CN111639856A - 基于群智感知技术的城市环境对象标定方法、系统及介质 - Google Patents
基于群智感知技术的城市环境对象标定方法、系统及介质 Download PDFInfo
- Publication number
- CN111639856A CN111639856A CN202010478852.7A CN202010478852A CN111639856A CN 111639856 A CN111639856 A CN 111639856A CN 202010478852 A CN202010478852 A CN 202010478852A CN 111639856 A CN111639856 A CN 111639856A
- Authority
- CN
- China
- Prior art keywords
- crowd sensing
- task
- participant
- crowd
- sensing 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000005516 engineering process Methods 0.000 title claims abstract description 36
- 238000004590 computer program Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 7
- 230000009191 jumping Effects 0.000 claims description 3
- 230000008447 perception Effects 0.000 description 45
- 238000004088 simulation Methods 0.000 description 29
- 238000010586 diagram Methods 0.000 description 12
- 238000009826 distribution Methods 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 7
- 238000012360 testing method Methods 0.000 description 7
- 238000002474 experimental method Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 238000012163 sequencing technique Methods 0.000 description 4
- 238000007476 Maximum Likelihood Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000003203 everyday effect Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012358 sourcing Methods 0.000 description 2
- 208000003443 Unconsciousness Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000007728 cost analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
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
- G06Q10/063118—Staff planning in a project environment
-
- 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
- G06Q10/06316—Sequencing of tasks or work
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于群智感知技术的城市环境对象标定方法、系统及介质,本发明方法的步骤包括:根据群智感知项目生成群智感知任务集合;获取参与者,将群智感知任务集合中的群智感知任务分配给参与者;接收参与者上传的群智感知任务执行结果;更新群智感知任务集合中的信息,判断群智感知任务集合是否已经为空,如果群智感知任务集合非空则继续分配群智感知任务给参与者;如果群智感知任务集合为空则结束并退出。本发明能够通过参与者使用移动设备搜集数据对城市环境对象进行感知,具有适用范围广、可扩展性强、用户积极性和参与度高、所需花费少、环境对象感知质量高的优点。
Description
技术领域
本发明涉及城市环境对象标定技术,具体涉及一种基于群智感知技术的城市环境对象标定方法、系统及介质,用于通过参与者使用移动设备搜集数据对城市环境对象进行感知。
背景技术
街道、广场、地块、建筑是塑造一个城市形态的重要元素,这些元素又由一些常见的物理对象(城市环境对象)组成,如树木、灯柱、垃圾桶、长凳和消防栓等。物理元素及其组成对象的组合和配置决定了城市的“特性”,形成了不同的城市结构。掌握城市环境中各类城市环境对象的数量和分布的最新知识,对城市基础设施的维护及未来规划具有重要意义。
目前,对城市环境中城市环境对象的感知主要包括两种方法。第一种更为传统的方法,依赖于政府工作人员的统一执行。各个城市的政府机构需要对城市中各类基础设施的数量、分布以及使用情况有着一定的了解,因此通常会分派专门的工作人员对这些基础设施的情况进行现场勘察。这种方法需要耗费大量的人力物力,各方面的成本都较高。另一种方法基于物联网技术,针对特定区域部署固定感知网络。但是物联网的布置往往成本高、系统维护难、服务不灵活、性价比低。这些问题给物联网的大范围、大规模实际应用带来了巨大的困难,阻碍了物联网技术的发展和推广。
近年来,由于物联网应用的需求、移动智能终端的快速普及以及群智计算模式的出现,出现了一种基于移动设备(智能手机、穿戴设备、车载终端等)感知能力的移动物联网感知模式,称为群智感知技术。它通过大量普通用户使用移动感知设备作为基本感知单元,有意识参与和无意识协作相结合,实现感知任务分发与感知数据收集利用,最终完成大规模、复杂的社会感知任务。与传统的固定传感网络的物联网感知模式相比,群体参与和群体智能赋予了这种模式三个方面的优势:(1)群智感知利用了现有的传感器和通信基础设施,因此,它的部署成本比无线传感网络低得多;(2)移动用户的固有移动性提供了对任务前所未有的时空覆盖效果;(3)在群智感知实际应用过程中,人的任务执行和数据预处理都融入了人对任务的理解和智能。因此,如何将群智感知技术用于城市环境对象标定,仍然是一项亟待解决的关键的技术问题。
发明内容
本发明要解决的技术问题:针对现有技术的上述问题,提供一种基于群智感知技术的城市环境对象标定方法、系统及介质,本发明能够通过参与者使用移动设备搜集数据对城市环境对象进行感知,具有适用范围广、可扩展性强、用户积极性和参与度高、所需花费少、环境对象感知质量高的优点。
为了解决上述技术问题,本发明采用的技术方案为:
一种基于群智感知技术的城市环境对象标定方法,实施步骤包括:
1)根据群智感知项目生成群智感知任务集合;
2)获取参与者,将群智感知任务集合中的群智感知任务分配给参与者;
3)接收参与者上传的群智感知任务执行结果;
4)更新群智感知任务集合中的信息,判断群智感知任务集合是否已经为空,如果群智感知任务集合非空则跳转执行步骤2);如果群智感知任务集合为空则结束并退出。
可选地,步骤1)中根据群智感知项目生成群智感知任务集合的步骤包括:
1.1)确定群智感知项目中的标定对象和路;
1.2)将群智感知项目中的路分割为指定长度的路段,针对每个路段生成一个面向标定对象的群智感知任务,从而得到群智感知任务集合。
可选地,步骤1.2)中将群智感知项目中的路分割为指定长度的路段具体是指将群智感知项目中的路分割为int(L/50)+1条长度均为L/(int(L/50)+1)的路段,其中L为该条路的长度,int为取整。
可选地,步骤1)中获取参与者的同时还包括获取各个参与者的位置信息,所述参与者的位置信息为参与者的精确位置信息、或参与者的精确位置信息经过模糊处理后的粗略位置信息,所述参与者的位置信息为未加密数据或者加密数据。
可选地,步骤1)中还包括初始化设置群智感知项目的总预算;步骤2)的详细步骤包括:获取可用的参与者,失败则结束并退出;成功则将获取的参与者放入等待队列;同时,按照先到达先执行的原则,从等待队列中找到最近到达的参与者作为当前参与者,且针对每一个待分配群智感知任务的当前参与者:首先计算当前参与者的位置、群智感知任务集合中各个群智感知任务的路段位置之间的距离,找出与当前参与者距离最近的群智感知任务列表;然后按照优先分配靠近路的两端且相邻两个路段都没有被感知的路段、然后分配靠近路的两端的路段、最后分配剩余的普通路段的原则,从与当前参与者距离最近的群智感知任务列表中找出一个最合适的目标群智感知任务;判断群智感知项目的总预算是否足够分配目标群智感知任务,如果不足以分配目标群智感知任务,则停止分配群智感知任务并跳转执行步骤3);否则将目标群智感知任务分配给当前参与者;步骤4)更新群智感知任务集合中的信息时还包括:将收到参与者上传执行结果的群智感知任务从等待队列中移除,将群智感知项目的总预算减去收到参与者上传执行结果的群智感知任务所花费的预算并更新群智感知项目的总预算。
可选地,步骤1)中还包括初始化设置群智感知项目的总预算;步骤2)的详细步骤包括:获取可用的参与者,失败则结束并退出;成功则获取参与者对应的质量等级,并生成与质量等级一一对应的等待队列;按照优先分配靠近路的两端且相邻两个路段都没有被感知的路段、然后分配靠近路的两端的路段、最后分配剩余的普通路段的原则从群智感知任务集合中选出群智感知任务,并将选出的目标群智感知任务分别加入各个质量等级对应的等待队列中;针对最先到达每一个质量等级对应的等待队列中的目标群智感知任务,计算目标群智感知任务的路段位置、等待队列的质量等级下的每一个可用的参与者的位置之间的距离,找出与当前群智感知任务的路段位置距离最近的参与者作为当前参与者;判断群智感知项目的总预算是否足够分配目标群智感知任务,如果不足以分配目标群智感知任务,则停止分配群智感知任务并跳转执行步骤3);否则将目标群智感知任务分配给当前参与者;步骤4)更新群智感知任务集合中的信息时还包括:将收到参与者上传执行结果的群智感知任务从等待队列中移除,将群智感知项目的总预算减去收到参与者上传执行结果的群智感知任务所花费的预算并更新群智感知项目的总预算。
可选地,所述将目标群智感知任务分配给当前参与者之后还包括将当前参与者的状态由“闲”标记为“忙”;步骤4)更新群智感知任务集合中的信息时还包括将当前参与者的状态由“忙”标记为“闲”,且对当前参与者的完成群智感知任务进行计数;所述可用的参与者具体是指状态为“闲”、且完成群智感知任务进行计数小于预设次数的参与者。
可选地,步骤2)中将群智感知任务集合中的群智感知任务分配给参与者之后还包括参与者的客户端执行群智感知任务的下述步骤:
S1)接收群智感知任务,在软件操作界面上高亮显示群智感知任务的目标路段信息;
S2)检测当前位置,在客户端到达目标路段后跳转执行下一步;
S3)执行群智感知任务,在目标路段点选位置并标定对象属性;
S4)上传群智感知任务的执行结果。
此外,本发明还提供一种基于群智感知技术的城市环境对象标定系统,包括计算机设备,该计算机设备被编程或配置以执行所述基于群智感知技术的城市环境对象标定方法的步骤,或者该计算机设备上存储有被编程或配置以执行所述基于群智感知技术的城市环境对象标定方法的计算机程序。
此外,本发明还提供一种计算机可读存储介质,该计算机可读存储介质上存储有被编程或配置以执行所述基于群智感知技术的城市环境对象标定方法的计算机程序。
和现有技术相比,本发明具有下述优点:本发明方法包括根据群智感知项目生成群智感知任务集合;获取参与者,将群智感知任务集合中的群智感知任务分配给参与者;接收参与者上传的群智感知任务执行结果;更新群智感知任务集合中的信息直至群智感知任务集合为空。本发明能够通过参与者使用移动设备搜集数据对城市环境对象进行感知,具有适用范围广、可扩展性强、用户积极性和参与度高、所需花费少、环境对象感知质量高的优点。
附图说明
图1为本发明实施例方法的基本流程示意图。
图2为本发明实施例方法的仿真实现原理示意图。
图3为本发明实施例方法的仿真平台结构框架示意图。
图4为本发明实施例方法的仿真流程示意图。
图5为本发明实施例中生成群智感知任务的流程示意图。
图6为本发明实施例中参与者质量等级分级的流程示意图。
图7为本发明实施例中分配群智感知任务的流程示意图。
图8为本发明实施例中参与者执行群智感知任务的流程示意图。
具体实施方式
下文将以树木作为城市环境对象的实例,对本发明基于群智感知技术的城市环境对象标定方法、系统及介质进行进一步的详细说明。需要说明的是,本实施例仅仅是以标定城市道路树木为例进行说明,毫无疑问地,本实施例还可以应用到其它各种城市环境对象的标定,在此不再赘述。
实施例一:
如图1所示,本实施例基于群智感知技术的城市环境对象标定方法的实施步骤包括:
1)根据群智感知项目生成群智感知任务集合;
2)获取参与者,将群智感知任务集合中的群智感知任务分配给参与者;
3)接收参与者上传的群智感知任务执行结果;
4)更新群智感知任务集合中的信息,判断群智感知任务集合是否已经为空,如果群智感知任务集合非空则跳转执行步骤2);如果群智感知任务集合为空则结束并退出。
无论感知对象为何种物理实体,首先需要生成合适的群智感知任务。本实施例中,步骤1)中根据群智感知项目生成群智感知任务集合的步骤包括:
1.1)确定群智感知项目中的标定对象和路;
1.2)将群智感知项目中的路分割为指定长度的路段,针对每个路段生成一个面向标定对象的群智感知任务,从而得到群智感知任务集合。以对道路两旁树木的感知任务为例,城市道路网中,一条路通常包含多个路口,从开始到结束的距离较长,因此需要将路分割成长度更短的路段,针对每一个路段生成用于对树木进行标定的群智感知任务。
作为一种可选的实施方式,为了合理设置感知任务完成的难度和任务量,本实施例中将路划分为长度小于50米的路段。本实施例步骤1.2)中将群智感知项目中的路分割为指定长度的路段具体是指将群智感知项目中的路分割为int(L/50)+1条长度均为L/(int(L/50)+1)的路段,其中L为该条路的长度,int为取整。每个群智感知任务用于对路段内的感知对象进行相应的信息搜集、标定和数据上传。
本实施例中,步骤1)中获取参与者的同时还包括获取各个参与者的位置信息,以便于按照就近分配群智感知任务提高群智感知任务执行的效率。作为一种可选的实施方式,参与者的位置信息为参与者的精确位置信息,作为另一种可选的实施方式,参与者的精确位置信息经过模糊处理后的粗略位置信息,从而可以增强参与者的隐私保护。作为一种可选的实施方式,参与者的位置信息为未加密数据,作为另一种可选的实施方式,参与者的位置信息为加密数据,从而可以增强参与者的隐私保护。
本实施例中,步骤1)中还包括初始化设置群智感知项目的总预算;步骤2)的详细步骤包括:获取可用的参与者,失败则结束并退出;成功则将获取的参与者放入等待队列;同时,按照先到达先执行的原则,从等待队列中找到最近到达的参与者作为当前参与者,且针对每一个待分配群智感知任务的当前参与者:首先计算当前参与者的位置、群智感知任务集合中各个群智感知任务的路段位置之间的距离,找出与当前参与者距离最近的群智感知任务列表;然后按照优先分配靠近路的两端且相邻两个路段都没有被感知的路段、然后分配靠近路的两端的路段、最后分配剩余的普通路段的原则,从与当前参与者距离最近的群智感知任务列表中找出一个最合适的目标群智感知任务;判断群智感知项目的总预算是否足够分配目标群智感知任务,如果不足以分配目标群智感知任务,则停止分配群智感知任务并跳转执行步骤3);否则将目标群智感知任务分配给当前参与者;步骤4)更新群智感知任务集合中的信息时还包括:将收到参与者上传执行结果的群智感知任务从等待队列中移除,将群智感知项目的总预算减去收到参与者上传执行结果的群智感知任务所花费的预算并更新群智感知项目的总预算。
参见上述步骤可知,分配群智感知任务的原则包括:
1、路段位置优先原则。按照优先分配靠近路的两端且相邻两个路段都没有被感知的路段、然后分配靠近路的两端的路段、最后分配剩余的普通路段的原则,从与当前参与者距离最近的群智感知任务列表中找出一个最合适的目标群智感知任务进行调度。步骤2)采用单队列分配策略,所有感知任务的排序结果排序,优先级高的先被选取到等待队列中。
由于预算等条件的限制,群智感知任务覆盖的范围也是有限的,因此需要根据已经标定路段的信息,估计未标定路段的情况。本实施例中,服务器端搜集所有参与者上传的标定结果,根据已标记路段标记树木的数量和位置信息,假设相邻路段有着相近的树木密度和分布规律,使用极大似然估计方法,预测未标记路段中树木的数量和位置,最终得出结论:重点关注树木底面中心到道路中间线的距离以及两个树木底面中心之间的距离这两个信息,因此需要重点关注靠近路的两端且相邻两个路段都没有被感知的路段。
2、就近原则。需要考虑路段和参与者所处的位置,按照就近原则,将任务分派给感知任务中包含路段附近的参与者。
为了保证任务完成的质量以及尽可能扩大感知任务覆盖的范围,本实施例中,将目标群智感知任务分配给当前参与者之后还包括将当前参与者的状态由“闲”标记为“忙”;步骤4)更新群智感知任务集合中的信息时还包括将当前参与者的状态由“忙”标记为“闲”,且对当前参与者的完成群智感知任务进行计数;可用的参与者具体是指状态为“闲”、且完成群智感知任务进行计数小于预设次数的参与者,通过上述方式对控制参与者参与群智感知任务的数量,从而能够更好地保证群智感知任务的完成质量。
作为一种可选的实施方式,本实施例中将预群智感知任务计数为定时清零,使得参与者每一个定时的周期内可以最多能够完成指定数量个群智感知任务,例如本实施例中每日将预群智感知任务计数清零,设次数为3,即每名参与者每天最多能完成三个群智感知任务。
随着4G、5G网络,云平台等新兴技术的发展,有许多公司提供了街道图像的服务,例如谷歌街景(Google Street View)、腾讯街景、百度全景地图等。本实施例基于群智感知技术的城市环境对象标定方法的感知任务平台就是基于这些服务,提供最新的城市环境物理对象标定数据,克服这些街道图像服务无法对重点物理对象实时更新的缺点。本实施例中,每个参与者在平台上注册成功之后,会首先阅读一个任务说明,然后根据任务说明来对已知地理位置的路段中的物理对象进行标定。
步骤2)中将群智感知任务集合中的群智感知任务分配给参与者之后还包括参与者的客户端执行群智感知任务的下述步骤:
S1)接收群智感知任务,在软件操作界面上高亮显示群智感知任务的目标路段信息;
S2)检测当前位置,在客户端到达目标路段后跳转执行下一步;
S3)执行群智感知任务,在目标路段点选位置并标定对象属性;
S4)上传群智感知任务的执行结果。
参与者在Web平台用户界面上进行操作,以标定道路两旁的树木为例,当参与者接受某路段的感知任务之后,可以根据实际观察到的情况对界面中街道图像上的树木进行删除、修正、重新标定等操作。具体的标定操作为,点击“标定”按钮,首先选定树木底面在地面上的中心,然后绘制自动跳出的红色方框的大小,进而确定树木的高度和宽度。完成标定之后,点击“上传”按钮上传标定结果。
此外,本实施例还提供一种基于群智感知技术的城市环境对象标定系统,包括计算机设备,该计算机设备被编程或配置以执行前述基于群智感知技术的城市环境对象标定方法的步骤,或者该计算机设备上存储有被编程或配置以执行前述基于群智感知技术的城市环境对象标定方法的计算机程序。
此外,本实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有被编程或配置以执行前述基于群智感知技术的城市环境对象标定方法的计算机程序。
实施例二:
为了保证感知任务完成的质量,通常每个感知任务会分配给多个参与者完成。但是每个参与者由于自身认知水平和投入精力等因素的影响,完成任务的水平和质量是不同的。因此对每个参与者完成任务的水平进行分级,根据分级结果合理分配参与者是非常有必要的。
本实施例与实施例一基本不相同,实施例一采用的分配策略为单队列分配策略,在单队列分配策略中,所有的参与者在一个等待队列中,按照“先到达先执行”的原则分配任务。而本实施例采用的分配策略为多队列分配策略,步骤2)的详细步骤包括:获取可用的参与者,失败则结束并退出;成功则获取参与者对应的质量等级,并生成与质量等级一一对应的等待队列;按照优先分配靠近路的两端且相邻两个路段都没有被感知的路段、然后分配靠近路的两端的路段、最后分配剩余的普通路段的原则从群智感知任务集合中选出群智感知任务,并将选出的目标群智感知任务分别加入各个质量等级对应的等待队列中;针对最先到达每一个质量等级对应的等待队列中的目标群智感知任务,计算目标群智感知任务的路段位置、等待队列的质量等级下的每一个可用的参与者的位置之间的距离,找出与当前群智感知任务的路段位置距离最近的参与者作为当前参与者;判断群智感知项目的总预算是否足够分配目标群智感知任务,如果不足以分配目标群智感知任务,则停止分配群智感知任务并跳转执行步骤3);否则将目标群智感知任务分配给当前参与者。
由于不同质量等级的参与者完成任务的速度是不同的,例如部分低质量的参与者倾向于用较短的时间完成感知任务。为了保证任务完成的质量以及尽可能扩大感知任务覆盖的范围,本实施例中,在实施例一的路段位置优先原则、就近原则的基础上,每个群智感知任务将由三名不同质量等级的参与者完成,以提高群智感知任务的完成质量。当某个等待队列中任务为空时,按照优先级选取优先级高的任务,加入这个队列中,等待分配给对应等级的参与者。同时,该任务也会被添加到另外两个等待队列的最后等待分配。
本实施例中,每个参与者在平台上注册成功之后,会首先阅读一个任务说明,然后根据任务说明来对已知地理位置的路段中的物理对象进行标记以确定。而且,为了获取参与者对应的质量等级,则需要预先发布测试群智感知任务来评定参与者对应的质量等级。本实施例中通过预先发布测试群智感知任务给新注册的参与者,然后获取参与者的上传的标记结果之后,服务器会通过三个参数来评估工作者的质量:召回率(R)、精度(P)和均方根误差(RMSE),其函数表达式为:
上式中,Numo:表示物理对象的标定数目,Numa:表示物理对象的实际数目,Numca:表示正确标定的数目,Numwa:表示参与者标定的数目,Disg:表示标定结果(坐标)与地面真实坐标之间的距离。通常情况下,如果标定结果(坐标)到物理对象地面真实坐标之间的距离小于给定的阈值,就可以认为此次标定结果是正确的。通常情况下,如果标定结果(坐标)到物理对象地面真实坐标之间的距离小于给定的阈值,就可以认为此次标定结果是正确的。综合考虑以上三个参数,得到每个参与者对应的质量得分Qs:
Qs=(1-RMSE/threshold)+R+P
上式中,threshold表示设定的参数因子,R表示召回率、P表示精度,RMSE表示均方根误差。作为一种可选的实施方式,本实施例中根据质量得分Qs,将参与者分为“低”、“中”、“高”三个等级,且三个等级中参与者的数目是相同的。
为了对基于群智感知技术的城市环境对象标定方法的可行性进行验证,本实施例中采用了仿真实现的方法,仿真实现的原理参见图1和图2,采用了基于群智感知项目生成“任务队列”作为群智感知任务集合。生成参与者,进行质量等级划分后得到固定的参与者队列。仿真实验中,环境数据(包括路网数据、道路树木数据、道路图片数据等)均来源于网络上的已有的实际数据,根据这些数据构造尽量真实的仿真环境。其他参数数据是仿真实验探究的重点,有着不同的取值情况;基于已经生成的环境数据和参数数据,按照任务目标,生成一系列对应于小路段的群智感知任务,形成感知任务集合;由于不同路段的位置、树木密度等信息不同,因此不同路段对应的感知任务的优先级也不同。按照优先级对感知任务集合中的任务进行排序,得到任务队列;参与者生成,根据实际实验中的数据自动生成感知任务的参与者,由于参与者的数目是仿真实验研究的一项重要参数,因此可以通过改变参与者的数目进行多次实验。假设三种质量等级的参与者数目是相同的,将已经生成的参与者均分到三个质量等级的参与者集合中,同时将实际实验中搜集到的参与者数据(精度P、召回率R和均方根误差NMSE)注入到离散事件仿真系统(DEVS)中,模拟不同质量工人的标定行为;将三个集合中的参与者随机排序,得到参与者队列;
如图3所示,仿真平台包括仿真设置、仿真执行和分析和可视化三个模块。
1)仿真设置:仿真实验的目的之一是对不同参数设置可行性的探究,因此对于数据参数、参与者参数和输出参数的设置非常重要。此外仿真实验的执行依托各种相关模型,例如定制策略模型、参与者模型、任务模型和其他属性模型,这些模型以插件程序的形式嵌入到仿真程序中。
2)仿真执行:在感知任务中,最重要的两类实体为任务和参与者,通过任务管理器和参与者管理器实现这两类实体在仿真实验中的动作执行和状态转变。同时,仿真实验是依靠不同的事件驱动的,例如参与者到达、任务分配、任务执行和结果上传等事件。使用同一个仿真时钟,以保证仿真实验执行过程中各个组件和事件在时间上的一致性。仿真执行的任务分配过程中,首先要考虑参与者的位置信息,尽量选择位置相近的参与者完成对应的感知任务。其次,同一个感知任务分配给三个不同质量等级的参与者,以保证任务完成的质量。不同质量等级的参与者完成同一个感知任务的速度是不同的,若一个质量等级的参与者对应的任务等待队列为空,则分配新的感知任务,同时该感知任务也被添加到其他两个任务等待队列的最后;仿真实验中的任务执行步骤,模拟了真实情况下任务的执行时间、精度、召回率和均方根误差等因素,采用参数不同的正态分布表现执行任务时的随机性,使得仿真实验更加贴合真实情况;真实情况中,存在完成任务超时的情况(例如参与者领取了任务之后退出了操作平台)。若超时,则直接结束本次标定任务。在未超时的情况下,上传参与者的标定结果并结束本次感知任务,同时平台对本次感知任务的结果进行初步的判断和分析。
3)分析与可视化:主要从三个方面对实验的结果进行分析,分别为任务质量分析、成本分析和执行时间分析,通过可视化界面直观的展示分析结果。根据这三方面的结果,分析参数设置的合理性和可行性,指导实际实验的设计和实施。
如图4所示,本实施例方法的仿真流程主要包括任务的初始化、任务分配与执行、参数更新、数据上传与估计以及结果展示。各个步骤的具体说明如下:正如前述介绍的,考虑到真实实验需要的各种花费,在进行真实实验之前,需要通过仿真实验多次验证参数设置的合理性和方法的可行性,以保证真实实验的顺利实施。通过仿真实验,一些关键参数,例如路段的长度、任务执行的最大时间、完成任务的奖励等,可以被设置成较为合理的值。城市的路网信息从OSM(Open Street Map)中获取,不同路的长度L不同。对于任意一条路,将其分成int(L/50)+1个路段,则每条路段的长度为L/(int(L/50)+1)米。显然,每条路段的长度相同,且不超过50米。每个感知任务对应一个路段,需要指出的是,由于不同路段中树木的数量是不同的,因此不同感知任务的任务量也是不同的。约束条件体现在两个方面,分别是预算和任务集合不能为空。每一个感知任务将分配给三名位置靠近路段的不同质量等级的参与者,具体的完成步骤,会在下面进行详细说明。完成感知任务之后,参与者将标定结果上传到平台。当参与者完成一次感知任务,平台将会根据实际情况,在总预算中减去感知任务的花费,同时将已经完成的任务移出感知任务队列,新的感知任务加入到队列中。由于每名参与者最多只能完成三个群智感知任务,因此还需要实时更新参与者个人状态以及所有参与者的集合。由于参与者标定的结果和实际数据一般存在偏差,且不同的参与者标记的结果也不完全相同,因此需要根据搜集到的所有参与者上传的结果,对标定对象的位置信息进行合理的估计。同时,路段中标定对象(树木)的密度也是一个重要的参数,体现了城市的植被覆盖率等信息。根据搜集到的所有数据,基于极大似然方法,估计未标记道路的树木数量以及城市整体的树木密度。对与参与者相关的一些结果进行分析和展示,包括召回率R、精度P、均方根误差RMSE、密度误差、搜寻时间和标定时间。此外,不同城市之间由于城市结构和城市居民等因素的不同,相同的参数往往会表现出略微不同的结果。不同的任务分配方式,会极大的影响搜寻时间和标定时间,但是对其他参数的影响较小。最终的分析结果,可以用不同的图表进行展示。
本实施例中,任务的初始化的仿真流程图如图5所示,具体的步骤说明如下:城市中具有标定价值的物理实体有很多,例如树木、垃圾箱、消防栓、交通标识牌等,不同的物理实体具有不同的空间分布规律。本实施例确定城市道路树木为标定对象,研究其分布规律,验证群智感知方法在城市范围内的可行性。OSM是一款由网络大众共同打造的免费开源、可编辑的地图服务。经过十几年的发展,OSM上有着大量的城市街道的数据,完全满足我们的需求。正如之前提到的,不同路的长度L不同。对于任意一条路,将其分割成int(L/50)+1条路段,每条路段的长度相同,均为L/(int(L/50)+1)米。每个路段对应一个群智感知任务,所有的群智感知任务包含在感知任务的集合中,对感知任务的各种操作就是对集合中对应元素进行操作。为了更加准确的估计和感知路段的标定对象密度,基于信息量估计模型,对所有路段的信息量(树木的密度)进行了估计,根据信息量大小对对应的感知任务进行了优先级排序。假设相邻的路段具有相近数量和相似形状的标定对象。在这种情况下,位于道路两端的路段的优先级明显高于中间的路段。在实际分配时,除了位置因素,还需要考虑路段中潜在的信息量以及感知该路段之后对相邻路段的影响。因此,倾向于优先分配那些靠近路的两端且相邻两个路段都没有被感知的路段。
本实施例中根据对测试任务的标定质量划分参与者的等级的仿真流程图如图6所示,具体的步骤说明如下:我们已经基于已有的研究基础开发了Web平台进行城市范围群智感知任务的发布和实施,后续计划开发更加专业的群智感知软件平台,还可以通过微信等社交软件对软件进行宣传。参与者可以使用邮箱、手机号、微信号等在Web平台和软件里进行注册。注册成功之后,参与者会首先阅读一个任务说明,任务说明里包含测试任务的目的、操作步骤和操作演示等信息。平台生成若干个(3~5个)对不同类型对象的测试感知任务,分配给新注册的用户。参与者根据自己对任务说明的理解,按照指示逐步完成测试感知任务,并最终上传标定结果。平台根据参与者完成测试任务的质量,从召回率R、精度P和均方根误差RMSE三个方面进行综合考虑,最终将所有的参与者平均分成“低”、“中”、“高”三个质量等级。最后将分级结果展示到参与者的Web平台界面中。
本实施例中根据路段位置和参与者的信息实现感知任务的分配。本实施例方法的任务分配模型采用就近分配的原则,尽可能降低参与者在执行任务前的探索成本,避免出现待感知路段和参与者实际位置相距过远的情况,保证任务执行的成功率。如图7所示,具体说明如下:在当前的技术条件下,平台理论上可以直接获取参与者的地理位置,但是这就有可能存在参与者信息泄露的问题。初步采取的方式是在获取参与者的位置信息时先进行一个模糊处理,然后再对参与者地理位置信息进行加密处理,这样虽然会牺牲一部分参与者位置信息的精度,但是可以避免其在传输过程中的信息泄露。按照之前的说明,所有的感知任务都会按照优先级进行排序。需要指出的是,根据基于极大似然方法的信息量估计模型,感知任务的优先级是动态变化的。根据已经搜集到的标定数据,估计感知哪个位置的路段可以获得最多的信息量,即树木的密度最大,将估计信息量大的路段优先分配给参与者。预算和感知任务集合是用到的两个约束条件:预算方面,每一个感知任务的成功执行都会产生一定的花费,通常是以金钱的形式作为对参与者的奖励,每个群智感知项目都有总的预算(这个预算可能来源于多方面的资助),任务的执行应当在预算大于零的情况下进行。为了提高参与者进行感知任务的积极性,金钱奖励的时薪应该略高于该城市当地的平均时薪。感知任务集合方面,集合中包含所有的感知任务,当任意一个感知任务被分配并且成功执行之后,该任务将会被移出感知任务集合,因此,当感知任务集合不为空时,程序可以正常运行;当任务集合为空时,结束感知任务。在分配感知任务时,依照就近原则,选择物理位置相近的参与者来完成任务。有两种分配策略,分别为单队列分配策略和多队列分配策略。单队列分配策略按照参与者到达的顺序,遵照“先到达先执行”的原则,分配给参与者优先级高的感知任务。多队列分配策略是更加高效的分配策略,有三个任务队列对应于三个质量等级的参与者,每个感知任务都会被三名不同质量等级的参与者执行。由于不同质量等级的参与者执行任务的时间是不同的(质量等级低的参与者倾向于使用更少的时间完成感知任务),因此在实际情况下三个任务队列的长度是不同的。当其中一个任务队列为空时,新的优先级高的感知任务被加入到此队列中,等待分配给对应质量等级的参与者,同时该感知任务也被添加到另外两个任务队列的最后。当参与者领取了任务之后,参与者自身的状态由“闲”变为“忙”,在状态为“忙”时不会被重复分配任务。已经被分配的感知任务,从任务队列中取出(删除),队列长度减一。
如图8所示,本实施例中参与者具体实施感知任务的仿真流程的详细说明如下:参与者分配感知任务之后,感知任务对应的路段会在软件操作界面上高亮显示,由于参与者的位置和路段的位置一般存在一定的距离,因此需要参与者花费一定的时间探索到达感知路段。参与者到达指定路段之后,一般从路段的其中一个端点开始标定任务(也可能从中间某个点开始),点击“标定”按钮开始标定。参与者可以在Web平台的操作界面中自由转换街道图像的视角,以方便对树木的标定。根据实际观察到的图像,用户在Web平台的操作界面上确定树木底面中心在地面上的位置,点选之后,将自动跳出一个红色的矩形框,矩形框的高度对应于树木的高度,矩形框的宽度对应于树木的宽度,参与者根据自己观察到的景象,确定矩形框的大小。需要注意的是,为了保证标定的精度,对参与者的标定行为有着最短时间限制,避免参与者草率的标定行为对标定结果的精度产生负面影响。参与者完成标定任务之后,点击“上传”按钮上传标定数据。Web平台不仅可以搜集到标定树木的位置和大小等数据,还能搜集到参与者探索时间、标定时间等其他数据,便于后续对参与者的行为进行分析。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种基于群智感知技术的城市环境对象标定方法,其特征在于实施步骤包括:
1)根据群智感知项目生成群智感知任务集合;
2)获取参与者,将群智感知任务集合中的群智感知任务分配给参与者;
3)接收参与者上传的群智感知任务执行结果;
4)更新群智感知任务集合中的信息,判断群智感知任务集合是否已经为空,如果群智感知任务集合非空则跳转执行步骤2);如果群智感知任务集合为空则结束并退出。
2.根据权利要求1所述的基于群智感知技术的城市环境对象标定方法,其特征在于,步骤1)中根据群智感知项目生成群智感知任务集合的步骤包括:
1.1)确定群智感知项目中的标定对象和路;
1.2)将群智感知项目中的路分割为指定长度的路段,针对每个路段生成一个面向标定对象的群智感知任务,从而得到群智感知任务集合。
3.根据权利要求2所述的基于群智感知技术的城市环境对象标定方法,其特征在于,步骤1.2)中将群智感知项目中的路分割为指定长度的路段具体是指将群智感知项目中的路分割为int(L/50)+1条长度均为L/(int(L/50)+1)的路段,其中L为该条路的长度,int为取整。
4.根据权利要求1所述的基于群智感知技术的城市环境对象标定方法,其特征在于,步骤1)中获取参与者的同时还包括获取各个参与者的位置信息,所述参与者的位置信息为参与者的精确位置信息、或参与者的精确位置信息经过模糊处理后的粗略位置信息,所述参与者的位置信息为未加密数据或者加密数据。
5.根据权利要求1所述的基于群智感知技术的城市环境对象标定方法,其特征在于,步骤1)中还包括初始化设置群智感知项目的总预算;步骤2)的详细步骤包括:获取可用的参与者,失败则结束并退出;成功则将获取的参与者放入等待队列;同时,按照先到达先执行的原则,从等待队列中找到最近到达的参与者作为当前参与者,且针对每一个待分配群智感知任务的当前参与者:首先计算当前参与者的位置、群智感知任务集合中各个群智感知任务的路段位置之间的距离,找出与当前参与者距离最近的群智感知任务列表;然后按照优先分配靠近路的两端且相邻两个路段都没有被感知的路段、然后分配靠近路的两端的路段、最后分配剩余的普通路段的原则,从与当前参与者距离最近的群智感知任务列表中找出一个最合适的目标群智感知任务;判断群智感知项目的总预算是否足够分配目标群智感知任务,如果不足以分配目标群智感知任务,则停止分配群智感知任务并跳转执行步骤3);否则将目标群智感知任务分配给当前参与者;步骤4)更新群智感知任务集合中的信息时还包括:将收到参与者上传执行结果的群智感知任务从等待队列中移除,将群智感知项目的总预算减去收到参与者上传执行结果的群智感知任务所花费的预算并更新群智感知项目的总预算。
6.根据权利要求1所述的基于群智感知技术的城市环境对象标定方法,其特征在于,步骤1)中还包括初始化设置群智感知项目的总预算;步骤2)的详细步骤包括:获取可用的参与者,失败则结束并退出;成功则获取参与者对应的质量等级,并生成与质量等级一一对应的等待队列;按照优先分配靠近路的两端且相邻两个路段都没有被感知的路段、然后分配靠近路的两端的路段、最后分配剩余的普通路段的原则从群智感知任务集合中选出群智感知任务,并将选出的目标群智感知任务分别加入各个质量等级对应的等待队列中;针对最先到达每一个质量等级对应的等待队列中的目标群智感知任务,计算目标群智感知任务的路段位置、等待队列的质量等级下的每一个可用的参与者的位置之间的距离,找出与当前群智感知任务的路段位置距离最近的参与者作为当前参与者;判断群智感知项目的总预算是否足够分配目标群智感知任务,如果不足以分配目标群智感知任务,则停止分配群智感知任务并跳转执行步骤3);否则将目标群智感知任务分配给当前参与者;步骤4)更新群智感知任务集合中的信息时还包括:将收到参与者上传执行结果的群智感知任务从等待队列中移除,将群智感知项目的总预算减去收到参与者上传执行结果的群智感知任务所花费的预算并更新群智感知项目的总预算。
7.根据权利要求5或6所述的基于群智感知技术的城市环境对象标定方法,其特征在于,所述将目标群智感知任务分配给当前参与者之后还包括将当前参与者的状态由“闲”标记为“忙”;步骤4)更新群智感知任务集合中的信息时还包括将当前参与者的状态由“忙”标记为“闲”,且对当前参与者的完成群智感知任务进行计数;所述可用的参与者具体是指状态为“闲”、且完成群智感知任务进行计数小于预设次数的参与者。
8.根据权利要求1所述的基于群智感知技术的城市环境对象标定方法,其特征在于,步骤2)中将群智感知任务集合中的群智感知任务分配给参与者之后还包括参与者的客户端执行群智感知任务的下述步骤:
S1)接收群智感知任务,在软件操作界面上高亮显示群智感知任务的目标路段信息;
S2)检测当前位置,在客户端到达目标路段后跳转执行下一步;
S3)执行群智感知任务,在目标路段点选位置并标定对象属性;
S4)上传群智感知任务的执行结果。
9.一种基于群智感知技术的城市环境对象标定系统,包括计算机设备,其特征在于,该计算机设备被编程或配置以执行权利要求1~8中任意一项所述基于群智感知技术的城市环境对象标定方法的步骤,或者该计算机设备上存储有被编程或配置以执行权利要求1~8中任意一项所述基于群智感知技术的城市环境对象标定方法的计算机程序。
10.一种计算机可读存储介质,其特征在于,该计算机可读存储介质上存储有被编程或配置以执行权利要求1~8中任意一项所述基于群智感知技术的城市环境对象标定方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010478852.7A CN111639856A (zh) | 2020-05-29 | 2020-05-29 | 基于群智感知技术的城市环境对象标定方法、系统及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010478852.7A CN111639856A (zh) | 2020-05-29 | 2020-05-29 | 基于群智感知技术的城市环境对象标定方法、系统及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111639856A true CN111639856A (zh) | 2020-09-08 |
Family
ID=72331342
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010478852.7A Pending CN111639856A (zh) | 2020-05-29 | 2020-05-29 | 基于群智感知技术的城市环境对象标定方法、系统及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111639856A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112738728A (zh) * | 2020-12-25 | 2021-04-30 | 北京航空航天大学 | 大范围城市路网下基于时空可信度的群智感知节点选择方法 |
CN115629885A (zh) * | 2022-12-21 | 2023-01-20 | 暨南大学 | 群智感知中基于局部预算共享的多源任务分配方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108876567A (zh) * | 2018-05-25 | 2018-11-23 | 华南理工大学 | 一种基于感知效用最大化的群智感知激励方法 |
CN109408228A (zh) * | 2018-09-30 | 2019-03-01 | 陕西师范大学 | 基于预算调配的群智感知任务分配方法 |
-
2020
- 2020-05-29 CN CN202010478852.7A patent/CN111639856A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108876567A (zh) * | 2018-05-25 | 2018-11-23 | 华南理工大学 | 一种基于感知效用最大化的群智感知激励方法 |
CN109408228A (zh) * | 2018-09-30 | 2019-03-01 | 陕西师范大学 | 基于预算调配的群智感知任务分配方法 |
Non-Patent Citations (1)
Title |
---|
何宏;向朝参;肖书成;沈鑫;杨盘隆;苟继彬;: "群智感知网络研究现状与发展" * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112738728A (zh) * | 2020-12-25 | 2021-04-30 | 北京航空航天大学 | 大范围城市路网下基于时空可信度的群智感知节点选择方法 |
CN112738728B (zh) * | 2020-12-25 | 2022-03-11 | 北京航空航天大学 | 大范围城市路网下基于时空可信度的群智感知节点选择方法 |
CN115629885A (zh) * | 2022-12-21 | 2023-01-20 | 暨南大学 | 群智感知中基于局部预算共享的多源任务分配方法及系统 |
CN115629885B (zh) * | 2022-12-21 | 2023-04-07 | 暨南大学 | 群智感知中基于局部预算共享的多源任务分配方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220309203A1 (en) | Artificial intelligence-based automatic generation method for urban road network | |
García et al. | A comparative analysis of cellular automata models for simulation of small urban areas in Galicia, NW Spain | |
CN109255743A (zh) | 养护综合管理系统 | |
CN108243425A (zh) | 一种待建基站的位置确定方法及装置 | |
Wang et al. | A systematic method to develop three dimensional geometry models of buildings for urban building energy modeling | |
CN110309952B (zh) | 一种基于通勤模型的城市就业空间布局优化辅助系统 | |
CN113326641B (zh) | 路径规划方法、装置、计算机设备及存储介质 | |
Fecht et al. | A GIS-based urban simulation model for environmental health analysis | |
CN111639856A (zh) | 基于群智感知技术的城市环境对象标定方法、系统及介质 | |
CN110378737B (zh) | 一种网点选址方法及装置 | |
CN114037097A (zh) | 一种基于bim模型的设备运维管理方法 | |
Bachechi et al. | Implementing an urban dynamic traffic model | |
CN116437291A (zh) | 一种基于手机信令的文化圈规划方法和系统 | |
CN110362640A (zh) | 一种基于电子地图数据的任务分配方法及装置 | |
Hu et al. | Integration of space syntax into agent-based pedestrian simulation in urban open space | |
Petri et al. | An intelligent analytics system for real-time catchment regulation and water management | |
CN108764090A (zh) | 一种区域性异动确定方法、装置、服务器及存储介质 | |
Jayasinghe et al. | Exploration of expansion patterns and prediction of urban growth for Colombo City, Sri Lanka | |
CN114882190A (zh) | 一种地形图协同测绘方法及系统 | |
CN114090147A (zh) | 一种基于地理信息平台的数据处理方法 | |
Burry et al. | BIM-PIM-CIM: the challenges of modelling urban design behaviours between building and city scales | |
Dev et al. | Tourism demand forecasting and management | |
CN117151423B (zh) | 一种基于数据分析的水利河道施工管理系统及其管理方法 | |
Sun et al. | An agent-based model of housing search and intraurban migration in the Twin Cities of Minnesota | |
Marwal et al. | Simulating Built-up Expansion in West Delhi using a Neural Network Coupled Agent Based Prioritised Growth Model |
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 |