CN111582641B - 一种车联网面向众包服务的任务分配方法及系统 - Google Patents

Abstract

本发明公开了一种车联网面向众包服务的任务分配方法及系统，本方法包括：根据任务范围内每一个车辆返回的任务数据，得到任务估计值；根据每一个车辆返回的任务数据与任务估计值的偏差划分质量等级；设定车辆的覆盖范围，基于覆盖范围计算每个车辆所覆盖其余车辆的集合；基于集合覆盖的方法选取数据质量等级近似最优的执行任务车辆集合，执行任务车辆集合中的所有任务车辆能够实现对任务范围内的每一个车辆的全覆盖；向所有任务车辆发送众包任务。本发明可以实时估计车辆的数据质量，并根据数据质量等级以及车辆相对位置对用户的请求进行任务分配；而且选取出任务车辆的数据质量等级高，能够达到减少众包答案冗余度并降低系统传输开销的目的。

Description

一种车联网面向众包服务的任务分配方法及系统

技术领域

本发明涉及车联网技术领域，特别涉及一种车联网面向众包服务的任务分配方法及系统。

背景技术

众包是一种公开面向互联网大众的分布式的问题解决机制，它通过整合计算机和互联网上未知的大众来解决机器单独难以完成的问题。

车辆通过车联网进行众包服务协作，它利用了具有多功能传感器的移动设备，相比于其它移动设备拥有丰富的车载资源，更强大的处理、存储和传感能力，由于车辆的移动性较强，还可以轻松地在大的范围内收集数据，例如收集道路交通拥堵状况、城市WiFi接入点或者测量空气质量、噪声污染水平等环境现象。

众包任务分配和众包答案收集是众包服务的基本问题。车联网众包系统由众包任务请求者、参与众包任务的车辆、以及边缘服务器构成。众包任务请求者和边缘服务器进行交互，发送众包任务，并且获取众包答案。边缘服务器在收到众包任务后，选择参与任务的车辆，并且将任务分配给这些车辆。车辆在获取感知数据后，将这些感知数据作为众包答案通过单挑和多跳，直接或者间接传送给边缘服务器。

车联网众包系统进行任务分配时，需要考虑数据质量和车辆位置，在保证众包答案的同时减少传输开销，但目前的车联网众包系统还存在有以下缺陷：(1)众包答案质量相对较低一直是众包平台中的瓶颈问题，由于参与众包任务会获得报酬，因此部分众包任务参与者可能为了骗取报酬进行欺诈，从而造成提交的众包答案质量难以保证。(2)车联网众包服务需要考虑车辆的位置，位置相近的车辆收集的感知数据往往数值接近，因此将任务分配给位置相近的车辆会导致数据冗余，将冗余数据返回给边缘服务器，势必会增加传输开销和通信成本。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种车联网面向众包服务的任务分配方法及系统。

根据本发明实施例提供的一种车联网面向众包服务的任务分配方法，包括以下步骤：

S100、根据任务范围内每一个车辆返回的任务数据，对任务真实值进行估计，得到任务估计值；

S200、根据所述每一个车辆返回的任务数据与所述任务估计值的偏差划分质量等级；

S300、设定车辆的覆盖范围，基于所述覆盖范围计算每个车辆所覆盖其余车辆的集合；

S400、基于集合覆盖的方法选取数据质量等级近似最优的执行任务车辆集合，所述执行任务车辆集合中的所有任务车辆能够实现对所述任务范围内的每一个车辆的全覆盖；

S500、向所述所有任务车辆发送众包任务。

根据本发明的实施例，至少具有如下技术效果：

相比于现有利用条件分布来估计车辆在任务上的误差和使用混淆矩阵提取众包数据集中的准确标签的方法，本方法根据估计的真实值与实际值的偏差作为划分数据质量等级的标准，能够更加直观的反应车辆对众包任务的完成好坏，后续以该标准选取的任务车辆能够提升众包任务的执行质量；

本方法通过设定车辆的覆盖范围，然后找出每个车辆所覆盖其余车辆的集合，基于集合覆盖的方法选取数据质量等级近似最优的执行任务车辆集合，该集合内的所有任务车辆满足对任务范围内的所有车辆的全覆盖，并且该集合内的所有任务车辆的数据质量等级近似最优。本方法能够减少众包答案冗余度并降低众包系统传输开销，而且选取出的任务车辆的数据质量等级高，众包任务完成质量好。

根据本发明的一些实施例，所述对任务真实值进行估计，具体包括：

S101、设定数据质量等级参数：

设定数据质量等级的集合为片＝{1，2，...，h}；令数据质量等级为τ的返回任务数据符合高斯分布N(u，σ_τ ²)，其中u为平均值，σ_τ ²为方差；令随机变量Γ_i表示车辆v_i(1≤i≤n)的数据质量等级，P(Γ_i)为Γ_i的概率，Γ_i符合a_i＝P(Γ_i＝τ)，0≤ai≤1，τ∈H为Γ_i确定的数据质量等级；令ai(τ)为车辆v_i的质量分布；

S102、构建高斯混合模型：

计算数据质量等级的概率密度函数p(x_i)：

其中，x_i表示车辆v_i对于任务x的返回任务数据；

计算n个车辆的数据质量等级的联合概率密度函数p_θ(x)：

其中，

计算高斯混合模型的极大似然函数l_cd(θ)：

其中，θ表示高斯混合模型的参数；

S103、基于EM算法对高斯混合模型中的均值参数进行估计：

E步骤：根据参数θ计算Q函数，Q函数定义为：

其中，

k表示迭代参数；

M步骤：最大化期望Q函数，对参数θ^(k+1)进行更新：

θ^(k+1)＝argmaxQ(θ|θ^(k))

得到均值u^k+1表示为：

重复E步骤和M步骤，直至

时结束，得到计算后的均值

其中

为预设值；

将

作为任务估计值。

根据本发明的一些实施例，所述设定车辆的覆盖范围，具体包括：

以车辆接收任务时的位置点为圆心，以设定半径为R的圆作为车辆的覆盖范围，其中R值为预设值。

根据本发明的一些实施例，所述基于所述覆盖范围计算每个车辆所覆盖其余车辆的集合，具体包括：

S301、计算每两个车辆之间的最大距离，判断最大距离是否小于或等于阈值，

若小于或等于阈值，则车辆之间相互覆盖；

S302、依次获取每个车辆所覆盖其余车辆的集合。

根据本发明的一些实施例，所述基于集合覆盖的方法选取数据质量等级近似最优的执行任务车辆集合，具体包括：

S401、将车辆所对应的数据质量等级的倒数作为车辆的权值；

S402、令C(v_i)为车辆v_i(1≤i≤n)可覆盖车辆的集合、V为任务范围内所有车辆的集合、V′为执行任务车辆集合，V′初始为空集；

S403、随机选择车辆v_j；

S404、选择C(v_j)中权值最小的车辆v_k，将车辆v_k并入集合V′中；

S405、在集合V中去掉车辆v_k所覆盖的车辆；

S406、重复上述步骤S403至S405，直至集合V中的车辆被全部覆盖；

S407、将集合V′作为最终结果。

根据本发明实施例提供的一种车联网面向众包服务的任务分配系统，包括：用户终端、边缘节点服务器以及若干车辆；

所述用户终端用于向所述边缘节点服务器发送众包任务请求以及接收所述边缘节点服务器返回的众包答案；

所述边缘节点服务器用于执行所述权利要求1所述的一种车联网面向众包服务的任务分配方法、以及接收所述若干车辆返回的众包答案并将众包答案发送至所述用户终端；

所述若干车辆用于执行众包任务，并将众包答案发送至所述边缘节点服务器。

根据本发明的实施例，至少具有如下技术效果：

该系统可以实时估计车辆的数据质量，并根据数据质量等级以及车辆相对位置对用户的请求进行任务分配；而且选取出任务车辆的数据质量等级高，能够达到减少众包答案冗余度并降低系统传输开销的目的。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1为本发明实施例提供的一种车联网面向众包服务的任务分配方法的流程示意图；

图2为本发明实施例提供的对任务真实值进行估计的流程示意图；

图3为本发明实施例提供的计算每个车辆所覆盖其余车辆的集合的流程示意图；

图4为本发明实施例提供的基于集合覆盖的方法选取数据质量等级近似最优的执行任务车辆集合的流程示意图；

图5为本发明实施例提供的一种车联网面向众包服务的任务分配系统的结构示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。

参照图1至图4，本发明的一种实施例，提供了一种车联网面向众包服务的任务分配方法，包括以下步骤：

S100、根据任务范围内每一个车辆返回的任务数据，对任务真实值进行估计，得到任务估计值；

在车联网众包服务中，对于数据质量的估计是进行有效的任务分配的基础，但在通常情况下，进行数据质量估计时并不知道数据的真实值，只有车辆对任务的返回数据。于是本方法首先对返回任务数据的真实值进行估计，具体的，步骤S100包括：

S101、设定数据质量等级参数：

设定数据质量等级的集合为片＝{1，2，...，h}；令数据质量等级为τ的返回任务数据符合高斯分布N(u，σ_τ ²)，其中u为平均值，σ_τ ²为方差；由于仅使用一个固定的常数来描述车辆在一段时间内的数据质量水平是不够的，于是这里令随机变量Γ_i表示车辆v_i的数据质量等级，P(Γ_i)为Γ_i的概率，Γ_i符合a_i＝P(Γ_i＝τ，)0≤a_i≤1多项式分布参数；令a_i(τ)为车辆v_i的质量分布；向量Г＝(Γ₁，Γ₂，...，Γ_n)表示所有车辆的随机变量。

S102、构建高斯混合模型：

计算数据质量等级的概率密度函数p(x_i)：

其中，x_i表示车辆v_i对于任务x的返回任务数据；

确定单个车辆的概率密度函数之后，由于n个车辆对任务回复的数据x_i是独立分布的，因此进一步计算n个车辆的数据质量等级的联合概率密度函数p_θ(x)：

其中，

假设数据来至任何一个车辆的概率是相同的，那么数据来自车辆v_i的概率为

则车辆数据质量属于等级τ的平均概率

可以表示为

所有n个车辆的概率密度函数可以表示为：

在高斯混合模型中，以均值u和平均概率

作为参数：

并且确定随机变量στ2为给定的常数，隐藏变量为平均的数据质量等级Γ，并且

服从多项式分布

计算高斯混合模型的极大似然函数l_cd(θ)：

其中，表示高斯混合模型的参数；

S103、基于EM算法对高斯混合模型中的均值参数进行估计：

E步骤：根据参数θ计算Q函数，Q函数定义为：

其中，

k表示迭代参数；

M步骤：最大化期望Q函数，对参数θ^(k+1)进行更新：

θ^(k+1)＝argmaxQ(θ|θ^(k))   (6)

则更新的均值u^k+1表示为：

在考虑约束条件

的情况下，对数据属于数据质量等级τ概率

求偏导就可以获得更新的混合概率：

重复E步骤和M步骤，直至

时结束，得到计算后的均值

其中

为预设值；

将

作为任务估计值。

S200、根据每一个车辆返回的任务数据与任务估计值的偏差划分质量等级；

相较于现有技术，本实施例将真实的估计值与实际值的偏差作为划分数据质量等级的标准，能够更加直观的反应车辆对众包任务的完成好坏；

具体的：假设车辆v_i在最近时间t内完成F个众包任务，对于这些车辆的回复数据可表示为

根据上述求出的真实估计值，可以得到对F个任务的真实估计值为

对于任务f(1≤f≤F)，定义

为真实估计值与实际值的偏差，表示为

那么F个众包任务得到的车辆v_i数据偏差的平均值

车辆在时间t内完成F个众包任务与估计数据值的偏差越小，说明车辆所产生的数据越准确，数据质量越高，因此根据车辆对于F个众包任务偏差的平均值

落入不同区间判断车辆的不同数据质量等级；例如：令实际值与估计值之间偏差的最大值为Dev，将Dev平均划分成h份：

不同区间代表不同数据质量等级。那么

时车辆数据质量等级为h，车辆数据质量最高；

时车辆数据质量等级为1，此时车辆数据质量最低。因此，如果

落入区间

那么车辆数据质量等级为h-k+1。

S300、设定车辆的覆盖范围，基于覆盖范围计算每个车辆所覆盖其余车辆的集合；

其中的，设定车辆的覆盖范围，具体包括：以车辆接收任务时的位置点为圆心，以设定半径为R的圆作为车辆的覆盖范围，其中R值为预设值，可以根据实际情况进行设定。本步骤可通过建立位置预测模型，并在位置预测模型中建立坐标系进行处理，具体不再细述。需要说明的是，任务发出至任务被车辆接收之间的时间延时可以忽略不计。

其中的，基于覆盖范围计算每个车辆所覆盖其余车辆的集合，具体包括：

S301、计算每两个车辆之间的最大距离，判断最大距离是否小于或等于阈值，若小于或等于阈值，则车辆之间相互覆盖；

例如:车辆v_i和v_j的最大距离

(

可在位置预测模型中计算得出，如，两车辆在接收任务t_m时刻的覆盖范围分别是以

为圆心、R为半径的圆，则

)小于或等于阈值γ时，可认为车辆v_i和v_j位置接近，车辆数据相似，也就说明了车辆之间存在覆盖关系，也即可认为车辆v_i的数据可以用v_j的数据代替或者车辆v_j的数据可以用v_i的数据代替，于是能够避免出现因车辆位置相近所回复的任务数据重复的问题。

S302、依次获取每个车辆所覆盖其余车辆的集合。

S400、基于集合覆盖的方法选取数据质量等级近似最优的执行任务车辆集合，执行任务车辆集合中的所有任务车辆能够实现对任务范围内的每一个车辆的全覆盖：

具体如下：

S401、将车辆所对应的数据质量等级的倒数作为车辆的权值；

例如：令τ_i为车辆v_i的数据质量等级，将数据质量等级的倒数作为车辆v_i的权值ω_i，即

于是将众包任务分配问题转换成最小加权覆盖问题，但是需要说明的是，本问题为NP难问题，得到的执行任务车辆集合中的所有任务车辆是近似最优值。

S402、令C(v_i)为车辆v_i(1≤i≤n)可覆盖车辆的集合、V为任务范围内所有车辆的集合、V′为执行任务车辆集合，V′初始为空集；

S403、随机选择车辆v_j；

S404、选择C(v_j)中权值最小的车辆v_k，将车辆v_k并入集合V′中；

S405、在集合V中去掉车辆v_k所覆盖的车辆；

S406、重复上述步骤S403至S405，直至集合V中的车辆被全部覆盖；

S407、将集合V′作为最终结果。

例如：范围内存在5辆车辆v₁，v₂，v₃，v₄，v₅，其中v₁，v₂，v₃之间满足覆盖关系，那么v₁，v₂，v₃位置接近，车辆数据相似，即可用v₁的数据代替v₁，v₂，v₃，或者用v₂的数据代替v₁，v₂，v₃，或者用v₃的数据代替v₁，v₂，v₃；这里假设v₁的数据质量等级最高，权值最小，则最终选取的任务车辆就为：v₁，v₄，v₅，显然，既能够保证了选中任务车辆执行任务的质量，也能够避免因车辆位置相近所回复的任务数据重复而导致的数据冗余问题。

本方法能够在满足覆盖整个车辆集合的条件下，近似最大化参与任务车辆的数据质量。

S500、向所有任务车辆发送众包任务。

本实施例提供的方法的优点如下：

首先，对每一个车辆返回任务数据的真实值进行估计，并对估计的真实值和实际值进行偏差计算，根据偏差值为每个车辆划分数据质量等级，相比于现有利用条件分布来估计车辆在任务上的误差和使用混淆矩阵提取众包数据集中的准确标签的方法，本方法根据真实值与实际值的偏差作为划分数据质量等级的标准，能够更加直观的反应车辆对众包任务的完成好坏，后续以该标准选取的任务车辆能够提升众包任务的执行质量；然后，设定车辆的覆盖范围，找出每个车辆所覆盖其余车辆的集合，基于集合覆盖的方法选取数据质量等级近似最优的执行任务车辆集合，该集合内的所有任务车辆满足对任务范围内的所有车辆的全覆盖，并且该集合内的所有任务车辆的数据质量等级近似最优。本方法能够减少众包答案冗余度并降低众包系统传输开销，而且选取出的任务车辆的数据质量等级高，众包任务完成质量好。

参照图5，本发明的一个实施例，提供了一种车联网面向众包服务的任务分配系统，包括：用户终端、边缘节点服务器以及若干车辆；

用户终端用于向边缘节点服务器发送众包任务请求以及接收边缘节点服务器返回的众包答案；

边缘节点服务器用于执行上述的一种车联网面向众包服务的任务分配方法、以及接收若干车辆返回的众包答案并将众包答案发送至用户终端；

若干车辆用于执行众包任务，并将众包答案发送至边缘节点服务器。

需要说明的是，本系统实施例与上述方法实施例是基于相同的发明构思。本实施例提供的一种车联网面向众包服务的任务分配系统，该系统可以实时估计车辆的数据质量，并根据数据质量等级以及车辆相对位置对用户的请求进行任务分配；而且选取出任务车辆的数据质量等级高，能够达到减少众包答案冗余度并降低系统传输开销的目的。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (3)

1.一种车联网面向众包服务的任务分配方法，其特征在于，包括以下步骤：

S100、根据任务范围内每一个车辆返回的任务数据，对任务真实值进行估计，得到任务估计值；

S200、根据所述每一个车辆返回的任务数据与所述任务估计值的偏差划分质量等级；

S300、以车辆接收任务时的位置点为圆心，以设定半径为R的圆作为车辆的覆盖范围，其中R值为预设值，基于所述覆盖范围计算每个车辆所覆盖其余车辆的集合；其中，所述基于所述覆盖范围计算每个车辆所覆盖其余车辆的集合，具体包括：S301、计算每两个车辆之间的最大距离，判断最大距离是否小于或等于阈值，若小于或等于阈值，则车辆之间相互覆盖；S302、依次获取每个车辆所覆盖其余车辆的集合；

S400、基于集合覆盖的方法选取数据质量等级近似最优的执行任务车辆集合，所述执行任务车辆集合中的所有任务车辆能够实现对所述任务范围内的每一个车辆的全覆盖；其中，所述基于集合覆盖的方法选取数据质量等级近似最优的执行任务车辆集合，具体包括：S401、将车辆所对应的数据质量等级的倒数作为车辆的权值；S402、令C(v_i)为车辆v_i可覆盖车辆的集合、V为任务范围内所有车辆的集合、V^′为执行任务车辆集合，V^′初始为空集；S403、随机选择车辆v_j；S404、选择C(v_j)中权值最小的车辆v_k，将车辆v_k并入集合V^′中；S405、在集合V中去掉车辆v_k所覆盖的车辆；S406、重复上述步骤S403至S405，直至集合V中的车辆被全部覆盖；S407、将集合V^′作为最终结果；

S500、向所述所有任务车辆发送众包任务。

2.根据权利要求1所述的一种车联网面向众包服务的任务分配方法，其特征在于，所述对任务真实值进行估计，具体包括：

S101、设定数据质量等级参数：

设定数据质量等级的集合为H＝{1,2,…,h}；令数据质量等级为τ的返回任务数据符合高斯分布N(u，σ_τ ²)，其中u为平均值，σ_τ ²为方差；令随机变量Γ_i表示车辆v_i的数据质量等级，P(Γ_i)为Γ_i的概率，Γ_i符合a_i＝P(Γ_i＝τ),0≤a_i≤1，τ∈H为Γ_i确定的数据质量等级；令a_i(τ)为车辆v_i的质量分布；

S102、构建高斯混合模型：

计算数据质量等级的概率密度函数p(x_i)：

其中，x_i表示车辆v_i对于任务x的返回任务数据；

计算n个车辆的数据质量等级的联合概率密度函数p_θ(x)：

其中，

计算高斯混合模型的极大似然函数l_cd(θ)：

其中，θ表示高斯混合模型的参数；其中，

表示数据属于数据质量等级τ的概率；

S103、基于EM算法对高斯混合模型中的均值参数进行估计：

E步骤：根据参数θ计算Q函数，Q函数定义为：

其中，

k表示迭代参数；

表示混合概率；

M步骤：最大化期望Q函数，对参数θ^(k+1)进行更新：

θ^(k+1)＝argmaxQ(θ|θ^(k))

得到均值u^k+1表示为：

重复E步骤和M步骤，直至

时结束，得到计算后的均值

其中

为预设值；

将

作为任务估计值。

3.一种车联网面向众包服务的任务分配系统，其特征在于，包括：用户终端、边缘节点服务器以及若干车辆；

所述用户终端用于向所述边缘节点服务器发送众包任务请求以及接收所述边缘节点服务器返回的众包答案；

所述边缘节点服务器用于执行所述权利要求1所述的一种车联网面向众包服务的任务分配方法、以及接收所述若干车辆返回的众包答案并将众包答案发送至所述用户终端；

所述若干车辆用于执行众包任务，并将众包答案发送至所述边缘节点服务器。

Images