CN109978353B - 一种面向位置可调整用户的大数据群智感知激励方法 - Google Patents

一种面向位置可调整用户的大数据群智感知激励方法 Download PDF

Info

Publication number
CN109978353B
CN109978353B CN201910193613.4A CN201910193613A CN109978353B CN 109978353 B CN109978353 B CN 109978353B CN 201910193613 A CN201910193613 A CN 201910193613A CN 109978353 B CN109978353 B CN 109978353B
Authority
CN
China
Prior art keywords
user
sensing
duration
perception
task
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.)
Active
Application number
CN201910193613.4A
Other languages
English (en)
Other versions
CN109978353A (zh
Inventor
徐佳
管程程
吴永琪
苏荣田
薛刚
靳勇
徐力杰
王磊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Weituo Industrial Interconnection (Zhejiang) Co.,Ltd.
Original Assignee
Nanjing University of Posts and Telecommunications
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing University of Posts and Telecommunications filed Critical Nanjing University of Posts and Telecommunications
Priority to CN201910193613.4A priority Critical patent/CN109978353B/zh
Publication of CN109978353A publication Critical patent/CN109978353A/zh
Application granted granted Critical
Publication of CN109978353B publication Critical patent/CN109978353B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/08—Auctions

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Accounting & Taxation (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种面向位置可调整用户的大数据群智感知激励方法。该方法中，群智感知平台和用户之间体现为一个反向拍卖过程。群智感知平台首先发布一个任务集合，其中每个任务都包含一个最少感知时长和一个兴趣区域。用户向群智感知平台提交一个含有该用户最大感知时长、活动区域和报价的标书。群智感知平台根据每个用户的有效覆盖成本从用户中选出一批优胜者，并计算每个用户的报酬。使得选出的优胜者能够在任务要求的兴趣区域内完成所有的任务，并且感知时长不少于最少感知时长。本发明所提的激励方法包括优胜者选择算法，时长分配算法和报酬决定算法，可广泛用于大规模群智感知系统中。

Description

一种面向位置可调整用户的大数据群智感知激励方法
技术领域
本发明涉及互联网和算法博弈论的交叉领域，尤其涉及一种面向位置可调整用户的大数据群智感知激励方法。
背景技术
在最近几年中，智能手机市场激增并继续扩大。根据全球市场情报机构的(IDC)的研究信息，2018年全球智能手机出货量预计达到14.2亿部，从长期来看，2022年智能手机出货量预计将达到15.7亿部。随着4G/5G网络和嵌入式传感器(如加速度计，数字罗盘，陀螺仪，GPS和摄像头)的出现，智能手机逐渐成为功能强大的可编程的移动数据接口。这些传感器可以协同地感知各种人类活动和周围环境。移动群智感知将需要感知的数据外包给一群用户，这些用户通常携带功能越来越强大的移动设备，例如，智能手机、智能手表、智能眼镜等和大量的车载传感器。移动群智感知已成为满足大规模感知应用需求的有效方法，例如共享单车路径选择系统，实时交通管理系统和用于监测城市空气污染的智慧单车系统。
激励机制对群智感知来说至关重要，已经有很多工作集中在研究激励机制来吸引用户参与群智感知。一般来说，在机制设计中群智感知任务的时间和位置需求对任务分配有很大的影响。已经存在一些激励机制将任务的位置属性考虑了进去，在这些激励机制中，群智感知任务是位置依赖的，而时间依赖的群智感知任务则将任务的时间属性考虑了进去，每一个任务需要持续时间的感知数据。
在许多群智感知场景中(如环境监测，交通监控)，用户会被要求去指定的位置并获得足够时长的感知数据。以上场景中的任务可以归纳到一般时空任务的范畴中，即任务需要用户从指定的兴趣区域获取到足够时长的感知数据。在一些场景中，平台需要指定时间窗口的感知数据。时空任务既有空间相关性，也有时间相关性。例如，不同任务的兴趣区域和时间窗口都可能是相互重叠的。
时空任务的移动群智感知场景非常普遍。以交通监控为例，移动群智感知平台需要所有道路上用户提交的交通视频。出于数据集成、分析或预测的目的，用户报告的交通视频应该足够。因此，每条道路的交通视频的时长需要满足特定的时长要求。道路上的用户可以沿着道路移动并在道路的任何位置拍摄交通视频。请注意，处于十字路口的用户提交的视频可以同时用于通过十字路口的每条道路。在这种交通监控场景中，道路可以被视为在十字路口重叠的兴趣区域。因此，每条道路交通视频的收集是时空任务。
但是，大部分已经存在的研究并没有将群智感知系统中时空任务的兴趣区域是可以相互重叠的考虑进去，也没有将每个感知任务的感知时长需要满足特定的感知时长的要求考虑进去。在本发明中，我们的目标是为移动群智感知中的时空任务设计真实的激励方法。群智感知平台公布一组感知任务，其中每个任务包括一个兴趣区域和最小感知时长，并且每个任务的兴趣区域是可以相互重叠的。激励方法的目标是最小化社会成本，并且使得每个任务的感知时长不小于任务要求的最小感知时长。
发明内容
发明目的：针对背景技术中所涉及到的缺陷，本发明提供一种面向位置可调整用户的大数据群智感知激励方法。
技术方案：本发明的面向位置可调整用户的大数据群智感知激励方法包括如下步骤如下：
(1)群智感知平台向用户集合U＝{1,2,...,n}发布一个任务集合Γ＝{τ1,...,τm}；集合Γ中的各任务τj，j＝1,2，…，m，有一个对应的兴趣区域aj和需要感知的最少时长tj，仅当用户处于兴趣区域aj内才能感知任务τj，多个任务的兴趣区域在空间上可能存在重合区域，处于重合区域的用户可以同时为多个任务感知；
(2)用户集合U中各用户提交一个标书(ti,ai,bi)，i＝1，2，…，n；下标i为集合U中各用户的编号，ti为用户i的最大感知时长；ai为用户i的活动区域且用户可以随意移动到活动区域内的任何位置执行感知任务；bi为用户i的报价；
(3)群智感知平台根据各任务兴趣区域的重合情况将各用户的活动区域划分为一或多个感知区域；
(4)群智感知平台计算优胜者集合S和各优胜者在各个感知区域上的感知时长分配，使得在Γ中的各任务的感知时长都不少于对应最少感知时长的条件下所有优胜者的成本总和最低。
进一步地，上述面向位置可调整用户的大数据群智感知激励方法还包括：(5)群智感知平台通知各优胜者按照在各个感知区域上的感知时长分配执行任务感知，并计算和支付各优胜者的报酬。
进一步地，步骤(4)具体包括：初始化：令
Figure GDA0003084585800000021
令U中各用户i，i＝1，2，…，n的剩余感知时长t′i等于各用户的最大感知时长ti；令U中各用户分配在各感知区域上的感知时长均为0；令Γ中各任务τj，j＝1,2，…，m的剩余感知时长t'j等于其最少感知时长tj；重复执行步骤(41)至步骤(43)，直至Γ中各任务的剩余感知时长的总和
Figure GDA0003084585800000031
为0，得到优胜者集合S及S中各优胜者的感知时长分配；
(41)计算集合U\S中各用户在各感知区域上的感知时长分配，其中集合U\S指用户集合U与优胜者集合S的差集；
(42)从U\S中寻找有效覆盖成本值最小的用户，记为用户g；有效覆盖成本值通过下式计算：
Figure GDA0003084585800000032
其中下标h表示U\S中各用户的编号；Γh表示用户h在其活动区域ah能够执行的感知的任务的集合；
Figure GDA0003084585800000033
表示Γh中的第hj个任务；sah,k为用户h的第k个感知区域，tsah,k为用户h分配在感知区域sah,k上的感知时长，|sah,k|为感知区域sah,k上可执行的任务数；
(43)将用户g并入优胜者集合S：S＝S∪{g}；更新Γg中的各任务
Figure GDA0003084585800000034
的剩余感知时长
Figure GDA0003084585800000035
进一步地，步骤(5)中，各优胜者报酬的计算方式相同，且计算S中任一优胜者w的报酬pw包括：
令U中所有用户的报酬pi为0，i＝1，2，...，n；将U中除优胜者w外的用户的集合记为U'，即U'＝U\{w}；令比价者集合S'为
Figure GDA0003084585800000036
令Γ中各任务τj，j＝1，2，...，m的剩余感知时长t'j等于tj；重复执行步骤(51)至步骤(54)，直到Γ中各任务的剩余感知时长都为0；
(51)计算U'\S'中各用户在各感知区域上的感知时长分配；
(52)从集合U'\S'中寻找有效覆盖成本值最小的用户，记为用户ih；有效覆盖成本值通过下式计算：
Figure GDA0003084585800000037
其中，下标h表示U'\S'中各用户的编号；Γh表示用户h在其活动区域ah能够执行的感知的任务的集合；
Figure GDA0003084585800000038
表示Γh中的第hj个任务；sah,k为用户h的第k个感知区域，tsah,k为用户h分配在感知区域sah,k上的感知时长，|sah,k|为感知区域sah,k上可执行的任务数；
(53)将用户ih并入比价者集合S'：S'＝S'∪{ih}；通过下式计算优胜者w的报酬pw：
Figure GDA0003084585800000041
其中，
Figure GDA0003084585800000042
表示用户ih报价；Γw和
Figure GDA0003084585800000043
分别表示优胜者w和用户ih在其各自活动区域内能够执行的感知的任务的集合；
Figure GDA0003084585800000044
表示Γw中的第wj个任务，
Figure GDA0003084585800000045
表示
Figure GDA0003084585800000046
中的第
Figure GDA0003084585800000047
个任务；saw,k和
Figure GDA0003084585800000048
分别为优胜者w和用户ih的第k个感知区域，tsaw,k和
Figure GDA0003084585800000049
分别为优胜者w和用户ih分配在感知区域saw,k和
Figure GDA00030845858000000410
上的感知时长，
Figure GDA00030845858000000411
和
Figure GDA00030845858000000412
分别为
Figure GDA00030845858000000413
和
Figure GDA00030845858000000414
对应的兴趣区域；
(54)更新
Figure GDA00030845858000000415
中的各任务
Figure GDA00030845858000000416
的剩余感知时长
Figure GDA00030845858000000417
进一步地，步骤(41)或步骤(51)中，U\S或U'\S'中各用户在各感知区域上的感知时长分配的计算方法相同；对于U\S或U'\S'中任一用户u，计算其在各感知区域上的感知时长分配包括：
将用户u的感知区域集合记为SAu，将用户u的尚未计算感知时长分配的感知区域集合记为SA′u，令SA′u＝SAu；令用户u的剩余感知时长t'u＝tu；令任务τj的剩余感知时长t'j＝tj；重复执行步骤(a)至步骤(d)，直到用户u的剩余感知时长t′u为0或SA′u为空集，得到用户u在各感知区域上的感知时长分配；
(a)从SA'u中选择可执行的任务数最大的感知区域sau,k；
(b)在sau,k内找出剩余感知时长最小的任务，记为τmin；
(c)令用户u分配在感知区域sau,k上的感知时长tsau,k＝min{t'j,t'u}，更新用户u的剩余感知时长t'u＝t'u-tsau,k，更新用户u的尚未计算感知时长分配的感知区域集合SA'u＝SA'u\{sau,k}；
(d)对Γu中的感知区域sau,k上的所有任务，更新剩余感知时长t'j＝t'j-tsau,k；
有益效果：与现有技术相比，本发明采具有以下优点：
1、这是首次在移动群智感知系统中面向可移动用户设计激励方法，可用于用户在活动区域内可移动，任务兴趣区域可能有重叠，每项任务的感知时长需要满足特定的时长的群智感知系统。
2、能够保证完成所有感知任务。
3、能够为每个优胜者在不用感知区域分配感知时长。
4、满足计算有效性，个体理性，真实性和保证的近似比
附图说明
图1是本发明的面向位置可调整用户的大数据群智感知激励方法的流程图；
图2是本发明中对用户的感知区域进行划分的例子；
图3是本发明中群智感知平台计算优胜者集合的流程图；
图4是本发明中群智感知平台计算各用户在各感知区域上的感知时长分配的流程图；
图5是本发明中群智感知平台计算每个用户报酬的流程图。
具体实施方式
下面结合附图对本发明的技术方案做进一步的详细说明：
本发明中群智感知平台根据用户的有效覆盖成本选择优胜者和计算每个优胜者的报酬。
名词说明：
群智感知平台：一种将任务发布与互联网上，并从互联网上选择参与者完成任务的系统。
优胜者：由群智感知平台通过激励方法选择出来的用户，是群智感知任务的执行者。
如图1，在本发明的面向位置可调整用户的大数据群智感知激励方法中，群智感知平台和用户之间体现为一个反向拍卖过程，包括如下步骤：
步骤一、群智感知平台向用户集合U＝{1,2,...,n}发布一个任务集合Γ＝{τ1,...,τm}；集合Γ中的各任务τj，j＝1,2，…，m，有一个对应的兴趣区域aj和需要感知的最少时长tj，仅当用户处于兴趣区域aj内才能感知任务τj，多个任务的兴趣区域在空间上可能存在重合区域，处于重合区域的用户可以同时为多个任务感知。
步骤二、用户集合U中各用户提交一个标书(ti,ai,bi)，i＝1，2，…，n；下标i为集合U中各用户的编号，ti为用户i的最大感知时长；ai为用户i的活动区域且用户可以随意移动到活动区域内的任何位置执行感知任务；bi为用户i的报价。
步骤三、群智感知平台根据各任务兴趣区域的重合情况将各用户的活动区域划分为一或多个感知区域，如图2所示。
步骤四、群智感知平台计算优胜者集合S和各优胜者在各个感知区域上的感知时长分配，使得在Γ中的各任务的感知时长都不少于对应最少感知时长的条件下所有优胜者的成本总和最低。
如图3，该步骤具体包括：
先初始化：令
Figure GDA0003084585800000061
令U中各用户i，i＝1，2，…，n的剩余感知时长t′i等于各用户的最大感知时长ti；令U中各用户分配在各感知区域上的感知时长均为0；令Γ中各任务τj，j＝1,2，…，m的剩余感知时长t'j等于其最少感知时长tj。然后，重复执行步骤(41)至步骤(43)，直至Γ中各任务的剩余感知时长的总和
Figure GDA0003084585800000062
为0，得到优胜者集合S及S中各优胜者的感知时长分配；
(41)计算集合U\S中各用户在各感知区域上的感知时长分配，其中集合U\S指用户集合U与优胜者集合S的差集。
特别地，步骤(41)中，集合U\S中各用户在各感知区域上的预定感知时长分配的计算方式相同。如图4，计算U\S中任一用户u在各感知区域上的预定感知时长分配包括：将用户u的感知区域集合记为SAu，将用户u的尚未计算感知时长分配的感知区域集合记为SA′u，令SA′u＝SAu；令用户u的剩余感知时长t'u＝tu；令任务τj的剩余感知时长t'j＝tj；重复执行步骤(a)至步骤(d)，直到用户u的剩余感知时长t′u为0或SA′u为空集，得到用户u在各感知区域上的感知时长分配。
(a)从SA'u中选择可执行的任务数最大的感知区域sau,k；
(b)在sau,k内找出剩余感知时长最小的任务，记为τmin；
(c)令用户u分配在感知区域sau,k上的感知时长tsau,k＝min{t'j,t'u}，更新用户u的剩余感知时长t'u＝t'u-tsau,k，更新用户u的尚未计算感知时长分配的的感知区域集合SA'u＝SA'u\{sau,k}；
(d)对Γu中的感知区域sau,k上的所有任务，更新剩余感知时长t'j＝t'j-tsau,k；
(42)从U\S中寻找有效覆盖成本值最小的用户，记为用户g；有效覆盖成本值通过下式计算：
Figure GDA0003084585800000071
其中下标h表示U\S中各用户的编号；Γh表示用户h在其活动区域ah能够执行的感知的任务的集合；
Figure GDA0003084585800000072
表示Γh中的第hj个任务；sah,k为用户h的第k个感知区域，tsah,k为用户h分配在感知区域sah,k上的感知时长，|sah,k|为感知区域sah,k上可执行的任务数。
(43)将用户g并入优胜者集合S：S＝S∪{g}；更新Γg中的各任务
Figure GDA0003084585800000073
的剩余感知时长
Figure GDA0003084585800000074
步骤五、群智感知平台通知各优胜者按照在各个感知区域上的感知时长分配执行任务感知，并计算和支付各优胜者的报酬。
具体而言，该步骤中各优胜者报酬的计算方式相同。如图5所示，计算S中任一优胜者w的报酬pw包括：
令U中所有用户的报酬pi为0，i＝1，2，...，n；将U中除优胜者w外的用户的集合记为U'，即U'＝U\{w}；令比价者集合S'为
Figure GDA0003084585800000075
令Γ中各任务τj，j＝1，2，...，m的剩余感知时长t'j等于tj；重复执行步骤(51)至步骤(54)，直到Γ中各任务的剩余感知时长都为0。
(51)计算U'\S'中各用户在各感知区域上的预定感知时长分配。
该步骤中各用户在各感知区域上的预定感知时长分配的计算方式可以参照步骤(41)。
(52)从集合U'\S'中寻找有效覆盖成本值最小的用户，记为用户ih；有效覆盖成本值通过下式计算：
Figure GDA0003084585800000081
其中，下标h表示U'\S'中各用户的编号；Γh表示用户h在其活动区域ah能够执行的感知的任务的集合；
Figure GDA0003084585800000082
表示Γh中的第hj个任务；sah,k为用户h的第k个感知区域，tsah,k为用户h分配在感知区域sah,k上的感知时长，|sah,k|为感知区域sah,k上可执行的任务数。
(53)将用户ih并入比价者集合S'：S'＝S'∪{ih}；通过下式计算优胜者w的报酬pw：
Figure GDA0003084585800000083
其中，
Figure GDA0003084585800000084
表示用户ih报价；Γw和
Figure GDA0003084585800000085
分别表示优胜者w和用户ih在其各自活动区域内能够执行的感知的任务的集合；
Figure GDA0003084585800000086
表示Γw中的第wj个任务，
Figure GDA0003084585800000087
表示
Figure GDA0003084585800000088
中的第
Figure GDA0003084585800000089
个任务；saw,k和
Figure GDA00030845858000000810
分别为优胜者w和用户ih的第k个感知区域，tsaw,k和
Figure GDA00030845858000000811
分别为优胜者w和用户ih分配在感知区域saw,k和
Figure GDA00030845858000000812
上的感知时长，
Figure GDA00030845858000000813
和
Figure GDA00030845858000000814
分别为
Figure GDA00030845858000000815
和
Figure GDA00030845858000000816
对应的兴趣区域；
(54)更新
Figure GDA00030845858000000817
中的各任务
Figure GDA00030845858000000818
的剩余感知时长
Figure GDA00030845858000000819
本技术领域技术人员可以理解的是，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种面向位置可调整用户的大数据群智感知激励方法，其特征在于，群智感知平台和用户之间体现为一个反向拍卖过程，步骤如下：
(1)群智感知平台向用户集合U＝{1,2,...,n}发布一个任务集合Γ＝{τ1,...,τm}；集合Γ中的各任务τj，j＝1,2，…，m，有一个对应的兴趣区域aj和需要感知的最少时长tj，仅当用户处于兴趣区域aj内才能感知任务τj，多个任务的兴趣区域在空间上可能存在重合区域，处于重合区域的用户可以同时为多个任务感知；
(2)用户集合U中各用户提交一个标书(ti,ai,bi)，i＝1，2，…，n；下标i为集合U中各用户的编号，ti为用户i的最大感知时长；ai为用户i的活动区域且用户可以随意移动到活动区域内的任何位置执行感知任务；bi为用户i的报价；
(3)群智感知平台根据各任务兴趣区域的重合情况将各用户的活动区域划分为一或多个感知区域；
(4)群智感知平台计算优胜者集合S和各优胜者在各个感知区域上的感知时长分配，使得在Γ中的各任务的感知时长都不少于对应最少感知时长的条件下所有优胜者的成本总和最低；
(5)群智感知平台通知各优胜者按照在各个感知区域上的感知时长分配执行任务感知，并计算和支付各优胜者的报酬。
2.如权利要求1所述的面向位置可调整用户的大数据群智感知激励方法，其特征在于，在步骤(4)具体包括：
初始化：令
Figure FDA0003084585790000011
令U中各用户i，i＝1，2，…，n的剩余感知时长t′i等于各用户的最大感知时长ti；令U中各用户分配在各感知区域上的感知时长均为0；令Γ中各任务τj，j＝1,2，…，m的剩余感知时长t′j等于其需要感知的最少时长tj；
重复执行步骤(41)至步骤(43)，直至Γ中各任务的剩余感知时长的总和
Figure FDA0003084585790000012
为0，得到优胜者集合S及S中各优胜者的感知时长分配；
(41)计算集合U\S中各用户在各感知区域上的感知时长分配，其中集合U\S指用户集合U与优胜者集合S的差集；
(42)从U\S中寻找有效覆盖成本值最小的用户，记为用户g；有效覆盖成本值通过下式计算：
Figure FDA0003084585790000021
其中下标h表示U\S中各用户的编号；Γh表示用户h在其活动区域ah能够执行的感知的任务的集合；
Figure FDA0003084585790000022
表示Γh中的第hj个任务；sah,k为用户h的第k个感知区域，tsah,k为用户h分配在感知区域sah,k上的感知时长，|sah,k|为感知区域sah,k上可执行的任务数；
(43)将用户g并入优胜者集合S：S＝S∪{g}；更新Γg中的各任务
Figure FDA0003084585790000023
的剩余感知时长
Figure FDA0003084585790000024
3.如权利要求1所述的面向位置可调整用户的大数据群智感知激励方法，其特征在于，步骤(5)中，各优胜者报酬的计算方式相同，且计算S中任一优胜者w的报酬pw包括：
令U中所有用户的报酬pi为0，i＝1，2，...，n；将U中除优胜者w外的用户的集合记为U'，即U'＝U\{w}；令比价者集合S'为
Figure FDA0003084585790000025
令Γ中各任务τj，j＝1，2，...，m的剩余感知时长t'j等于tj；重复执行步骤(51)至步骤(54)，直到Γ中各任务的剩余感知时长都为0；
(51)计算U'\S'中各用户在各感知区域上的感知时长分配；
(52)从集合U'\S'中寻找有效覆盖成本值最小的用户，记为用户ih；有效覆盖成本值通过下式计算：
Figure FDA0003084585790000026
其中，下标h表示U'\S'中各用户的编号；Γh表示用户h在其活动区域ah能够执行的感知的任务的集合；
Figure FDA0003084585790000027
表示Γh中的第hj个任务；sah,k为用户h的第k个感知区域，tsah,k为用户h分配在感知区域sah,k上的感知时长，|sah,k|为感知区域sah,k上可执行的任务数；
(53)将用户ih并入比价者集合S'：S'＝S'∪{ih}；通过下式计算优胜者w的报酬pw：
Figure FDA0003084585790000031
其中，
Figure FDA0003084585790000032
表示用户ih报价；Γw和
Figure FDA0003084585790000033
分别表示优胜者w和用户ih在其各自活动区域内能够执行的感知的任务的集合；
Figure FDA0003084585790000034
表示Γw中的第wj个任务，
Figure FDA0003084585790000035
表示
Figure FDA0003084585790000036
中的第
Figure FDA0003084585790000037
个任务；saw,k和
Figure FDA0003084585790000038
分别为优胜者w和用户ih的第k个感知区域，tsaw,k和
Figure FDA0003084585790000039
分别为优胜者w和用户ih分配在感知区域saw,k和
Figure FDA00030845857900000310
上的感知时长，
Figure FDA00030845857900000311
和
Figure FDA00030845857900000312
分别为
Figure FDA00030845857900000313
和
Figure FDA00030845857900000314
对应的兴趣区域；
(54)更新
Figure FDA00030845857900000315
中的各任务
Figure FDA00030845857900000316
的剩余感知时长
Figure FDA00030845857900000317
4.如权利要求2或3所述的面向位置可调整用户的大数据群智感知激励方法，其特征在于，步骤(41)或步骤(51)中，U\S或U'\S'中各用户在各感知区域上的感知时长分配的计算方法相同；对于U\S或U'\S'中任一用户u，计算其在各感知区域上的感知时长分配包括：
将用户u的感知区域集合记为SAu，将用户u的尚未计算感知时长分配的感知区域集合记为SA′u，令SA′u＝SAu；令用户u的剩余感知时长t′u＝tu；令任务τj的剩余感知时长t'j＝tj；重复执行步骤(a)至步骤(d)，直到用户u的剩余感知时长t′u为0或SA′u为空集，得到用户u在各感知区域上的感知时长分配；
(a)从SA′u中选择可执行的任务数最大的感知区域sau,k；
(b)在sau,k内找出剩余感知时长最小的任务，记为τmin；
(c)令用户u分配在感知区域sau,k上的感知时长tsau,k＝min{t'j,t′u}，更新用户u的剩余感知时长t′u＝t′u-tsau,k，更新用户u的尚未计算感知时长分配的感知区域集合SA′u＝SA′u\{sau,k}；
(d)对Γu中的感知区域sau,k上的所有任务，更新剩余感知时长t′j＝t′j-tsau,k。
CN201910193613.4A 2019-03-14 2019-03-14 一种面向位置可调整用户的大数据群智感知激励方法 Active CN109978353B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910193613.4A CN109978353B (zh) 2019-03-14 2019-03-14 一种面向位置可调整用户的大数据群智感知激励方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910193613.4A CN109978353B (zh) 2019-03-14 2019-03-14 一种面向位置可调整用户的大数据群智感知激励方法

Publications (2)

Publication Number Publication Date
CN109978353A CN109978353A (zh) 2019-07-05
CN109978353B true CN109978353B (zh) 2021-07-27

Family

ID=67078883

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910193613.4A Active CN109978353B (zh) 2019-03-14 2019-03-14 一种面向位置可调整用户的大数据群智感知激励方法

Country Status (1)

Country Link
CN (1) CN109978353B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110992121B (zh) * 2019-10-22 2024-03-22 西安电子科技大学 群智感知中基于感知误差的感知任务信息分配系统及方法
CN112800335B (zh) * 2021-02-04 2022-08-26 南京邮电大学 一种面向时空移动群智感知任务的异常用户检测方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103870990A (zh) * 2014-03-31 2014-06-18 上海交通大学 移动群智感知系统中覆盖问题的激励机制实现方法
CN104850935A (zh) * 2015-04-15 2015-08-19 南京邮电大学 一种以最小化支付为目标的移动群智感知激励方法
CN104899760A (zh) * 2015-02-17 2015-09-09 南京邮电大学 一种时间相关移动群智感知系统中的激励方法
US20160342905A1 (en) * 2015-05-21 2016-11-24 Tata Consultancy Services Limited Multi-dimensional sensor data based human behaviour determination system and method
CN106973392A (zh) * 2017-03-23 2017-07-21 南京邮电大学 群智感知中基于区域覆盖的一种激励方法
US20170215034A1 (en) * 2016-01-22 2017-07-27 Government Of The United States As Represetned By The Secretary Of The Air Force Object detection and tracking system
CN108171593A (zh) * 2017-11-17 2018-06-15 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
CN108269129A (zh) * 2018-01-23 2018-07-10 重庆邮电大学 一种基于逆向拍卖的移动群智感知网络中用户激励方法
CN109068288A (zh) * 2018-09-06 2018-12-21 福建师范大学 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

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107330754B (zh) * 2017-06-02 2020-12-18 南京邮电大学 一种面向合作性任务的移动群智感知激励方法
CN107316223B (zh) * 2017-06-02 2020-12-18 南京邮电大学 一种面向多合作任务的多报价标书移动群智感知激励方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103870990A (zh) * 2014-03-31 2014-06-18 上海交通大学 移动群智感知系统中覆盖问题的激励机制实现方法
CN104899760A (zh) * 2015-02-17 2015-09-09 南京邮电大学 一种时间相关移动群智感知系统中的激励方法
CN104850935A (zh) * 2015-04-15 2015-08-19 南京邮电大学 一种以最小化支付为目标的移动群智感知激励方法
US20160342905A1 (en) * 2015-05-21 2016-11-24 Tata Consultancy Services Limited Multi-dimensional sensor data based human behaviour determination system and method
US20170215034A1 (en) * 2016-01-22 2017-07-27 Government Of The United States As Represetned By The Secretary Of The Air Force Object detection and tracking system
CN106973392A (zh) * 2017-03-23 2017-07-21 南京邮电大学 群智感知中基于区域覆盖的一种激励方法
CN108171593A (zh) * 2017-11-17 2018-06-15 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
CN108269129A (zh) * 2018-01-23 2018-07-10 重庆邮电大学 一种基于逆向拍卖的移动群智感知网络中用户激励方法
CN109068288A (zh) * 2018-09-06 2018-12-21 福建师范大学 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

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"参与式感知系统中面象节能的公平感知任务分配方法研究";赵晴雯;《中国优秀硕士学位论文全文数据库 信息科技辑》;20160715(第07期);第19-39页 *
"移动群智感知系统的任努分配和安全机制研究";于佳鹏;《中国优秀硕士学位论文全文数据库 信息科技辑》;20190115(第01期);第1-3页 *

Also Published As

Publication number Publication date
CN109978353A (zh) 2019-07-05

Similar Documents

Publication Publication Date Title
JP6740454B2 (ja) 変化検出ベースのイメージ獲得タスキングシステム
Alsheikh et al. The accuracy-privacy trade-off of mobile crowdsensing
Jensen Drone city–power, design and aerial mobility in the age of “smart cities”
KR20210073569A (ko) 이미지 시맨틱 세그멘테이션 네트워크를 트레이닝하기 위한 방법, 장치, 디바이스 및 저장 매체
CN112766607B (zh) 出行路线的推荐方法、装置、电子设备及可读存储介质
CN108108821A (zh) 模型训练方法及装置
US20210160162A1 (en) Method and apparatus for estimating cloud utilization and recommending instance type
JP2019533180A (ja) 変化検出ベースの地図インターフェース更新システム
CN110573837B (zh) 导航方法、装置、存储介质以及服务器
CN107315988A (zh) 用于在无人驾驶车辆中呈现媒体内容的系统和方法
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
JP2020504344A (ja) 推定された到着時間を決定するためのシステムおよび方法
DE112016005854T5 (de) Aufrechterhalten des Datenschutzes bei standortbezogenen Abläufen
CN111047130B (zh) 用于交通分析和管理的方法和系统
EP3739470A1 (en) Method and apparatus for performing categorised matching of videos, and selection engine
KR20200091783A (ko) 모바일 장치 또는 소형 네트워크에 적용 가능한 하드웨어를 최적화하는데 사용될 수 있는 roi를 풀링하기 위하여, 마스킹 파라미터를 이용하는 방법 및 장치, 그리고 이를 이용한 테스트 방법 및 테스트 장치
CN106133776A (zh) 基于与用户的受管交互构建用户对简档创建和推荐的信任
CN112115372B (zh) 一种停车场的推荐方法及装置
DE112016005358T5 (de) Informations-Ranking basierend auf Eigenschaften einer Berechnungsvorrichtung
CN109978352A (zh) 一种面向时空大数据群智感知任务的激励方法
KR101744940B1 (ko) 디지털 사이니지 시스템에서 상황인지형 컨텐츠 추천장치
CN116416778A (zh) 一种区域安全风险评估方法、系统、装置及存储介质
DE102021117554A1 (de) Inline-suchanfragenverfeinerung zur navigationszieleingabe
CN111008992A (zh) 目标跟踪方法、装置和系统及存储介质
CN111831686A (zh) 排序模型的优化方法、装置、系统、电子设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20230711

Address after: Room 1202, Floor 12, No. 300, Lianhui Street, Xixing Street, Binjiang District, Hangzhou, Zhejiang 310051

Patentee after: Weituo Industrial Interconnection (Zhejiang) Co.,Ltd.

Address before: No. 66, New Model Road, Gulou District, Nanjing City, Jiangsu Province, 210000

Patentee before: NANJING University OF POSTS AND TELECOMMUNICATIONS

TR01 Transfer of patent right