CN111667137A - 一种时空众包平台中随机交叉在线匹配方法 - Google Patents

Abstract

本发明公开了一种时空众包平台中随机交叉在线匹配方法，通过采用随机方法计算待分配任务的随机收益阈值，将收益较高的时空众包任务分配给己方众包资源、收益较低的任务分配给第三方平台众包资源的方式，有效提高了时空众包任务的接单率，从而提高了用户满意度。

Description

一种时空众包平台中随机交叉在线匹配方法

技术领域

本发明属于时空大数据处理技术领域，具体涉及一种时空众包平台中随机交叉在线匹配方法。

背景技术

随着智能手机和5G等移动通信技术的发展，时空众包平台在人们的日常生活中显示出不可替代的作用。时空众包是指用户通过互联网发布任务，平台将任务分配给众包资源，众包资源在现实世界中移动到指定的位置来完成任务，众包资源包括如快递员、配送员、配送车等。大多数用户的手机上都有几个时空众包平台，例如智能交通(“滴滴”等)、食品配送(“美团外卖”等)和快递(“顺丰速运”等)。这些平台为用户提供了便捷的服务，也为人群提供了经济效益。

在上述时空众包平台中，用户的任务和闲置的众包资源都是实时出现的，时空众包平台需要快速地响应用户的发出的任务，并且能够根据用户的满意度和自身的利益来指派众包资源为实时任务提供服务。设计先进的任务分配有助于提高这些平台的服务质量，提高它们的收益，改善它们的用户体验。现有解决方案往往通过减少众包资源的总移动距离、缩短用户等待时间或者使平台的总收入最大化作为提高满意度的目标。

现有时空众包平台的众包资源只服务自身平台的订单。然而，在现实世界中，由于用户和众包资源的地理分布是不均匀的，单一平台上的服务可能会由于时间和金钱上的高成本而导致拒绝请求。以滴滴平台为例，如果附近没有闲置的司机以为用户提供服务，用户的订单将很长时间无法被接单。目前，滴滴通过根据用户对服务成本和等待时间的偏好有条件地提供服务来解决这个问题。例如，平台会询问用户是否希望等待更长的时间，直到出现任何可用的工作线程并可以为其提供服务。或者，期望用户在响应请求之前等待约1分23秒，“1'23”是请求的响应时间，而不是用户的等待时间，这意味着，在“1'23”之后，该平台开始搜索司机以服务于该用户。再或者，如果用户愿意支付更高的价格，平台会从另一个地方调度司机进行服务。显然，所有的解决方案都不可避免地会降低用户的满意度，导致用户在平台上的流失。

综上所述，由于时空众包平台的用户和众包资源存在地理分布不均匀的情况，因此，现有技术中的仅采用单一平台提供服务的方式可能会产生由于时间和费用的成本过高而导致的拒绝服务的问题。

发明内容

有鉴于此，本发明提供了一种时空众包平台中随机交叉在线匹配方法，能够实现不同时空众包平台之间的时空众包任务分配。

本发明提供的一种时空众包平台中随机交叉在线匹配方法，包括以下步骤：

步骤1、计算己方平台的历史收益的最大值MAX_V，采用如下公式计算得到随机数k的上限θ，且θ≤4：

θ＝ln(MAX_V+1)

随机选定k的取值，使得k满足条件1≤k≤θ，得到己方平台的随机收益阈值为e^k；

步骤2、当待分配任务的收益v_r满足条件v_r＞e^k时，执行步骤3；否则，执行步骤4；

步骤3、在己方平台上查找能够完成所述待分配任务的众包资源，如果存在，则分配所述待分配任务；如果不存在，则执行步骤4；

步骤4、随机确定向第三方平台支付的服务费v′_r，且v′_r<v_r，以服务费v′_r向第三方平台发布所述待分配众包任务，如果存在能够完成所述待分配众包任务的众包资源，则分配所述待分配众包任务；否则，拒绝所述待分配众包任务。

进一步地，所述服务费v′_r为使用利用模型辅助模式搜索方法(MAPS)计算得到的第三方服务费的估计值。

有益效果：

1、本发明通过采用随机方法计算待分配任务的随机收益阈值，将收益较高的时空众包任务分配给己方众包资源、收益较低的任务分配给第三方平台众包资源的方式，有效提高了时空众包任务的接单率，从而提高了用户满意度；

2、本发明通过引入期望估计方法，估计得到第三方众包资源期望的价格，以此来衡平台的收益和任务的接受率，从而进一步提高了任务的接单率。

附图说明

图1为本发明提供的一种时空众包平台中随机交叉在线匹配方法的流程图。

图2(a)为现有时空众包任务分配过程中乘客和司机位置的示意图。

图2(b)为现有时空众包任务分配过程的分配结果示意图。

图3(a)为本发明提供的一种时空众包平台中随机交叉在线匹配方法的乘客和司机位置的示意图。

图3(b)为本发明提供的一种时空众包平台中随机交叉在线匹配方法的分配结果示意图。

具体实施方式

下面结合附图并举实施例，对本发明进行详细描述。

本发明提供的一种时空众包平台中随机交叉在线匹配方法，其基本思想是：通过随机方法选取一个阈值，低于该阈值的任务将会被外包给第三方众包资源，将高于该阈值的、即收益较高的任务安排给己方众包资源。

为描述方便，本发明定义如下相关概念：

众包任务r(本发明中简称为“任务”)：表示为r＝<t_r,l_r,v_r>，其中，t_r为任务发布到平台的时间，l_r为任务产生的位置(例如，乘客的上车地点)，v_r为任务为平台带来的收益。当任务被发布到平台时，平台需要立即决定是接受任务并分配资源完成服务还是拒绝该任务。

己方平台众包资源w_in(本发明中简称为“己方资源”)：表示为

其中，

为己方资源能够服务任务的初始时间，

为己方资源的位置，

为己方资源能够服务的半径。己方资源可以服务在

时刻之后发布的且距离在

范围之内的任务。

第三方平台众包资源w_out(本发明中简称为“第三方资源”)：表示为

其中，

为第三方资源能够服务任务的初始时间，

为第三方资源的位置，

为第三方资源能够服务的半径。第三方资源能够服务在

时刻之后发布的且距离在

范围之内的任务。

第三方接受率：对于服务费为v′_r的任务，对于第三方资源w_out，其具有N个历史任务，每个历史任务的服务费为v，那么第三方资源w_out以v′_r价格接受任务的概率表示为：

其中，N(v≤v′_r)为w_out的历史任务中价格小于等于v′_r的数量。

例如，若某个第三方资源的历史任务的服务费为{10,15,20,30,30}，当待分配任务的服务费v′_r为20时，该第三方资源的第三方接受率即为0.6。

期望收益：对于服务费为v′_r的任务，能够服务于该任务的第三方资源集合为W，pr(v′_r,W)为W中第三方资源能够服务于任务的概率，那么平台的期望收益为E(v′_r,W)：

E(v′_r,W)＝(v_r-v′_r)×pr(v′_r,W)

最大期望收益，即为期望收益的最大值，表示为E(v_r,W)_max：

平台收益：当任务r由己方资源完成时，那么平台的收益为v_r；当任务r由第三方资源完成时，平台需要向第三方平台支付服务费v′_r(0<v′_r≤v_r)，则平台的收益是v_r-v′_r。

交叉匹配问题：对于实时到达的任务r、己方资源w_in和第三方资源w_out，交叉匹配问题即为通过将任务分配给己方或第三方资源以使平台收益最大化，同时满足以下约束：

时间约束，众包资源只能服务其初始时间之后发布的任务；

1对1约束：一个众包资源一次只能服务一个任务，一个任务只能被一个众包资源所服务；

不可变约束：一旦众包资源被分配了任务，这个分配在任务完成前是不可更改的；

范围约束：众包资源只能服务其服务半径内的任务。

下面以智能出行为例，结合上述定义对时空众包平台的实际运营过程进行说明，如图2所示，其中，图2(a)显示了5位乘客(即出行订单)和5位司机(即众包资源)的位置，每个以众包资源为中心的圆圈显示了其服务范围，所有浅色的乘客和众包资源属于同一个平台A，而所有深色的乘客和众包资源则属于第三方平台B。表1列出了每个订单的收益，该收益值是指每个用户在完成其订单时应支付的金额。表2显示了每个众包资源和订单的到达顺序，即用户发出订单的时间和众包资源可以提供服务的时间。当用户发出订单时，平台需要快速的为其分配司机或因无法提供服务而拒绝该订单，而且每个司机只能服务其出现时间之后的订单。以现有技术中的最大化收益为目标的分配方法为例，在这种情况下，平台A仅可以服务3个请求，平台A的最优收益为9+6+3＝18，如图2(b)所示。

任务	r<sub>1</sub>	r<sub>2</sub>	r<sub>3</sub>	r<sub>4</sub>	r<sub>5</sub>
						收益	4	9	6	3	4

表1订单的收益

时间

t<sub>1</sub>

t<sub>2</sub>

t<sub>3</sub>

t<sub>4</sub>

t<sub>5</sub>

t<sub>6</sub>

t<sub>7</sub>

t<sub>8</sub>

t<sub>9</sub>

t<sub>10</sub>

到达顺序

w<sub>1</sub>

w<sub>2</sub>

r<sub>1</sub>

w<sub>3</sub>

r<sub>2</sub>

r<sub>3</sub>

w<sub>4</sub>

r<sub>3</sub>

w<sub>5</sub>

r<sub>5</sub>

表2订单和众包资源的到达顺序

本发明提供的一种时空众包平台中随机交叉在线匹配方法，如图1所示，主要包括以下步骤：

步骤1、计算己方平台的历史收益的最大值MAX_V，采用如下公式计算得到随机数k的上限θ：

θ＝ln(MAX_V+1)

随机选定k的取值，使得k满足条件1≤k≤θ，得到所述待分配任务收益的随机收益阈值为e^k。

例如，如图3所示，通过计算可得max(v_r)＝9,θ＝3，假设选取k＝1，那么随机收益阈值为e。

由于众包任务是随时产生的，我们无法预知任务的产生时间和位置，所以众包资源匹配问题是在线问题，需要采用在线算法来解决。如果任务和资源的情况事先已知，称之为离线问题。竞争比是在线算法结果与离线最优解的比值，类似于近似算法中的近似比。

通过分析可知本发明中的随机交叉在线匹配方法的竞争比是

具体证明过程如下：

时空众包任务随机交叉在线匹配的离线问题可以表示为带权二分图匹配，众包任务和众包资源是二分图的顶点，众包任务的价值是二分图的边。这个二分图表示为G，设

是G的一个子图，只包含权值在[e^k,e^k+1)范围内的边。设

表示离线问题最优解中在

上的匹配的任务个数，

是在线方法匹配结果中资源匹配的任务个数，

是在线方法匹配结果中己方资源匹配的任务个数，

是在线方法匹配结果中第三方资源匹配的任务个数。

其中，MAX_V为己方平台历史收益的最大值，对于每个值k∈[1,θ]，因为只有价值高于e^k的任务才会被分配给己方资源，所以

中的匹配结果全是匹配给第三方资源。

中的匹配结果包括两部分：(1)匹配给己方资源；(2)以v′_r价格匹配给第三方资源，采用MAPS算法得出的推论为：v′_r满足v_r-v′_re＞e^k。

对于

中的任意一条边，这条边的两个顶点至少有一个必然在

中，所以

另一方面，

其中

因此可知：

有上述分析可知，参数θ和历史订单的最大价值相关。通过对时空众包平台(以滴滴平台为例)的价格分布分析，高达95％的订单的价值是低于50的，因此，θ的值通常小于等于4，随机交叉在线匹配方法的竞争比大于等于

步骤2、当v_r＞e^k时，执行步骤3；否则，执行步骤4。

步骤3、在己方平台上查找能够完成所述待分配任务的己方资源，如果存在，则分配所述待分配任务；如果不存在，则执行步骤4。

例如，如图3所示，当r₁到达时，w₁可以服务，所以将r₁分配给w₁；当r₂到达时，v_r2＞e，w₂可以服务，所以将r₂分配给w₂；当r₃到达时，

没有己方资源可以服务，转步骤4。

步骤4、随机确定向第三方平台支付的服务费v′_r，且v′_r<v_r，以服务费v′_r向第三方平台发布所述待分配众包任务，如果存在能够完成所述待分配众包任务的第三方资源，则分配所述待分配众包任务；否则，拒绝所述待分配众包任务。

为了进一步提高任务的接单率，且能够较好的平衡平台的收益和任务的接受率，本发明引入了期望估计方法计算第三方服务费的估计值，具体来说，本发明采用利用模型辅助模式搜索方法(MAPS)计算第三方服务费的估计值，使用该估计值向第三方平台发布所述待分配任务，如果存在能够完成所述待分配任务的第三方资源，则分配所述待分配任务；否则，拒绝所述待分配任务。

例如，当r₃到达时，假设MAPS方法估算的

的接受概率分布为{0.9,0.8,0.4,0.3,0.2}。那么，最大的期望估价结果为

此时，接受率为0.8，服务费为4，平台获得收益为2。

综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (2)

1.一种时空众包平台中随机交叉在线匹配方法，其特征在于，包括以下步骤：

步骤1、计算己方平台的历史收益的最大值MAX_V，采用如下公式计算得到随机数k的上限θ，且θ≤4：

θ＝ln(MAX_V+1)

随机选定k的取值，使得k满足条件1≤k≤θ，得到己方平台的随机收益阈值为e^k；

步骤2、当待分配任务的收益v_r满足条件v_r＞e^k时，执行步骤3；否则，执行步骤4；

步骤3、在己方平台上查找能够完成所述待分配任务的众包资源，如果存在，则分配所述待分配任务；如果不存在，则执行步骤4；

步骤4、随机确定向第三方平台支付的服务费v′_r，且v′_r<v_r，以服务费v′_r向第三方平台发布所述待分配众包任务，如果存在能够完成所述待分配众包任务的众包资源，则分配所述待分配众包任务；否则，拒绝所述待分配众包任务。

2.根据权利要求1所述的方法，其特征在于，所述服务费v′_r为使用利用模型辅助模式搜索方法(MAPS)计算得到的第三方服务费的估计值。

Images