡献者的报酬的平均值采用如下公式：
可选的，在所述的使移动群智感知系统趋于稳定的方法中，步骤S21中，计算每个感知平台下每个数据贡献者所获得的报酬采用如下公式：
Ni(t)为第t个时槽结束时加入序号为i的感知平台的数据贡献者的数量，Bi(s)为第s轮调整预设的每个感知平台的预算后，序号为i的感知平台的预算。
可选的，在所述的使移动群智感知系统趋于稳定的方法中，步骤S22中，当数据贡献者所获得的报酬是小于所述报酬平均值时，数据贡献者在下一时槽按照一定的概率改选为其它感知平台，计算所述一定的概率采用如下公式：
Em为数据贡献者在下一时槽改选为序号为m的感知平台的概率。
可选的，在所述的使移动群智感知系统趋于稳定的方法中，步骤S2中，所述数据贡献者选择感知平台的情况稳定后，各个感知平台的数据贡献者分布采用如下式子表征：
可选的，在所述的使移动群智感知系统趋于稳定的方法中，步骤S2中，计算稳定后每个感知平台的收益采用如下公式：
Ui(s)表示经过s轮调整预设的每个感知平台的预算后，序号为i的感知平台的收益，σi为收益系数。
可选的，在所述的使移动群智感知系统趋于稳定的方法中，步骤S3中，计算调整后的预设的每个感知平台的预算采用如下公式：
其中，σi为收益系数。
可选的，在所述的使移动群智感知系统趋于稳定的方法中，步骤S4中，所述移动群智感知系统达到稳定时，计算各个感知平台的预算采用如下公式：
其中，σi为收益系数；
各个感知平台的数据贡献者分布采用如下式子表征：
计算各个感知平台的收益采用如下公式：
在本发明所提供的使移动群智感知系统趋于稳定的方法中，通过调整所述数据贡献者选择感知平台的情况至稳定，并计算稳定后每个感知平台的收益，根据所述每个感知平台的收益，调整预设的每个感知平台的预算，最终使移动群智感知系统达到稳定。整个过程不仅考虑了若干数据贡献者行为的调整，还考虑到若干感知平台行为的调整各对移动群智感知系统的影响，较好地匹配移动群智感知系统中所有感知平台及所有数据贡献者的需求，使得移动群智感知系统快速趋于稳定。
附图说明
图1是本发明一实施例中使移动群智感知系统趋于稳定的方法的流程图；
图2是本发明一实施例中调整所述数据贡献者选择感知平台的情况至稳定的流程图。
具体实施方式
以下结合附图和具体实施例对本发明提出的使移动群智感知系统趋于稳定的方法作进一步详细说明。根据下面说明和权利要求书，本发明的优点和特征将更清楚。需说明的是，附图均采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施例的目的。
请参考图1，其为本发明一实施例中使移动群智感知系统趋于稳定的方法的流程图，如图1所示，所述的使移动群智感知系统趋于稳定的方法，包括如下步骤：
首先，执行步骤S1，在所述若干感知系统中发布感知任务，并预设每个感知平台的预算，所述数据贡献者选择感知平台完成感知任务。初始时，在每个感知平台的预设预算，这里的预算相当于每个感知平台愿意支付各自感知平台发布的感知任务所支付的总报酬，这里为了较好了理解整个方案，将步骤S1中预设每个感知平台的预算作为第s轮调整，此时s＝1。
接着，执行步骤S2，调整所述数据贡献者选择感知平台的情况至稳定，并计算稳定后每个感知平台的收益；步骤S2设定的目的就是确保第s轮调整预设每个感知平台的预算后，实现数据贡献者调整各自的行为(即数据贡献者选择感知平台)稳定，满足数据贡献者的收益最大化的同时还降低了数据贡献者调整各自的行为对使移动群智感知系统趋于稳定所造成的影响。
请参考图2，其为本发明一实施例中调整所述数据贡献者选择感知平台的情况至稳定的流程图。如图2所示，所述调整所述数据贡献者选择感知平台的情况至稳定包括如下步骤：
首先，执行步骤S20，统计参加每个感知平台的数据贡献者数量及数据贡献者在各个感知平台分布；其中统计参加每个感知平台的数据贡献者数量及数据贡献者在各个感知平台分布是通过第三方机构(例如移动群智感知系统的监管者)完成的，为后续执行步骤S21，从而计算每个感知平台下每个数据贡献者所获得的报酬及移动群智感知系统中数据贡献者的报酬平均值奠定基础。
接着，执行步骤S21，计算移动群智感知系统中数据贡献者的报酬平均值及每个感知平台下每个数据贡献者所获得的报酬；其中，计算移动群智感知系统中数据贡献者的报酬的平均值采用如下公式：
计算每个感知平台下每个数据贡献者所获得的报酬采用如下公式：
Ni(t)为第t个时槽结束时加入序号为i的感知平台的数据贡献者的数量，Bi(s)为第s轮调整预设的每个感知平台的预算后，序号为i的感知平台的预算。
接着，执行步骤S22，判断每个数据贡献者所获得的报酬是否大于或等于所述报酬平均值，若是，则数据贡献者在下一时槽坚持选择当前时槽所选择的感知平台，反之，则数据贡献者在下一时槽按照一定的概率改选为其它感知平台；
其中，当数据贡献者所获得的报酬是小于所述报酬平均值时，数据贡献者在下一时槽按照一定的概率改选为其它感知平台，计算所述一定的概率采用如下公式：
Em为数据贡献者在下一时槽改选为序号为m的感知平台的概率，计算的Em值越大，表示数据贡献者群体改选为感知平台m的概率越大。
接着，执行步骤S23，反复执行步骤S20～S22，直至每个数据贡献者所获得的所述报酬均大于或等于报酬平均值为止。此时，当每个数据贡献者所获得的所述报酬均大于或等于报酬平均值时，说明所有数据贡献者都能获得满足自身需求的报酬，数据贡献者在下次时槽时不会改选其它感知平台，数据贡献者选择感知平台的情况处于稳定状态。
进一步地，步骤S2中，所述数据贡献者选择感知平台的情况稳定后，各个感知平台的数据贡献者分布采用如下式子表征：
计算稳定后每个感知平台的收益采用如下公式：
Ui(s)表示经过s轮调整预设的每个感知平台的预算后，序号为i的感知平台的收益，σi为收益系数。
接着，执行步骤S3，根据所述每个感知平台的收益，调整预设的每个感知平台的预算；其中，计算调整后的预设的每个感知平台的预算采用如下公式：
其中，σi为收益系数。
在经过步骤S2后，数据贡献者对于第s轮调整预定的每个感知平台的预算应对趋于稳定后，以使下一轮(即第s+1轮)每个感知平台的收益最大化为原则，通过根据第s轮计算的每个感知平台的第s+1轮预算，调整在第s+1轮预设的每个感知平台的预算。
接着，执行步骤S4，判断每个感知平台的预算在调整前后是否一致；若一致，则移动群智感知系统达到稳定，反之，则在调整后的预设的每个感知平台的预算下，执行步骤S2。事实上，在每个感知平台的预算在调整前后一致时，等同于第s轮中每个感知平台支付给数据贡献者的报酬等于第s+1轮中每个感知平台支付给数据贡献者的报酬，此时，每个感知平台在第s+1轮的收益和第s轮比较，也是一样的；这样一来，移动群智感知系统达到唯一的稳定点，满足了移动群智感知系统中所有数据贡献者及所有感知平台的收益目标。
具体的，执行步骤S4过程中，所述移动群智感知系统达到稳定时，计算各个感知平台的预算采用如下公式：
其中，σi为收益系数；
各个感知平台的数据贡献者分布采用如下式子表征：
计算各个感知平台的收益采用如下公式：
本申请的整体思想在于针对任意一次感知平台预算调整，所有数据贡献者的选择，调整有限次后，会趋于稳定，而且该选择结果对于任意程度的数据贡献者的扰动都是健壮的；所有感知平台的预算调整，也会在有限次内稳定。实验结果表明：针对任意一次感知平台的预算调整，所有数据贡献者的选择，以及任意程度的扰动之后的选择，会在20次之内，会趋于稳定；所有感知平台的预算调整，会在10次之内稳定，由此可见，本申请的所提供的使移动群智感知系统趋于稳定的方法能够高效的实现移动群智感知系统稳定。
综上，在本发明所提供的使移动群智感知系统趋于稳定的方法中，通过调整所述数据贡献者选择感知平台的情况至稳定，并计算稳定后每个感知平台的收益，根据所述每个感知平台的收益，调整预设的每个感知平台的预算，最终使移动群智感知系统达到稳定。整个过程不仅考虑了若干数据贡献者行为的调整，还考虑到若干感知平台行为的调整各对移动群智感知系统的影响，较好地匹配移动群智感知系统中所有感知平台及所有数据贡献者的需求，使得移动群智感知系统快速趋于稳定。
上述描述仅是对本发明较佳实施例的描述，并非对本发明范围的任何限定，本发明领域的普通技术人员根据上述揭示内容做的任何变更、修饰，均属于权利要求书的保护范围。
Claims (7)
1.一种使移动群智感知系统趋于稳定的方法，所述移动群智感知系统包括若干数据贡献者和若干感知平台，其特征在于，包括：
S1：在所述若干感知系统中发布感知任务，并预设每个感知平台的预算，所述数据贡献者选择感知平台完成感知任务；
S2：调整所述数据贡献者选择感知平台的情况至稳定，并计算稳定后每个感知平台的收益；
S3：根据所述每个感知平台的收益，调整预设的每个感知平台的预算；
S4：判断每个感知平台的预算在调整前后是否一致；若一致，则移动群智感知系统达到稳定，反之，则在调整后的预设的每个感知平台的预算下，执行步骤S2；
步骤S2中，计算稳定后每个感知平台的收益采用如下公式：
Ui(s)表示经过s轮调整预设的每个感知平台的预算后，序号为i的感知平台的收益，σi为收益系数；
步骤S3中，计算调整后的预设的每个感知平台的预算采用如下公式：
其中，σi为收益系数。
2.如权利要求1所述的使移动群智感知系统趋于稳定的方法，其特征在于，步骤S2中，所述调整所述数据贡献者选择感知平台的情况至稳定包括：
S20：统计参加每个感知平台的数据贡献者数量及数据贡献者在各个感知平台分布；
S21：以时槽为单位，计算移动群智感知系统中数据贡献者的报酬平均值及每个感知平台下每个数据贡献者所获得的报酬；
S22：判断每个数据贡献者所获得的报酬是否大于或等于所述报酬平均值，若是，则数据贡献者在下一时槽坚持选择当前时槽所选择的感知平台，反之，则数据贡献者在下一时槽按照一定的概率改选为其它感知平台；
S23：反复执行步骤S20～S22，直至每个数据贡献者所获得的所述报酬均大于或等于报酬平均值为止。
3.如权利要求2所述的使移动群智感知系统趋于稳定的方法，其特征在于，步骤S20中，计算移动群智感知系统中数据贡献者的报酬的平均值采用如下公式：
其中，x(t)为第t个时槽中，数据贡献者在各个感知平台的分布，x(t)＝(x1(t)，…，xi(t)...，xM(t)),
4.如权利要求3所述的使移动群智感知系统趋于稳定的方法，其特征在于，步骤S21中，计算每个感知平台下每个数据贡献者所获得的报酬采用如下公式：
Ni(t)为第t个时槽结束时加入序号为i的感知平台的数据贡献者的数量，Bi(s)为第s轮调整预设的每个感知平台的预算后，序号为i的感知平台的预算。
5.如权利要求4所述的使移动群智感知系统趋于稳定的方法，其特征在于，步骤S22中，当数据贡献者所获得的报酬是小于所述报酬平均值时，数据贡献者在下一时槽按照一定的概率改选为其它感知平台，计算所述一定的概率采用如下公式：
Em为数据贡献者在下一时槽改选为序号为m的感知平台的概率。
6.如权利要求1所述的使移动群智感知系统趋于稳定的方法，其特征在于，步骤S2中，所述数据贡献者选择感知平台的情况稳定后，各个感知平台的数据贡献者分布采用如下式子表征：
7.如权利要求1所述的使移动群智感知系统趋于稳定的方法，其特征在于，步骤S4中，所述移动群智感知系统达到稳定时，计算各个感知平台的预算采用如下公式：
其中，σi为收益系数；
各个感知平台的数据贡献者分布采用如下式子表征：
计算各个感知平台的收益采用如下公式：
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510197690.9A CN104751301B (zh) | 2015-04-23 | 2015-04-23 | 使移动群智感知系统趋于稳定的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510197690.9A CN104751301B (zh) | 2015-04-23 | 2015-04-23 | 使移动群智感知系统趋于稳定的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104751301A CN104751301A (zh) | 2015-07-01 |
| CN104751301B true CN104751301B (zh) | 2018-07-20 |
Family
ID=53590943
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510197690.9A Expired - Fee Related CN104751301B (zh) | 2015-04-23 | 2015-04-23 | 使移动群智感知系统趋于稳定的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104751301B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108171593B (zh) * | 2017-11-17 | 2021-06-25 | 南京邮电大学 | 一种基于地点覆盖带预算的移动群智感知激励方法 |
| CN109740952A (zh) * | 2019-01-09 | 2019-05-10 | 中南大学 | 一种基于单位竞价和贡献密度的群体感知数据收集方法 |
| CN110263372B (zh) * | 2019-05-20 | 2023-05-23 | 上海大学 | 一种基于群智感知系统的事件检测方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103310349A (zh) * | 2013-06-14 | 2013-09-18 | 清华大学 | 一种基于在线激励机制的感知数据获取方法 |
| CN103729696A (zh) * | 2014-01-10 | 2014-04-16 | 上海交通大学 | 基于拥塞博弈模型的参与式感知数据系统及其方法 |
| CN103761666A (zh) * | 2014-01-10 | 2014-04-30 | 上海交通大学 | 参与式感知系统中平台利润最大化的在线控制方法 |
| WO2014093953A2 (en) * | 2012-12-14 | 2014-06-19 | Microsoft Corporation | Budget optimal crowdsourcing |
| CN103955802A (zh) * | 2014-05-19 | 2014-07-30 | 上海交通大学 | 一种参与式感知数据系统及其促进用户贡献数据的方法 |
-
2015
- 2015-04-23 CN CN201510197690.9A patent/CN104751301B/zh not_active Expired - Fee Related
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014093953A2 (en) * | 2012-12-14 | 2014-06-19 | Microsoft Corporation | Budget optimal crowdsourcing |
| CN103310349A (zh) * | 2013-06-14 | 2013-09-18 | 清华大学 | 一种基于在线激励机制的感知数据获取方法 |
| CN103729696A (zh) * | 2014-01-10 | 2014-04-16 | 上海交通大学 | 基于拥塞博弈模型的参与式感知数据系统及其方法 |
| CN103761666A (zh) * | 2014-01-10 | 2014-04-30 | 上海交通大学 | 参与式感知系统中平台利润最大化的在线控制方法 |
| CN103955802A (zh) * | 2014-05-19 | 2014-07-30 | 上海交通大学 | 一种参与式感知数据系统及其促进用户贡献数据的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104751301A (zh) | 2015-07-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108833458B (zh) | 一种应用推荐方法、装置、介质及设备 | |
| CN109068288B (zh) | 一种基于多属性用户选择移动群智感知激励机制的方法及系统 | |
| CN103347259B (zh) | 一种流量提示方法和系统 | |
| CN106776660A (zh) | 一种信息推荐方法及装置 | |
| US20190188749A1 (en) | Object selection method and device | |
| CN108681921B (zh) | 一种基于随机博弈获取群智感知激励策略的方法及装置 | |
| CN104750716B (zh) | 一种社交网站好友推荐方法及装置 | |
| US20160275533A1 (en) | Segment Membership Determination for Content Provisioning | |
| CN104751301B (zh) | 使移动群智感知系统趋于稳定的方法 | |
| CN103647671A (zh) | 一种基于Gur Game的群智感知网络管理方法及其系统 | |
| CN109598447A (zh) | 配送压力调整、订单分配方法及装置、电子设备及介质 | |
| CN109377218B (zh) | 一种遏制虚假感知攻击的方法、服务器及移动终端 | |
| CN109784741A (zh) | 一种基于信誉预测的移动群智感知系统奖励分发方法 | |
| CN109657132A (zh) | 推荐信息成本控制方法、装置、计算机设备及存储介质 | |
| CN112040254B (zh) | 一种风险控制方法、装置、存储介质、计算机设备 | |
| Reddy et al. | Evaluating participation and performance in participatory sensing | |
| CN103761228A (zh) | 应用程序的排名阈值确定方法和排名阈值确定系统 | |
| CN116339932A (zh) | 资源调度方法、装置和服务器 | |
| CN106789947B (zh) | 基于环境的物联网节点信任值评估与任务委托方法 | |
| Wang et al. | Real-time crowdsourcing incentive for radio environment maps: A dynamic pricing approach | |
| JP6764302B2 (ja) | 電力需要予測システム、電力需要予測方法及び電力需要予測プログラム | |
| CN110830809B (zh) | 视频内容热度确定方法、电子设备及存储介质 | |
| CN113222720A (zh) | 一种基于信誉的隐私保护激励机制方法、装置及存储介质 | |
| Mitsopoulou et al. | A cost-aware incentive mechanism in mobile crowdsourcing systems | |
| CN109978353B (zh) | 一种面向位置可调整用户的大数据群智感知激励方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180720 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |