CN109886581A - 一种移动群智感知任务中基于数据质量的参与者选择方法 - Google Patents

Abstract

本发明设计了一种任务分配方法，重点研究工作者的信誉、工作者的能力以及工作者与任务位置的距离三个方面，在将花费控制在一定范围的同时，最大限度地提高预期的结果质量。最终经过实验评估，本发明的方法在节省预算方面能与之前的方法保持在相同水准的前提下，在控制任务平均错误率方面有了显著的进步。

Description

一种移动群智感知任务中基于数据质量的参与者选择方法

技术领域

本发明涉及一种任务分配方法，特别地，涉及到一种为解决参与者选择问题，而使用的启发式算法。

背景技术

智能设备不仅可以作为移动设备进行日常通信，而且还因为其本身所含的嵌入式传感器，如加速传感器、数字罗盘、麦克风、摄像头等，而将其作为强大的感知单元。利用这些传感器使招募普通人来手机和共享感知数据变成了可能，“移动群智感知”便是基于这一新兴应用发展而来的一个新的研究领域。

群智感知网络是一种利用广大普通用户现有的、集成大量传感器的移动设备(如手机等)构成的感知网络。普通用户的移动设备(如手机、平板电脑等)作为基本的感知单元，通过互联网(如WiFi、蜂窝网络和有线网络等)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。

移动群智感知任务的完成离不开移动群智感知平台的建立，当前已经有许多在线的众包平台和移动群智感知平台提供部分商业服务，比较被大家所熟知的有国内的中国移动在线众包平台，百度众包平台，以及国外的知名企业亚马逊的众包平台MechanicalTurk。

通过移动群智感知平台，群智感知工作者可以获取到任务发布者所发布的具体任务，之后前往工作地点进行数据采集，并且将数据反馈至感知平台，在完成任务后，工作者将获取一定的报酬。感知平台在帮助任务发布者控制一定预算的前提下，应该尽可能提高所收集到的数据的质量，那么工作者所反馈回平台的数据质量就至关重要，工作者收集到的数据质量由工作者当前的能力、工作者自身的信誉、工作者距离任务位置的距离三个方面共同决定，当然，在考虑数据质量问题的同时，应该考虑到将支付给工作者的酬金控制在一定范围内。

在这项研究中，工作者需要前往某一特定地点完成一项群智感知任务，人们需要把研究的重点放在预算的分配问题上，利用移动群智感知平台的决策机制，自动地将任务分配给多个工作者，使得任务总花费不超任务发布者过预先制定的预算，本文当前研究的主要目标是提出一种参与者选择机制，从而使得预算的分配更合理与高效，以最大限度地提高选定工作者集合反馈的数据质量。

发明内容

本发明要解决的技术问题是：

本发明在结合之前的方法Budget-TASC的基础上，为移动群智感知任务提出了一个新的参与者选择方案(本文称为CAP-T)，这个方法综合考虑了工作者当前的能力，工作者的历史信誉和工作者与任务位置之间的距离，以此最大化最终获取到的数据的质量，并帮助任务发布者做出以下几点决策：(1)向哪些工作者分配任务；(2)什么时候停止继续招募工作者；(3)应该向工作者支付多少报酬。最后，在经过一系列的仿真实验之后，本发明证明了该方法比之前的方法能够有效降低数据质量的平均错误率。

附图说明

图1总预算为20时，Budget-TASC与CAP-T在不同任务距离时的平均错误率

图2总预算为40时，Budget-TASC与CAP-T在不同任务距离时的平均错误率

图3总预算为60时，Budget-TASC与CAP-T在不同任务距离时的平均错误率

图4总预算为80时，Budget-TASC与CAP-T在不同任务距离时的平均错误率

图5总预算为100时，Budget-TASC与CAP-T在不同任务距离时的平均错误率

本发明的具体实施方式

下面结合实施例进一步描述本发明。本发明的范围不受这些实例的限制，本发明的范围在权利要求书中提出。

(1)关键参数的设置

在具体实验过程中，本发明使用了上海交通大学无线传感器网络实验室(WnSN)拥有的真实数据集上测试了当前的方法。该数据集包含2007年2月至4月在上海收集的4316辆出租车的GPS轨迹。出租车GPS数据以60秒的采样间隔记录，包括出租车ID，经度和纬度位置等信息

即数据集中包含了4000多名用户，和超过500个位置信息，具体设计实验时，本发明采用随机数算法将工作者的信誉值设定在[0，1]内随机选择(且信誉值之间的跨度是0.1)，再将其乘以形成每个工作者的可信度。由于实验中工作者的信誉值和实际生活中的工作者信誉值变化有很大区别，所以每一个新的感知任务开始时，工作者的信誉值都会重新随机生成。

(2)实验

实验中，每一个感知任务的真实情况从0和1中随机选择，0和1具有相等的被选中概率。本发明考虑到改变任务半径和总预算这两个变量来设计实验以模拟不同的情况，这里本文给所有的实验设定同样的和

首先，改变任务半径的增量为1km，从1km到5km变化；然后改变任务总预算以5倍的为增量，从10倍的值到50倍的值变化。本发明一共研究了5×5组，即25组不同的实验设置。在所有实验中和值分别设置为2，3和4。将Th_HM和Th_ML的值设置为0.75和0.5来将工作者信誉等级分为三个级别。将Cap_HM和Cap_ML的值设置为1和0.8将工作者的工作能力分为三个等级。

为验证本发明所提机制的效果，在不同的实验设置下，CAP-T与Budget-TASC这两种方案实现的结果。

在平均错误率方面由图1到图5所示。五幅图依次表示了在预算为20，40，60，80和100时，Budget-TASC和本文的方法(本文记为CAP-T)的平均错误率随着任务距离的变化产生的变化，很明显在这几张图中，可以得到结论，随着任务距离的增长，两种方法的平均错误率均会逐渐减小，并且随着距离增长到一定数值平均错误率的值逐渐趋于平稳。再对两种方法进行比较，从五个图中，均能明显看出，CAP-T的平均错误率显著低于Budget-TASC的平均错误率。

本发明中，我们制定了移动群智感知任务分配与预算约束为多选择背包问题，并且提出了自己的选择参与者的方案(CAP-T)。我们的方案，使得任务发布者不需要提前指定工作者的数量最终也可以获取到自己想要的数据，将任务发布在群智感知系统中，通过系统帮助他招募到最合适的工作者，并且以工作者的工作情况给予工作者相应的报酬，我们这里添加了工作者的工作者能力并将其作为重要参考，并且改变了工作者酬金支付方案，使得最终任务发布者能够在控制预算的前提下尽可能获取到最高的数据质量。实验证明，我们证明了当前的方法优于之前关于群智感知任务数据质量的方案。

Claims (4)

1.一种移动群智感知任务中基于数据质量的参与者选择方法，其特征在于，包括以下步骤：

(1)根据工作者的信誉来进行参与者的选择；

(2)根据工作者的工作能力来进行参与者的选择；

(3)在选择工作者时同时兼顾工作者的综合能力，创造了更好的支付方案。

2.根据权利要求1所述的移动群智感知任务中基于数据质量的参与者选择方法，其特征在于，所述的步骤(1)中根据工作者的信誉来进行参与者的选择包括以下步骤：

(2.A)用i来表示任务发布者，T_i表示感知任务，任务发布者i发布感知任务T_i；其中T_i包含许多信息，分别是表示的是感知任务的具体位置，这个位置通过经度和纬度来具体表示，R_i表示的是所招募的工作者距离任务位置的距离最远不能超过这个范围；表示任务发布者支付给参与任务T_i的工作者的酬金的总预算；表示的就是支付给第一类工作者的酬金，第一类工作者指同时具有高信誉和高工作能力的工作者；表示的是支付给第二类工作者的酬金，第二类工作者或者具有高信誉和中等工作能力，或者具有中等信誉和高工作能力；指的则是支付给第三类工作者的酬金，第三类工作者指的是同时具有中等信誉和中等工作能力的工作者；

(2.B)这里将工作者的信誉值分为三个等级，分别为高信誉值、中等信誉值和低信誉值；的值由任务发布者来决定；本文已经将工作者的信誉分为了三个等级，现在需要用Th_HM和Th_ML来划分工作者的信誉值(0≤Th_ML≤Th_HM≤1)；Th_HM用来划分高信誉工作者与中等信誉工作者，Th_ML用来划分中等信誉工作者和低信誉工作者；同时本文这里规定工作者的信誉值范围是从0到1，工作者在还未参与过任何感知任务时其信誉值为中等信誉；本文使用j来表示工作者，即工作者j；用r_j来表示工作者j的信誉(即0≤r_i≤1)；

(2.C)在对工作者信誉的处理方面，使用BRS系统来处理工作者的信誉问题，用s_j和f_j来记录工作者j在之前的任务中的表现：

(2.D)s_j是由工作者j提供的“正确”数据的任务数量，f_j是由工作者j提供的“不正确”数据的任务的数量；“正确”指的是“和大多数工作者的结果相一致”，“不正确”指的是“和大多数工作者的结果不一致”，公式如下：

以上是工作者j在过去完成过的感知任务中所积累的信誉值。

3.根据权利要求1所述的移动群智感知任务中基于数据质量的参与者选择方法，其特征在于，所述的步骤(2)中根据工作者的工作能力来进行参与者的选择包括以下步骤：

(3.A)将工作者当前拥有几件传感器设备对工作者进行分级，本发明使用Cap_HM和Cap_ML来划分工作者的工作能力(0≤Th_ML≤Th_HM≤1)；Cap_HM用来划分高能力工作者和中等能力工作者，Cap_ML用来划分中等能力工作者和低能力工作者；以工作者j为例，其工作能力用CAP_j来表示，即(0≤CAP_j≤1)；

(3.B)为了量化最终获取到的数据的质量，本发明将感知任务的结果也进行量化；对于一项感知任务T_i，本发明假设其真实的情况为0或1，用来表示真实情况；

(3.C)本发明用来表示工作者j在完成感知任务T_i后向任务发布者反馈的数据，的结果同样是0或1；由于任务发布者并不知道任务的真实结果是什么，所以他没有办法判断工作者反馈的数据的真实性，所以这里本发明假设大多数工作者反馈回来的数据为任务的真实情况(即少数服从多数)，用来表示由所有工作者提供的数据的综合结果：

其中，表示参与感知任务T_i的实际工作者人数。

4.根据权利要求1所述的移动群智感知任务中基于数据质量的参与者选择方法，其特征在于，所述的步骤(3)中在选择工作者时同时兼顾工作者的综合能力，创造了更好的支付方案；包括以下步骤：

工作者的可信度，指的是工作者当前的能力值、信誉值与距离值的综合，即工作者能够提交的数据的可靠性，通俗的说，工作者的可信度越高，那么工作者提交的数据质量就越高；所以工作者j在完成感知任务T_i时的可信度为：

其中l_j是任务发布者发布任务时工作者j的位置；为工作者参与任务时信誉值的折扣函数：

其中用来计算工作者与任务位置之间的直线距离；D_c是指给定区域的直径因此即工作者距离任务位置越远，则的值越接近0；工作者距离任务位置越近，则的值越接近1。