CN115879722A - 一种空间众包任务分配方法及系统 - Google Patents

一种空间众包任务分配方法及系统 Download PDF

Info

Publication number
CN115879722A
CN115879722A CN202211603931.1A CN202211603931A CN115879722A CN 115879722 A CN115879722 A CN 115879722A CN 202211603931 A CN202211603931 A CN 202211603931A CN 115879722 A CN115879722 A CN 115879722A
Authority
CN
China
Prior art keywords
task
requester
receiver
generalized
candidate set
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.)
Granted
Application number
CN202211603931.1A
Other languages
English (en)
Other versions
CN115879722B (zh
Inventor
朱涛
徐兴业
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.)
Nanjing Jieqi Information Technology Co ltd
Original Assignee
Nanjing Jieqi Information Technology Co ltd
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 Jieqi Information Technology Co ltd filed Critical Nanjing Jieqi Information Technology Co ltd
Priority to CN202211603931.1A priority Critical patent/CN115879722B/zh
Publication of CN115879722A publication Critical patent/CN115879722A/zh
Application granted granted Critical
Publication of CN115879722B publication Critical patent/CN115879722B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种空间众包任务分配方法及系统，该方法包括：任务请求方和任务接收方根据预先设置的隐私级别，将自身的真实位置进行泛化，形成泛化位置，并上传该泛化位置；服务器接收所述泛化位置，并根据所述泛化位置，为每个任务请求方确定距离大于阈值的所有任务接收方，形成任务接收方候选集；服务器计算任务接收方候选集中每个任务接收方与任务请求方的邻近性概率；并基于该邻近性概率为每个任务请求方和任务接收方生成偏好列表；将所述偏好列表发送至任务请求方和任务接收方，任务请求方和任务接收方基于所述偏好列表实现相互匹配完成任务分配。本发明能够实现任务请求方和任务接收方的位置隐私保护。

Description

一种空间众包任务分配方法及系统
技术领域
本发明涉及信息处理技术领域，具体来说，涉及一种空间众包任务分配方法及系统。
背景技术
近年来，便携式移动设备（如智能手机）经历了爆炸式的增长，这些设备配备了丰富的传感器，使其被视为具有强大传感能力的移动传感器。因此，出现了一种有效且可扩展的数据收集新机制，即空间众包（SC）。通常，SC中涉及的空间任务要求任务接收方移至任务所在的位置以执行任务。与传统的无线传感器网络（WSN）不同，SC通过应用众包原则在人为参与和强大的移动设备上执行任务，从而节省了安装和维护新硬件基础设施的额外成本。空间众包已广泛用于环境感知，新闻，危机应对和城市规划。
典型的空间众包主要由任务接收方，任务请求方和SC服务器组成。请求者首先将空间任务提交给SC服务器。SC服务器根据他们的距离将每个任务分配给接近任务的适当任务接收方。然后，任务接收方执行分配的任务，并将收集的信息发送到SC服务器。之后，SC服务器处理/整合来自任务接收方的数据，并将处理后的数据发送给请求者。最后，任务请求方获得数据并向SC服务器提供有关任务响应质量的反馈。
为了实现有效的任务分配，大多数空间众包应用程序要求任务接收方公开其位置，并要求任务请求方向SC服务器公开任务的位置。但是，在任务分配期间，任务接收方和任务的位置隐私可能会受到损害，尤其是在不可信SC服务器的情况下。此外，对手可以轻松地监视或提取SC参与者的私人信息，并发起广泛的攻击，例如跟踪和身份盗用。如果移动用户的隐私受到侵犯，则移动用户将不会接受参与空间任务，因此确保位置隐私是SC的重要方面。
近年来，SC中的隐私保护任务分配一直是活跃的研究领域。现有的大多数研究都有两个主要缺点。首先，他们通常集中于保护任务接收方的位置隐私。但是，忽略了保护任务位置隐私的需要。任务的位置可以间接显示相应任务请求方的位置，因为任务请求方通常会在其位置附近发布任务。其次，现有工作假定所有SC参与者（例如，任务请求方和任务接收方）的隐私保护级别都相同，不能满足SC参与者的不同隐私要求。因此，一些参与者可能获得的隐私保护不足，而其他参与者则得到了过度保护。
针对相关技术中的问题，目前尚未提出有效的解决方案。
发明内容
针对相关技术中的问题，本发明提出一种空间众包任务分配方法及系统。
本发明的技术方案是这样实现的：
根据本发明的一个方面，提供了一种空间众包任务分配方法。
该空间众包任务分配方法，包括：
任务请求方和任务接收方根据预先设置的隐私级别，将自身的真实位置进行泛化，形成泛化位置，并上传该泛化位置；
服务器接收所述泛化位置，并根据所述泛化位置，为每个任务请求方确定距离大于阈值的所有任务接收方，形成任务接收方候选集；
服务器计算任务接收方候选集中每个任务接收方与任务请求方的邻近性概率；并基于该邻近性概率为每个任务请求方和任务接收方生成偏好列表；
将所述偏好列表发送至任务请求方和任务接收方，任务请求方和任务接收方基于所述偏好列表实现相互匹配完成任务分配。
此外，任务请求方和任务接收方根据预先设置的隐私级别，将自身的真实位置进行泛化，形成泛化位置包括：
任务请求方t或任务接收方
Figure 289087DEST_PATH_IMAGE001
根据自身的隐私级别/>
Figure 964919DEST_PATH_IMAGE002
，计算位置泛化区域的半径
Figure 343948DEST_PATH_IMAGE003
或/>
Figure 597075DEST_PATH_IMAGE004
，其中，R是保护系数；
在位置泛化区域
Figure 86962DEST_PATH_IMAGE005
或/>
Figure 351721DEST_PATH_IMAGE006
中随机选择k个位置，计算位置泛化区域圆心/>
Figure 901651DEST_PATH_IMAGE007
或/>
Figure 642074DEST_PATH_IMAGE008
，得到泛化位置/>
Figure 935652DEST_PATH_IMAGE009
或/>
Figure 320497DEST_PATH_IMAGE010
，其中，计算位置泛化区域圆心的公式为：
Figure 775749DEST_PATH_IMAGE011
；
其中，i为任务请求方或任务接收方的序号；
Figure 3468DEST_PATH_IMAGE012
为为第i个任务请求方或任务接收方的x坐标；/>
Figure 835158DEST_PATH_IMAGE013
为为第i个任务请求方或任务接收方的y坐标。
另外，根据所述泛化位置，为每个任务请求方确定距离大于阈值的所有任务接收方，形成任务接收方候选集包括：
根据所述泛化位置，利用如下公式为每个任务请求方确定距离大于阈值的所有任务接收方，形成任务接收方候选集：
Figure 340089DEST_PATH_IMAGE014
；
其中，d为阈值，
Figure 966242DEST_PATH_IMAGE015
。
此外，服务器计算任务接收方候选集中每个任务接收方与任务请求方的邻近性概率包括：
服务器根据如下公式计算任务接收方候选集中每个任务接收方与任务请求方的邻近性概率：
Figure 681257DEST_PATH_IMAGE016
：
Figure 316638DEST_PATH_IMAGE017
;
其中，
Figure 676075DEST_PATH_IMAGE018
，/>
Figure 801026DEST_PATH_IMAGE019
是/>
Figure 675441DEST_PATH_IMAGE020
和/>
Figure 52196DEST_PATH_IMAGE021
之间的夹角，/>
Figure 328456DEST_PATH_IMAGE022
，/>
Figure 624308DEST_PATH_IMAGE023
是/>
Figure 986019DEST_PATH_IMAGE024
和/>
Figure 900886DEST_PATH_IMAGE025
之间的夹角，/>
Figure 31653DEST_PATH_IMAGE026
是/>
Figure 170510DEST_PATH_IMAGE027
内任意一点，/>
Figure 81834DEST_PATH_IMAGE028
在/>
Figure 800392DEST_PATH_IMAGE027
内均匀分布。
另外，在所述偏好列表中，任务接收方与任务请求方的邻近性概率越大越靠前，且任务请求方和任务接收方基于所述偏好列表通过Gale-Shapley算法实现相互匹配完成任务分配。
根据本发明的另一方面，提供了一种空间众包任务分配系统。
该空间众包任务分配系统，包括：
位置泛化模块，位于任务请求方侧和任务接收方侧，用于根据预先设置的隐私级别，将自身的真实位置进行泛化，形成泛化位置，并上传该泛化位置；
候选集确定模块，位于服务器侧，用于接收所述泛化位置，并根据所述泛化位置，为每个任务请求方确
Figure 51244DEST_PATH_IMAGE007
块，位于服务器侧，用于计算任务接收方候选集中每个任务接收方与任务请求方的邻近性概率；并基于该邻近性概率为每个任务请求方和任务接收方生成偏好列表，将所述偏好列表发送至任务请求方和任务接收方；
任务匹配模块，位于任务请求方侧和任务接收方侧，用于基于所述偏好列表实现相互匹配完成任务分配。
此外，所述位置泛化模块在根据预先设置的隐私级别，将自身的真实位置进行泛化，形成泛化位置时包括：
任务请求方t或任务接收方
Figure 688899DEST_PATH_IMAGE001
根据自身的隐私级别/>
Figure 759623DEST_PATH_IMAGE002
，计算位置泛化区域的半径
Figure 78609DEST_PATH_IMAGE003
或/>
Figure 121652DEST_PATH_IMAGE029
，其中，R是保护系数；
在位置泛化区域
Figure 195787DEST_PATH_IMAGE005
或/>
Figure 753807DEST_PATH_IMAGE006
中随机选择k个位置，计算位置泛化区域圆心/>
Figure 79746DEST_PATH_IMAGE007
或/>
Figure 113648DEST_PATH_IMAGE008
，得到泛化位置/>
Figure 30788DEST_PATH_IMAGE009
或/>
Figure 279367DEST_PATH_IMAGE010
，其中，计算位置泛化区域圆心的公式为：
Figure 940155DEST_PATH_IMAGE011
；
其中，i为任务请求方或任务接收方的序号；
Figure 488948DEST_PATH_IMAGE012
为为第i个任务请求方或任务接收方的x坐标；/>
Figure 170465DEST_PATH_IMAGE013
为为第i个任务请求方或任务接收方的y坐标。
另外，所述候选集确定模块在根据所述泛化位置，为每个任务请求方确定距离大于阈值的所有任务接收方，形成任务接收方候选集时，根据所述泛化位置，利用如下公式为每个任务请求方确定距离大于阈值的所有任务接收方，形成任务接收方候选集：
Figure 640761DEST_PATH_IMAGE014
；
其中，d为阈值，
Figure 105240DEST_PATH_IMAGE015
。
此外，所述偏好确定模块在计算任务接收方候选集中每个任务接收方与任务请求方的邻近性概率时，服务器根据如下公式计算任务接收方候选集中每个任务接收方与任务请求方的邻近性概率：
Figure 836436DEST_PATH_IMAGE016
Figure 360958DEST_PATH_IMAGE017
；
其中，
Figure 318550DEST_PATH_IMAGE018
，/>
Figure 321141DEST_PATH_IMAGE019
是/>
Figure 172422DEST_PATH_IMAGE020
和/>
Figure 867846DEST_PATH_IMAGE021
之间的夹角，/>
Figure 47154DEST_PATH_IMAGE022
，/>
Figure 853436DEST_PATH_IMAGE023
是/>
Figure 90383DEST_PATH_IMAGE024
和/>
Figure 628811DEST_PATH_IMAGE025
之间的夹角，/>
Figure 623312DEST_PATH_IMAGE026
是/>
Figure 30023DEST_PATH_IMAGE027
内任意一点，/>
Figure 793580DEST_PATH_IMAGE028
在/>
Figure 502910DEST_PATH_IMAGE027
内均匀分布。
另外，在所述偏好列表中，任务接收方与任务请求方的邻近性概率越大越靠前，且所述任务匹配模块基于所述偏好列表通过Gale-Shapley算法实现相互匹配完成任务分配。
有益效果：
本发明将任务请求方和任务接收方的真实位置模糊成一个泛化区域上传给SC服务器，不仅实现任务请求方和任务接收方的位置隐私保护，而且还实现了个性化的隐私保护；
本发明利用R-Tree来索引所有任务接收方上传的泛化区域，并为每个任务筛选出邻近的候选任务接收方集，从而提高了任务分配的效率，降低了任务分配所需的开销；
本发明使用Gale-Shapley(GS)算法来解决任务-任务接收方匹配问题，不同于传统的单边匹配方法，本发明要求任务接收方和任务请求方迭代的执行请求和拒绝操作，直到双方就任务分配达成一致，这样充分满足了双方的利益。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的一种空间众包任务分配方法的流程示意图；
图2是根据本发明实施例的一种空间众包任务分配系统的结构框图；
图3是根据本发明实施例的无隐私保护下的任务分配示意图；
图4是根据本发明实施例的利用R-Tree索引所有任务接收方示意图；
图5是根据本发明实施例的筛选任务接收方的示意图；
图6是根据本发明实施例的计算任务接收方与任务请求方的邻近性概率示意图；
图7是根据本发明实施例的和服从均匀分布条件下计算任务接收方与任务请求方的邻近性概率示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。
根据本发明的实施例，提供了一种空间众包任务分配方法及系统。
如图1所示，根据本发明实施例的一种空间众包任务分配方法，包括：
步骤S101，任务请求方和任务接收方根据预先设置的隐私级别，将自身的真实位置进行泛化，形成泛化位置，并上传该泛化位置；
步骤S103，服务器接收所述泛化位置，并根据所述泛化位置，为每个任务请求方确定距离大于阈值的所有任务接收方，形成任务接收方候选集；
步骤S105，服务器计算任务接收方候选集中每个任务接收方与任务请求方的邻近性概率；并基于该邻近性概率为每个任务请求方和任务接收方生成偏好列表；
步骤S107，将所述偏好列表发送至任务请求方和任务接收方，任务请求方和任务接收方基于所述偏好列表实现相互匹配完成任务分配。
在一个实施例中，任务请求方和任务接收方根据预先设置的隐私级别，将自身的真实位置进行泛化，形成泛化位置包括：任务请求方t或任务接收方
Figure 984706DEST_PATH_IMAGE001
根据自身的隐私级别
Figure 195108DEST_PATH_IMAGE002
，计算位置泛化区域的半径/>
Figure 813171DEST_PATH_IMAGE003
或/>
Figure 958982DEST_PATH_IMAGE030
，其中，R是保护系数；在位置泛化区域
Figure 662495DEST_PATH_IMAGE005
或/>
Figure 411009DEST_PATH_IMAGE008
中随机选择k个位置，计算位置泛化区域圆心/>
Figure 149157DEST_PATH_IMAGE007
或
Figure 200290DEST_PATH_IMAGE008
，得到泛化位置/>
Figure 391100DEST_PATH_IMAGE031
或/>
Figure 943304DEST_PATH_IMAGE010
，其中，计算位置泛化区域圆心的公式为：
Figure 535959DEST_PATH_IMAGE011
；
其中，i为任务请求方或任务接收方的序号；
Figure 23573DEST_PATH_IMAGE012
为为第i个任务请求方或任务接收方的x坐标；/>
Figure 701679DEST_PATH_IMAGE013
为为第i个任务请求方或任务接收方的y坐标。
在一个实施例中，根据所述泛化位置，为每个任务请求方确定距离大于阈值的所有任务接收方，形成任务接收方候选集包括：根据所述泛化位置，利用如下公式为每个任务请求方确定距离大于阈值的所有任务接收方，形成任务接收方候选集：
Figure 791994DEST_PATH_IMAGE014
；其中，d为阈值，
Figure 239156DEST_PATH_IMAGE015
。
在一个实施例中，服务器计算任务接收方候选集中每个任务接收方与任务请求方的邻近性概率包括：服务器根据如下公式计算任务接收方候选集中每个任务接收方与任务请求方的邻近性概率
Figure 897671DEST_PATH_IMAGE016
：
Figure 63073DEST_PATH_IMAGE017
；
其中，
Figure 957079DEST_PATH_IMAGE018
，/>
Figure 462010DEST_PATH_IMAGE019
是/>
Figure 353743DEST_PATH_IMAGE020
和/>
Figure 334337DEST_PATH_IMAGE021
之间的夹角，/>
Figure 641822DEST_PATH_IMAGE022
，/>
Figure 391472DEST_PATH_IMAGE023
是/>
Figure 454106DEST_PATH_IMAGE024
和/>
Figure 266204DEST_PATH_IMAGE025
之间的夹角，/>
Figure 705276DEST_PATH_IMAGE026
是/>
Figure 43853DEST_PATH_IMAGE027
内任意一点，/>
Figure 277388DEST_PATH_IMAGE028
在/>
Figure 576783DEST_PATH_IMAGE027
内均匀分布。
在一个实施例中，在所述偏好列表中，任务接收方与任务请求方的邻近性概率越大越靠前，且任务请求方和任务接收方基于所述偏好列表通过Gale-Shapley算法实现相互匹配完成任务分配。
如图2所示，根据本发明实施例的一种空间众包任务分配系统，包括：
位置泛化模块201，位于任务请求方侧和任务接收方侧，用于根据预先设置的隐私级别，将自身的真实位置进行泛化，形成泛化位置，并上传该泛化位置；
候选集确定模块203，位于服务器侧，用于接收所述泛化位置，并根据所述泛化位置，为每个任务请求方确定距离大于阈值的所有任务接收方，形成任务接收方候选集；
偏好确定模块205，位于服务器侧，用于计算任务接收方候选集中每个任务接收方与任务请求方的邻近性概率；并基于该邻近性概率为每个任务请求方和任务接收方生成偏好列表，将所述偏好列表发送至任务请求方和任务接收方；
任务匹配模块207，位于任务请求方侧和任务接收方侧，用于基于所述偏好列表实现相互匹配完成任务分配。
在一个实施例中，所述位置泛化模块201在根据预先设置的隐私级别，将自身的真实位置进行泛化，形成泛化位置时包括：任务请求方t或任务接收方
Figure 288387DEST_PATH_IMAGE001
根据自身的隐私级别，计算位置泛化区域的半径/>
Figure 12629DEST_PATH_IMAGE003
或/>
Figure 151486DEST_PATH_IMAGE030
，其中，R是保护系数；在位置泛化区域
Figure 203756DEST_PATH_IMAGE005
或/>
Figure 781368DEST_PATH_IMAGE032
中随机选择k个位置，计算位置泛化区域圆心/>
Figure 32221DEST_PATH_IMAGE007
或
Figure 545241DEST_PATH_IMAGE008
，得到泛化位置或，其中，计算位置泛化区域圆心的公式为：
Figure 881545DEST_PATH_IMAGE011
；
其中，i为任务请求方或任务接收方的序号；
Figure 262848DEST_PATH_IMAGE012
为为第i个任务请求方或任务接收方的x坐标；/>
Figure 368207DEST_PATH_IMAGE013
为为第i个任务请求方或任务接收方的y坐标。
在一个实施例中，所述候选集确定模块203在根据所述泛化位置，为每个任务请求方确定距离大于阈值的所有任务接收方，形成任务接收方候选集时，根据所述泛化位置，利用如下公式为每个任务请求方确定距离大于阈值的所有任务接收方，形成任务接收方候选集：
Figure 52129DEST_PATH_IMAGE014
；
其中，d为阈值，
Figure 610149DEST_PATH_IMAGE015
。
在一个实施例中，所述偏好确定模块205在计算任务接收方候选集中每个任务接收方与任务请求方的邻近性概率时，服务器根据如下公式计算任务接收方候选集中每个任务接收方与任务请求方的邻近性概率
Figure 60722DEST_PATH_IMAGE016
：/>
Figure 958271DEST_PATH_IMAGE017
；
其中，
Figure 203308DEST_PATH_IMAGE018
，/>
Figure 514203DEST_PATH_IMAGE019
是/>
Figure 112675DEST_PATH_IMAGE020
和/>
Figure 520523DEST_PATH_IMAGE021
之间的夹角，/>
Figure 811827DEST_PATH_IMAGE022
，/>
Figure 672335DEST_PATH_IMAGE023
是/>
Figure 871235DEST_PATH_IMAGE024
和/>
Figure 743376DEST_PATH_IMAGE025
之间的夹角，/>
Figure 267899DEST_PATH_IMAGE026
是内任意一点，/>
Figure 84545DEST_PATH_IMAGE028
在
Figure 352715DEST_PATH_IMAGE009
内均匀分布。
在一个实施例中，在所述偏好列表中，任务接收方与任务请求方的邻近性概率越大越靠前，且所述任务匹配模块207基于所述偏好列表通过Gale-Shapley算法实现相互匹配完成任务分配。
为了方便理解本发明的上述技术方案，以下通过具体原理及流程对本发明的上述技术方案进行详细说明。
一、问题描述
空间任务t的位置是
Figure 938417DEST_PATH_IMAGE033
，并要求一些工人（任务接收方）来完成它。令/>
Figure 571524DEST_PATH_IMAGE001
表示具备移动设备的工人，其位置是/>
Figure 141046DEST_PATH_IMAGE034
。任务有一个圆形发布区域，用d表示任务发布区域的半径，也就是只有与任务的距离不超过d的工人才能执行任务。在任务分配期间，假设每个任务最多被分配给K个工人，每个工人最多能被分配B个任务。如果一个任务被分配给工人，那么工人必须移动到任务指定的位置来执行任务，并将收集的数据上传给SC服务器。最后，服务器整合数据并发送给任务请求者。任务分配的目标是最大化已分配的任务-工人对的数量。
定义1（任务分配）：令
Figure 947328DEST_PATH_IMAGE035
表示任务分配，其中/>
Figure 794061DEST_PATH_IMAGE036
，
Figure 722703DEST_PATH_IMAGE037
。/>
Figure 451624DEST_PATH_IMAGE038
是执行任务/>
Figure 999280DEST_PATH_IMAGE039
的工人的数量，/>
Figure 762837DEST_PATH_IMAGE040
是被分配给工人/>
Figure 862380DEST_PATH_IMAGE001
的任务的数量，
Figure 281860DEST_PATH_IMAGE041
是任务和工人/>
Figure 429945DEST_PATH_IMAGE001
之间的欧式距离。任务分配的目标是找到最大的/>
Figure 110325DEST_PATH_IMAGE042
。
如图3所示，有3个任务
Figure 52873DEST_PATH_IMAGE043
和8个工人/>
Figure 694070DEST_PATH_IMAGE044
。虚线所表示的区域是任务的发布区域。假设K=3，B=2。没有隐私保护的情况下，工人和任务的真实位置直接发送到SC服务器，然后服务器将任务分配给邻近的工人。最优任务分配是/>
Figure 973741DEST_PATH_IMAGE045
，
Figure 446311DEST_PATH_IMAGE046
，/>
Figure 763023DEST_PATH_IMAGE047
。
在以上任务分配过程中，工人和任务的位置完全暴露给SC服务器，这可能会导致严重的位置隐私问题。因此，需要取得以下隐私目标。
定义2（工人隐私）：在任务分配期间，对于每个工人
Figure 281729DEST_PATH_IMAGE001
，SC服务器和任务请求者都不知道/>
Figure 771616DEST_PATH_IMAGE001
的真实位置。
定义3（任务隐私）：在任务分配期间，对于每个任务
Figure 301954DEST_PATH_IMAGE039
，SC服务器和工人都不知道/>
Figure 851884DEST_PATH_IMAGE039
的真实位置。在任务分配结束后，只有/>
Figure 326728DEST_PATH_IMAGE048
知道任务/>
Figure 823569DEST_PATH_IMAGE039
的真实位置。
定义2和3确保了SC服务器不会学习工人和任务的真实位置。但是，在隐私保护的情况下，工人和任务的位置变得不确定，这会影响任务分配的性能，因此，需要新的策略来提高任务分配的效率。此外，假设请求者和工人都是自私的，只关心自身的利益。因此，工人和任务很有可能产生完全冲突的匹配决策。工人-任务匹配决策的定义如下：
定义4（工人-任务匹配决策）：请求者向邻近的工人提出请求，此工人可以根据自己的利益接受或者拒绝任务。只有请求者和工人就匹配决策达成一致时任务分配才完成。
二、威胁模型
假设SC服务器是不可信的，它可能会泄露位置隐私。工人和请求者是好奇的但不是恶意的，也就是说，工人或请求者可以从任务分配过程中了解到的内容中学习和推断，但是他们遵守协议。此外，SC参与者（工人或请求者）可以相互串通以获得有关第三方的信息，因为任何人都可以注册工人和请求者帐户。工人将执行任务后得到的结果直接报告给请求者，以限制向SC服务器公开信息。
三、泛化工人和任务的位置
将所有SC参与者（即工人和任务）的真实位置转换为圆形区域，以确保位置隐私。在不失一般性的前提下，以工人
Figure 270730DEST_PATH_IMAGE001
为例。转换过程如下：
（1）、工人的
Figure 53879DEST_PATH_IMAGE001
位置是/>
Figure 219281DEST_PATH_IMAGE049
，个性化隐私级别是/>
Figure 988654DEST_PATH_IMAGE002
，/>
Figure 290322DEST_PATH_IMAGE050
。首先工人构造一个圆/>
Figure 509951DEST_PATH_IMAGE051
，/>
Figure 834753DEST_PATH_IMAGE034
以为圆心，/>
Figure 470134DEST_PATH_IMAGE052
为半径，其中/>
Figure 434765DEST_PATH_IMAGE030
，R是保护系数；
（2）、在圆
Figure 497399DEST_PATH_IMAGE051
内随机选择k个位置；
（3）、利用k个位置的坐标，根据
Figure 434131DEST_PATH_IMAGE053
计算均值坐标点，即模糊位置；
（4）、工人生成隐藏区域
Figure 810885DEST_PATH_IMAGE010
，一个以/>
Figure 415042DEST_PATH_IMAGE054
为圆心半径为/>
Figure 648577DEST_PATH_IMAGE052
的圆，然后将/>
Figure 947972DEST_PATH_IMAGE054
和
Figure 253051DEST_PATH_IMAGE052
上传给SC服务器。
注意，
Figure 649397DEST_PATH_IMAGE002
越大，半径/>
Figure 991517DEST_PATH_IMAGE002
越大，隐私保护级别越强。同样，可以将任务/>
Figure 902841DEST_PATH_IMAGE039
的真实位置泛化为/>
Figure 683715DEST_PATH_IMAGE031
。为了抵御来自SC服务器的背景知识攻击，实际应用时可选择了一些尽可能分散k的个位置，并确保所生成的隐藏区域与结构中实际位置之间的一致性。
四、寻找任务的候选工人集
为了保护位置隐私，将工人和任务的位置泛化为圆形区域。但是，在不知道工人和任务之间真正距离的情况下找到最佳任务分配很难。为了解决这个问题，本发明提出了一种保护隐私的员工修剪策略，该策略使用R-Tree索引所有工人上传的圆，并将与任务的距离可能小于或等于d的工人保留为候选工人。
令工人集
Figure 872251DEST_PATH_IMAGE055
和任务集/>
Figure 775485DEST_PATH_IMAGE056
，SC服务器利用R-Tree索引所有工人上传的圆，并为每个任务修剪距离大于d的工人；如果
Figure 846209DEST_PATH_IMAGE057
，那么工人/>
Figure 102878DEST_PATH_IMAGE001
到任务/>
Figure 208238DEST_PATH_IMAGE039
的距离一定大于d；利用如下公式筛选得到候选工人集/>
Figure 16794DEST_PATH_IMAGE058
，其中，/>
Figure 840393DEST_PATH_IMAGE059
是任务/>
Figure 900753DEST_PATH_IMAGE060
的候选工人集：
Figure 188515DEST_PATH_IMAGE014
。
首先，用最小边界矩形（MBR）近似每个工人的圆，并为工人建立R树，如图4中例子所示。
Figure 105655DEST_PATH_IMAGE061
的最小边界矩阵/>
Figure 354234DEST_PATH_IMAGE062
表示，然后用
Figure 749443DEST_PATH_IMAGE063
修剪工人。如图5所示，任务的候选工人集是/>
Figure 157291DEST_PATH_IMAGE064
。/>
通过筛选，SC服务器可以得到候选工人集
Figure 183016DEST_PATH_IMAGE058
，其中/>
Figure 715628DEST_PATH_IMAGE059
是任务/>
Figure 242424DEST_PATH_IMAGE060
的候选工人集。但是，这些集合可能包括不合格的工人，例如/>
Figure 380145DEST_PATH_IMAGE065
与/>
Figure 639088DEST_PATH_IMAGE039
任务之间的距离大于d。另外，在不知道任务与工人之间的真实距离的情况下，很难高效地将任务分配给工人。为了解决这些问题，通过计算/>
Figure 721313DEST_PATH_IMAGE016
来量化工人-任务对的邻近性。
如图6所示，令
Figure 192746DEST_PATH_IMAGE066
是/>
Figure 981710DEST_PATH_IMAGE027
中任意一点，/>
Figure 473872DEST_PATH_IMAGE067
是/>
Figure 981076DEST_PATH_IMAGE010
中任意一点。令Area表示/>
Figure 725041DEST_PATH_IMAGE068
和/>
Figure 368512DEST_PATH_IMAGE069
相交的面积。概率用如下公式计算：
Figure 562733DEST_PATH_IMAGE070
在具体应用时，如图7所示，
Figure 494917DEST_PATH_IMAGE028
和/>
Figure 167207DEST_PATH_IMAGE071
服从均匀分布，上述公式可以进一步表示为如下形式/>
Figure 868447DEST_PATH_IMAGE072
；
其中，
Figure 905673DEST_PATH_IMAGE073
，/>
Figure 184207DEST_PATH_IMAGE019
是/>
Figure 535554DEST_PATH_IMAGE020
和/>
Figure 153618DEST_PATH_IMAGE021
之间的夹角，/>
Figure 424062DEST_PATH_IMAGE022
，/>
Figure 127576DEST_PATH_IMAGE023
是/>
Figure 17034DEST_PATH_IMAGE024
和/>
Figure 489604DEST_PATH_IMAGE025
之间的夹角，。
计算完
Figure 930950DEST_PATH_IMAGE016
，根据概率值构建构建工人的偏好列表
Figure 121759DEST_PATH_IMAGE074
和任务的偏好列表/>
Figure 549330DEST_PATH_IMAGE075
，其中/>
Figure 141985DEST_PATH_IMAGE076
是工人/>
Figure 488653DEST_PATH_IMAGE077
的偏好列表，/>
Figure 370021DEST_PATH_IMAGE078
是任务/>
Figure 663599DEST_PATH_IMAGE079
的偏好列表，/>
Figure 173078DEST_PATH_IMAGE016
值越大，候选者在偏好列表中的排名越靠前；SC服务器将构建好的偏好列表分别发送给工人和任务请求者。
五、工人和任务的匹配
工人和任务有着完全不同的利益，因此不能采用传统的单边匹配方法。任务请求者希望相邻的工人执行任务，而工人则更偏向完成附近的任务。因此，仅当请求者和工人就匹配的决策达成一致时，任务分配才完成。本发明中，通过探索Gale-Shapley（GS）算法来解决任务工匹配问题。
定义5（提出请求准则）：对于任意任务
Figure 893909DEST_PATH_IMAGE080
，它的请求者向偏好列表中/>
Figure 731415DEST_PATH_IMAGE078
排名第一的候选工人提出匹配请求。
定义6（拒绝准则）：对于任意工人
Figure 563105DEST_PATH_IMAGE081
收到请求，如果已经存在更好的匹配候选者，他/她可以拒绝匹配请求；否则，将当前未被拒绝的任务保存为候选者。
定义7（延迟接受）：假设任务
Figure 192670DEST_PATH_IMAGE082
的请求者向工人提出请求，工人/>
Figure 84402DEST_PATH_IMAGE083
将任务与所有候选任务进行比较；如果存在候选任务满足小于所有其他候选任务的概率，并且
Figure 409204DEST_PATH_IMAGE084
，那么任务/>
Figure 44585DEST_PATH_IMAGE060
可以取代/>
Figure 528656DEST_PATH_IMAGE085
成为工人/>
Figure 591290DEST_PATH_IMAGE083
的候选者；否则，工人/>
Figure 403388DEST_PATH_IMAGE083
拒绝任务/>
Figure 576880DEST_PATH_IMAGE079
的请求。/>
迭代执行以上过程，直到任务均已被分配或者遍历完所有偏好列表中的候选工人。
综上所述，借助于本发明的上述技术方案，本发明将任务请求方和任务接收方的真实位置模糊成一个泛化区域上传给SC服务器，不仅实现任务请求方和任务接收方的位置隐私保护，而且还实现了个性化的隐私保护；本发明利用R-Tree来索引所有任务接收方上传的泛化区域，并为每个任务筛选出邻近的候选任务接收方集，从而提高了任务分配的效率，降低了任务分配所需的开销；本发明使用Gale-Shapley(GS)算法来解决任务-任务接收方匹配问题，不同于传统的单边匹配方法，本发明要求任务接收方和任务请求方迭代的执行请求和拒绝操作，直到双方就任务分配达成一致，这样充分满足了双方的利益。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，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 (10)

1.一种空间众包任务分配方法，其特征在于，包括：
任务请求方和任务接收方根据预先设置的隐私级别，将自身的真实位置进行泛化，形成泛化位置，并上传该泛化位置；
服务器接收所述泛化位置，并根据所述泛化位置，为每个任务请求方确定距离大于阈值的所有任务接收方，形成任务接收方候选集；
服务器计算任务接收方候选集中每个任务接收方与任务请求方的邻近性概率；并基于该邻近性概率为每个任务请求方和任务接收方生成偏好列表；
将所述偏好列表发送至任务请求方和任务接收方，任务请求方和任务接收方基于所述偏好列表实现相互匹配完成任务分配。
2.根据权利要求1所述的空间众包任务分配方法，其特征在于，任务请求方和任务接收方根据预先设置的隐私级别，将自身的真实位置进行泛化，形成泛化位置包括：
任务请求方t或任务接收方
Figure QLYQS_1
根据自身的隐私级别/>
Figure QLYQS_2
，计算位置泛化区域的半径
Figure QLYQS_3
或/>
Figure QLYQS_4
，其中，R是保护系数；
在位置泛化区域
Figure QLYQS_5
或/>
Figure QLYQS_6
中随机选择k个位置，计算位置泛化区域圆心/>
Figure QLYQS_7
或/>
Figure QLYQS_8
，得到泛化位置/>
Figure QLYQS_9
或/>
Figure QLYQS_10
，其中，计算位置泛化区域圆心的公式为：
Figure QLYQS_11
；
其中，i为任务请求方或任务接收方的序号；
Figure QLYQS_12
为为第i个任务请求方或任务接收方的x坐标；/>
Figure QLYQS_13
为为第i个任务请求方或任务接收方的y坐标。
3.根据权利要求2所述的空间众包任务分配方法，其特征在于，根据所述泛化位置，为每个任务请求方确定距离大于阈值的所有任务接收方，形成任务接收方候选集包括：
根据所述泛化位置，利用如下公式为每个任务请求方确定距离大于阈值的所有任务接收方，形成任务接收方候选集：
Figure QLYQS_14
；
其中，d为阈值，
Figure QLYQS_15
。
4.根据权利要求3所述的空间众包任务分配方法，其特征在于，服务器计算任务接收方候选集中每个任务接收方与任务请求方的邻近性概率包括：
服务器根据如下公式计算任务接收方候选集中每个任务接收方与任务请求方的邻近性概率
Figure QLYQS_16
：
Figure QLYQS_17
；
其中，
Figure QLYQS_19
，/>
Figure QLYQS_23
是/>
Figure QLYQS_27
和/>
Figure QLYQS_20
之间的夹角，/>
Figure QLYQS_25
，/>
Figure QLYQS_28
是/>
Figure QLYQS_29
和/>
Figure QLYQS_18
之间的夹角，/>
Figure QLYQS_22
是/>
Figure QLYQS_24
内任意一点，/>
Figure QLYQS_26
在/>
Figure QLYQS_21
内均匀分布。
5.根据权利要求4所述的空间众包任务分配方法，其特征在于，在所述偏好列表中，任务接收方与任务请求方的邻近性概率越大越靠前，且任务请求方和任务接收方基于所述偏好列表通过Gale-Shapley算法实现相互匹配完成任务分配。
6.一种空间众包任务分配系统，其特征在于，包括：
位置泛化模块，位于任务请求方侧和任务接收方侧，用于根据预先设置的隐私级别，将自身的真实位置进行泛化，形成泛化位置，并上传该泛化位置；
候选集确定模块，位于服务器侧，用于接收所述泛化位置，并根据所述泛化位置，为每个任务请求方确定距离大于阈值的所有任务接收方，形成任务接收方候选集；
偏好确定模块，位于服务器侧，用于计算任务接收方候选集中每个任务接收方与任务请求方的邻近性概率；并基于该邻近性概率为每个任务请求方和任务接收方生成偏好列表，将所述偏好列表发送至任务请求方和任务接收方；
任务匹配模块，位于任务请求方侧和任务接收方侧，用于基于所述偏好列表实现相互匹配完成任务分配。
7.根据权利要求6所述的空间众包任务分配系统，其特征在于，所述位置泛化模块在根据预先设置的隐私级别，将自身的真实位置进行泛化，形成泛化位置时包括：
任务请求方t或任务接收方
Figure QLYQS_30
根据自身的隐私级别/>
Figure QLYQS_31
，计算位置泛化区域的半径
Figure QLYQS_32
或/>
Figure QLYQS_33
，其中，R是保护系数；
在位置泛化区域
Figure QLYQS_34
或/>
Figure QLYQS_35
中随机选择k个位置，计算位置泛化区域圆心/>
Figure QLYQS_36
或/>
Figure QLYQS_37
，得到泛化位置/>
Figure QLYQS_38
或/>
Figure QLYQS_39
，其中，计算位置泛化区域圆心的公式为：
Figure QLYQS_40
；
其中，i为任务请求方或任务接收方的序号；
Figure QLYQS_41
为为第i个任务请求方或任务接收方的x坐标；/>
Figure QLYQS_42
为为第i个任务请求方或任务接收方的y坐标。
8.根据权利要求7所述的空间众包任务分配系统，其特征在于，所述候选集确定模块在根据所述泛化位置，为每个任务请求方确定距离大于阈值的所有任务接收方，形成任务接收方候选集时，根据所述泛化位置，利用如下公式为每个任务请求方确定距离大于阈值的所有任务接收方，形成任务接收方候选集：
Figure QLYQS_43
；
其中，d为阈值，
Figure QLYQS_44
。
9.根据权利要求8所述的空间众包任务分配系统，其特征在于，所述偏好确定模块在计算任务接收方候选集中每个任务接收方与任务请求方的邻近性概率时，服务器根据如下公式计算任务接收方候选集中每个任务接收方与任务请求方的邻近性概率
Figure QLYQS_45
：
Figure QLYQS_46
；
其中，
Figure QLYQS_49
，/>
Figure QLYQS_54
是/>
Figure QLYQS_58
和/>
Figure QLYQS_50
之间的夹角，/>
Figure QLYQS_52
，/>
Figure QLYQS_55
是
Figure QLYQS_56
和/>
Figure QLYQS_47
之间的夹角，/>
Figure QLYQS_51
是/>
Figure QLYQS_53
内任意一点，/>
Figure QLYQS_57
在/>
Figure QLYQS_48
内均匀分布。
10.根据权利要求9所述的空间众包任务分配系统，其特征在于，在所述偏好列表中，任务接收方与任务请求方的邻近性概率越大越靠前，且所述任务匹配模块基于所述偏好列表通过Gale-Shapley算法实现相互匹配完成任务分配。
CN202211603931.1A 2022-12-14 2022-12-14 一种空间众包任务分配方法及系统 Active CN115879722B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211603931.1A CN115879722B (zh) 2022-12-14 2022-12-14 一种空间众包任务分配方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211603931.1A CN115879722B (zh) 2022-12-14 2022-12-14 一种空间众包任务分配方法及系统

Publications (2)

Publication Number Publication Date
CN115879722A true CN115879722A (zh) 2023-03-31
CN115879722B CN115879722B (zh) 2023-09-22

Family

ID=85767387

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211603931.1A Active CN115879722B (zh) 2022-12-14 2022-12-14 一种空间众包任务分配方法及系统

Country Status (1)

Country Link
CN (1) CN115879722B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060022048A1 (en) * 2000-06-07 2006-02-02 Johnson William J System and method for anonymous location based services
WO2014130591A1 (en) * 2013-02-19 2014-08-28 Digitalglobe, Inc. Crowdsourced search and locate platform
CN107257381A (zh) * 2017-07-03 2017-10-17 深圳大学 一种隐私保护空间众包的任务分配系统模型及实现方法
US20180034654A1 (en) * 2016-07-26 2018-02-01 RAM Laboratories, Inc. Crowd-sourced event identification that maintains source privacy
CN109325671A (zh) * 2018-09-05 2019-02-12 湖北大学 一种时空众包在线任务分配方法及系统
CN110636065A (zh) * 2019-09-23 2019-12-31 哈尔滨工程大学 一种基于位置服务的位置点隐私保护方法
US20200314642A1 (en) * 2019-04-01 2020-10-01 Uber Technologies, Inc. Location anonymization system
CN112967118A (zh) * 2021-02-03 2021-06-15 华南理工大学 移动群智感知激励方法、装置、系统及存储介质
CN113905047A (zh) * 2021-09-24 2022-01-07 山东师范大学 一种空间众包任务分配隐私保护方法及系统
CN114978492A (zh) * 2022-05-11 2022-08-30 西安电子科技大学 空间信息网中集中式空间众包任务分配的隐私保护方法
CN115392776A (zh) * 2022-09-19 2022-11-25 南京航空航天大学 基于多技能协作的空间众包任务分配方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060022048A1 (en) * 2000-06-07 2006-02-02 Johnson William J System and method for anonymous location based services
WO2014130591A1 (en) * 2013-02-19 2014-08-28 Digitalglobe, Inc. Crowdsourced search and locate platform
US20180034654A1 (en) * 2016-07-26 2018-02-01 RAM Laboratories, Inc. Crowd-sourced event identification that maintains source privacy
CN107257381A (zh) * 2017-07-03 2017-10-17 深圳大学 一种隐私保护空间众包的任务分配系统模型及实现方法
CN109325671A (zh) * 2018-09-05 2019-02-12 湖北大学 一种时空众包在线任务分配方法及系统
US20200314642A1 (en) * 2019-04-01 2020-10-01 Uber Technologies, Inc. Location anonymization system
CN110636065A (zh) * 2019-09-23 2019-12-31 哈尔滨工程大学 一种基于位置服务的位置点隐私保护方法
CN112967118A (zh) * 2021-02-03 2021-06-15 华南理工大学 移动群智感知激励方法、装置、系统及存储介质
CN113905047A (zh) * 2021-09-24 2022-01-07 山东师范大学 一种空间众包任务分配隐私保护方法及系统
CN114978492A (zh) * 2022-05-11 2022-08-30 西安电子科技大学 空间信息网中集中式空间众包任务分配的隐私保护方法
CN115392776A (zh) * 2022-09-19 2022-11-25 南京航空航天大学 基于多技能协作的空间众包任务分配方法

Also Published As

Publication number Publication date
CN115879722B (zh) 2023-09-22

Similar Documents

Publication Publication Date Title
Wang et al. Mobility based trust evaluation for heterogeneous electric vehicles network in smart cities
Xu et al. Asynchronous federated learning on heterogeneous devices: A survey
To et al. Privacy-preserving online task assignment in spatial crowdsourcing with untrusted server
Wang et al. Sparse mobile crowdsensing: challenges and opportunities
Kazemi et al. A privacy-aware framework for participatory sensing
CN111935820B (zh) 基于无线网络的定位实现方法及相关设备
CN110611667B (zh) 边缘计算环境下动态的位置隐私保护方法及装置
Zhang et al. AI-based security design of mobile crowdsensing systems: Review, challenges and case studies
CN110532923A (zh) 一种人物轨迹检索方法及其系统
CN108540936B (zh) 基于预测的隐私保护方法
CN113033652B (zh) 一种基于区块链与联邦学习的图像识别系统及方法
Xiao et al. Trajectroy prediction for target tracking using acoustic and image hybrid wireless multimedia sensors networks
Li et al. Energy-efficient anomaly detection with primary and secondary attributes in edge-cloud collaboration networks
CN108200537B (zh) 基于轨迹预测的隐私保护方法
CN115879722A (zh) 一种空间众包任务分配方法及系统
He et al. Differentially private tripartite intelligent matching against inference attacks in ride-sharing services
Fu et al. ATWR-SMR: an area-constrained truthful worker recruitment based sensing map recovery scheme for sparse MCS in extreme-environment internet-of-things
CN108260083B (zh) 基于位置模糊的隐私保护方法
Wang et al. A Survey on Mainstream Dimensions of Edge Computing
Zadorozhny et al. Data credence in iot: Vision and challenges
CN111246369B (zh) 一种移动群体感知中保护位置隐私的在线任务分配方法
Mishra et al. Boundary detection in dynamic wireless sensor networks using convex hull techniques
CN110365677B (zh) 基于用户分类的隐私保护方法
Zhang et al. Device Scheduling and Assignment in Hierarchical Federated Learning for Internet of Things
CN108260084B (zh) 基于返回验证的隐私保护方法

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