CN117035305A - 一种面向众包定位场景中基于确定性轨迹的稳定任务分配方法 - Google Patents
一种面向众包定位场景中基于确定性轨迹的稳定任务分配方法 Download PDFInfo
- Publication number
- CN117035305A CN117035305A CN202310985733.4A CN202310985733A CN117035305A CN 117035305 A CN117035305 A CN 117035305A CN 202310985733 A CN202310985733 A CN 202310985733A CN 117035305 A CN117035305 A CN 117035305A
- Authority
- CN
- China
- Prior art keywords
- task
- workers
- worker
- candidate
- crowdsourcing
- 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 22
- 238000012797 qualification Methods 0.000 claims abstract description 4
- 230000000694 effects Effects 0.000 claims description 10
- 230000006641 stabilisation Effects 0.000 claims description 4
- 238000011105 stabilization Methods 0.000 claims description 4
- 230000004807 localization Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012358 sourcing Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000007115 recruitment Effects 0.000 description 1
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
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or 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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开一种面向众包定位场景中基于确定性轨迹的稳定任务分配方法,包括:请求者发布众包定位任务的要求给众包平台;平台将任务广播给所有的候选工人,有意愿工人发送任务请求给平台;平台根据工人的轨迹信息和任务的要求评估工人的参选资格,将满足任务可靠性阈值和时空约束的作为候选人;根据候选人的时间和空间因素计算其稳定值,根据执行任务报酬和奖励计算其成本代价,从稳定值高于平均稳定值的候选人中选择成本代价最低的一组工人参与众包定位任务,若人数不足,从低于平均稳定值中选择稳定值最大的工人加入候选集合;被选中的工人执行任务,并反馈定位结果,平台整合所有工人的定位结果并反馈请求者。本发明提升了任务结果的稳定性。
Description
技术领域
本发明属于物联网定位内基于群智感知的任务分配领域的技术研究,尤其涉及一种面向众包定位场景中基于确定性轨迹的稳定任务分配方法。
背景技术
互联网技术、开放式创新和移动设备的计算能力高速发展,同时设备的成本也在迅速下降,智能移动设备已经触及了我们生活的每一个角落。伴随着硬件的普及,越来越多的移动群智感知也称为移动众包(Mobile Crowdsouring)应用也层出不穷。移动群智感知是一种感知范式,由物联网技术支持,其中参与者携带强大的移动设备,然后集体共享感知数据来测量数据,在环境检测、智能交通和智慧城市等方面都有广阔的前景和应用空间。
在开放式的网络环境中,任务请求者和众包工人在进行交流时,分配结果可能会随着双方发现更好的合作对象而发生有所改变,从而出现无效分配,打破了任务分配方案的稳定性,给任务请求者和众包工人都带来了极差的众包平台服务体验质量。因此,在提高众包任务质量需求的情况下,研究众包任务机制的有效性和稳定性对提高任务质量有着重要的现实意义。
目前在群智感知领域内的任务分配问题已经进行了大量的研究,但在基于群智感知中的移动轨迹工人的任务分配的稳定性问题仍然有新的机遇和挑战。由于工人的动态移动性,进行参与者选择变得更为复杂,以较少的成本完成更高质量的众包成为关键。Dai等人在“Stable task assignment for mobile crowd sensing with budget constraint(IEEE Transactions on Mobile Computing,2020,20(12):3439-3452)”中基于智能手机的现有的一些参与者招募方法中只考虑参与者的当前位置,众包的质量很容易受到高度动态移动性的影响,所以参与者的移动轨迹是不容被忽视的。Zhang等人在“Efficient andPrivacy-preserving Worker Selection in Mobile Crowd sensing Over TentativeFuture Trajectories(2022 19th Annual International Conference on Privacy,Security&Trust(PST).IEEE,2022:1-8)”中在工人轨迹满足任务时空约束的同时,该算法同时考虑了所选工人的可靠性和整体预算。并未考虑工人的不稳定性对任务结果带来的影响。有一些著作研究了任务分配的稳定性问题。Dai等人在“Stable task assignment formobile crowd sensing with budget constraint(EEE Transactions on MobileComputing,2020,20(12):3439-3452)”在预算受限的情况下,旨在考虑众包用户个人偏好和预算约束的情况下,提高任务分配的稳定性。这些研究旨在研究个人喜好的稳定性,且没有考虑本文中提到时空众包和工人的流动性。陈艳姣、林龙在“一种群智系统中基于稳定匹配算法的任务分配方法(公布号CN 106557871 A)”考虑工人的质量水平和偏好以及任务的质量要求和预算限制,通过将原问题转化为一个有严格上边界要求(预算限制)和松散下边界要求(质量要求)的多对一匹配问题,实现了稳定有效的任务分配结果。该专利考虑了质量、偏好和预算限制,但并未考虑工人的移动性和工人轨迹的变动带来的稳定性问题。
发明内容
针对众包定位环境中任务分配结果稳定性不足的问题,从参与者稳定性角度出发,本发明提出一种面向众包定位场景中基于确定性轨迹的稳定任务分配方法(StableWorker Selection Algorithm,SWSA),我们利用稳定匹配原理,由于工人的动态移动性会临时脱离任务导致任务结果的不稳定性,通过考虑任务的时空约束、可靠性要求和工人的移动性带来的稳定性问题,合理分配任务并考虑任务总成本,提出了一个新的策略,通过考虑参与者的移动轨迹和任务的各种约束信息来保证高质量和高稳定的众包结果,该方法既提升了任务结果的稳定性,又保证了任务结果的可靠性和时空约束。
为了实现上述目的,本发明采用以下技术方案:
一种面向众包定位场景中基于确定性轨迹的稳定任务分配方法,该方法包括以下步骤:
步骤1:在众包定位场景中,请求者发布众包定位任务的具体要求(即任务要求的工人可靠性、任务的时空信息、执行该任务需要Dj_number个众包工人)给众包平台。
步骤2:众包平台将众包定位任务广播给所有的候选工人,想要参与该任务的m(m≥Dj_number)个候选工人发送请求(包括自己的日常轨迹信息)给众包平台。
步骤3:众包平台根据候选工人的轨迹信息和任务的具体要求评估候选工人的参选资格,将满足任务可靠性阈值和时空约束的候选工人作为备选候选人。
步骤4:众包平台根据候选人的时间和空间因素计算其稳定值,根据执行任务报酬和奖励信息计算其成本代价,从稳定值高于平均稳定值的备选候选人中,选择成本代价最低的一组工人参与众包定位任务。若候选人人数不足,从低于平均稳定值中选择平均稳定值最大的工人加入候选集合。
步骤5:被选中的工人执行众包定位任务,向众包平台反馈定位结果,众包任务整合所有工人的结果并向请求者反馈最终任务分配结果。
进一步地,所述步骤1包括:
步骤1.1:众包请求者将众包定位任务Dj发布给众包平台。
步骤1.2:众包平台收到众包任务的基本信息(即任务所需的工人数量Dj_number、任务的执行范围和任务要求的工人可靠性阈值)。
进一步地,所述步骤2包括:
工人在接收到平台发出的任务广播信息后,如果对某个任务感兴趣的第i个候选工人会把自己的日常轨迹信息Gi={A1,A2,……An}、可靠性值Ri(工人完成任务的历史表现中可以看出工人的工作能力和诚信值综合得到工人的可靠性值)和工人的任务报酬发送给平台。
进一步地,所述步骤3包括:
步骤3.1:平台根据任务Dj要求的工人可靠性阈值筛选所有候选工人的可靠性值Ri,得到一个满足可靠性值/>的新的候选工人集合/>
步骤3.2:计算任务和候选工人集合的时空信息,在集合/>里的每个工人是否可以在空闲时间内往返于日常活动和众包任务之间。满足时空约束的候选工人形成一个新的候选工人集合/>
进一步地,所述步骤4包括:
步骤4.1:工人由于某些个人原因可能会在选择参与众包任务后紧急脱离导致任务结果不准确,因此计算候选工人的稳定值十分必要。定义稳定值为去除往返任务地点路上消耗时间和执行任务的时间后的空闲时间/去往任务地点加上回到下一个日常活动所需要的距离之和,具体公式表示为:Si=Δti/Δd,各个任务的稳定平均值Sj_avg表示为候选工人集合中所有的工人的空闲时间平均值/距离平均值。据此计算各个任务的候选工人集合/>里各个工人的稳定值Si和该任务的稳定平均值Sj_avg。
步骤4.2:将中工人稳定值Si大于任务稳定平均值S_avg的工人存放入新的工人集合/>中。
步骤4.3:为了保证工人参与各个众包任务的积极性,在工人完成任务所需的报酬的基础上给予工人一定的奖励。所以工人的对于某个任务的性价比τ=Cj/t,其中t表示工人完成任务所需时间,Cj为工人完成所可以得到的所有报酬即 为工人完成任务所需的报酬,/>为给予工人一定的奖励表示为每公里给予10元报酬,dis表示工人完成任务所需行驶距离。若某个工人在多个任务的待选工人集合/>中,则根据任务与工人的时空限制为每个工人选择一条最高性价比τ的任务集,并把该工人放入任务集中各任务的待选工人集合/>里。
步骤4.4:从集合中选取总成本Cj最低的Dj_number个工人参与任务。若最后集合/>中的工人数量number小于任务所需工人数量Dj_number,则从集合/>中小于Sj_avg的工人中,选择稳定值最高的(Dj_number-number)个工人存入/>中。
进一步地,所述步骤5包括:
步骤5.1:由选取的Dj_number个工人来完成众包定位任务。
步骤5.2:所选工人完成任务后,将自己的定位结果反馈给众包平台。
步骤5.3:众包平台将所选工人的定位结果整合后将定位最终结果反馈给众包任务请求者。
与现有技术相比,本发明具有的有益效果:
本发明引入了关于任务分配稳定性的新的角度即参与工人是否会由于某些原因脱离任务而造成任务结果的不稳定,进一步设计了一种面向众包定位场景中基于确定性轨迹的稳定任务分配方法,该方法综合考虑多种因素对定位任务结果的影响,进而选择高质量工人参与众包定位任务以提高定位结果的稳定性。
附图说明
图1为本发明实施例提供的一种面向众包定位场景中基于确定性轨迹的稳定任务分配方法的流程示意图;
图2为本发明实施例中描述任务所需工人数量与所选工人的可靠性值的分析结果图;
图3为本发明实施例中描述任务所需工人数量与所选工人的稳定值的分析结果图;
图4为本发明实施例中描述任务所需工人数量与所选工人的总成本的分析结果图。
具体实施方式
下面结合附图和具体的实施例对本发明做进一步的解释说明:
如图1所示,一种面向众包定位场景中基于确定性轨迹的稳定任务分配方法,包括:
步骤S101:在众包定位场景中,请求者发布众包定位任务的具体要求给众包平台。
步骤S102:众包平台将众包定位任务广播给所有的候选工人,想要参与该任务的候选工人发送请求给众包平台。
步骤S103:众包平台根据候选工人的轨迹信息的任务的要求评估候选工人的参选资格,将满足任务可靠性阈值和时空约束的工人作为备选候选人。
步骤S104:众包平台根据候选人的时间和空间因素计算其稳定值Si,根据执行任务报酬和奖励信息计算其成本代价Cj,从稳定值Si高于平均稳定值Sj_avg的备选候选人中,选择成本代价最低的一组工人参与众包定位任务。若候选人人数不足,从低于平均稳定值中选择平均稳定值最大的工人加入候选集合。
步骤S105:被选中的工人执行众包定位任务,向众包平台反馈定位结果,众包任务整合所有工人的定位结果并向请求者反馈最终任务结果。
进一步地,前述步骤S101包括以下子步骤:
步骤S1011:众包请求者将众包定位任务Dj发布给众包平台。
步骤S1012:众包平台收到众包任务的基本信息(即任务所需的工人数量Dj_number、任务的执行范围和任务要求的工人可靠性阈值)。
进一步地,前述步骤S102包括以下子步骤:
工人在接收到平台发出的任务广播信息后,如果对某个任务感兴趣的第i个候选工人会把自己的日常轨迹信息Gi={A1,A2,……An}、可靠性值Ri(工人完成任务的历史表现中可以看出工人的工作能力和诚信值综合得到工人的可靠性值)和工人的任务报酬发送给平台。
进一步地,前述步骤S103包括以下子步骤:
步骤S1031:平台根据任务Dj要求的工人可靠性阈值筛选所有候选工人的可靠性值Ri,得到一个满足可靠性值/>的新的候选工人集合/>
步骤S1032:计算任务和候选工人集合的时空信息,在集合/>里的每个工人是否可以在空闲时间内往返于日常活动和众包任务之间,满足时空约束的候选工人形成一个新的候选工人集合/>
进一步地,前述步骤S104包括以下子步骤:
步骤S1041:工人由于某些个人原因可能会在选择参与众包任务后紧急脱离导致任务结果不准确,因此计算候选工人的稳定值十分必要。定义稳定值为去除往返任务地点路上消耗时间和执行任务的时间后的空闲时间/去往任务地点加上回到下一个日常活动所需要的距离之和,具体公式表示为:Si=Δti/Δd,各个任务的稳定平均值Sj_avg表示为候选工人集合中所有的工人的空闲时间平均值/距离平均值。计算各个任务的候选工人集合/>里各个工人的稳定值Si和该任务的稳定平均值Sj_avg。
步骤S1042:将中工人稳定值Si大于任务稳定平均值S_avg的工人存放入新的工人集合/>中。
步骤S1043:为了保证工人参与各个众包任务的积极性,在工人完成任务所需的报酬的基础上给予工人一定的奖励。所以工人的对于某个任务的性价比τ=Cj/t,其中t表示工人完成任务所需时间,Cj为工人完成任务可以得到的所有报酬即 为工人完成任务所需的报酬,/>为给予工人一定的奖励表示为每公里给予10元报酬,dis表示工人完成任务所需行驶距离。若某个工人在多个任务的待选工人集合/>中,则根据任务与工人的时空限制为每个工人选择一条最高性价比τ的任务集,从而把该工人放入该任务集中每个任务的新的待选工人集合/>
步骤S1044:从集合中选取总成本Cj最低的Dj_number个工人参与任务。若最后集合/>中的工人数量number小于任务所需工人数量Dj_number,则从集合/>中小于Sj_avg的工人中,选择稳定值最高的(Dj_number-number)个工人存入/>中。
进一步地,前述步骤S105包括以下子步骤:
步骤S1051:由选取的Dj_number个工人来完成众包定位任务。
步骤S1052:所选工人完成任务后,将自己的结果反馈给众包平台。
步骤S1053:众包平台将所选工人的结果整合后将定位最终结果反馈给众包任务请求者。
为验证本发明效果,进行如下实验:
本次仿真结果是在单任务多工人的环境下进行的,结果和多任务多工人下的结果相吻合。仿真实验参数配置如下:在本实施例中,我们模拟了一个MCS环境如下,模拟一个整体大小为8km×8km的感知区域,其中左下坐标为(0,0),右上坐标为(8k,8k)。假设工人可以使用三种不同的交通方式在感知区域内活动,即步行、骑自行车和开车。它们对应的平均速度分别为50米/分钟、200米/分钟和500米/分钟。设置工人的总数为1000,每个工人都有自己的家即在开始行动的坐标点A0(x0,y0),假定任何一个工人Wi都有自已的暂定未来日常活动轨迹Gi={A1,A2,...Ak},在本实施例中我们假设1≤k≤5即工人的日常活动数量最少一个最多5个。工人日常活动的所有位置都应位于感应区域内。对比方案包括随机算法(Random Algorithm,RDMA),可信工作节点选择算法(trusted working node selection,TWNS),贪婪工人选择算法(Greedy Worker Selection Algorithm,GWSA),这些方法均是为众包任务选择参与工人。
图2给出了所有方案的所选工人的可靠性值对比结果。从图2中可以看出,除了RDMA外,其余两个对比算法TWNS、GWSA以及本发明所提算法SWSA的所选工人的可靠性平均值都可以满足任务的可靠性要求。从上文中可以得知本次众包任务所要求的可靠性阈值为0.8,所以除RDMA外的三个算法均可以选到具有高可靠性值的工人。因此可以证明本发明所提出的算法SWSA可以很好的满足任务对于工人的可靠性要求。
图3给出了所有方案的所选工人的稳定性平均值对比结果。从图3中可以看出,本发明所提出的算法SWSA在稳定性方面要远远高于提到的其他三个对比算法RDMA、TWNS和GWSA。稳定性是关乎工人是否可以很稳定的完成他自己所招标的任务,稳定性越高证明工人出现异常而离开任务的可能性越小,稳定性对于任务的完成质量至关重要。所以说明本发明算法的提出是具有一定实际意义的。
图4给出了所有方案的所选工人的总成本对比结果。从图4中可以看出,本发明算法SWSA的总成本比对比算法TMNS的总成本略大,比对比算法RDMA、GWSA的总成本要小。本发明算法SWSA在TMNS的基础上加入了工人的稳定性因素,在工人可靠的基础上又可以保证任务执行过程工人位置的稳定性。因此在总成本上比TMNS略大是可以接受的。本发明所提出的算法SWSA也可以在总成本上达到一定的节省,由此可知本算法的提出具体现实意义的。
综上所述,本发明提出的一种面向众包定位场景中基于确定性轨迹的稳定任务分配方法,通过一个新的角度考虑影响任务分配结果的稳定性。首先,考虑了工人的可靠性是否可以满足任务的要求,从而达到工作的高效率。其次,考虑了任务和候选工人之间的时空关系,达到可以完成任务的基本要求。最后,考虑了工人的稳定性即工人是否会因为一些自身的原因脱离定位任务。
以上所示仅是本发明的优选实施方式,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的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (8)
1.一种面向众包定位场景中基于确定性轨迹的稳定任务分配方法,其特征在于,包括:
步骤1:在众包定位场景中,请求者发布众包定位任务的具体要求给众包平台;
步骤2:众包平台将众包定位任务广播给所有的候选工人,想要参与该任务的多个候选工人发送请求给众包平台;所述请求包括候选工人的日常轨迹信息;
步骤3:众包平台根据候选工人的轨迹信息和任务的具体要求评估候选工人的参选资格,将满足任务可靠性阈值和时空约束的候选工人作为备选候选人;
步骤4:众包平台根据候选人的时间和空间因素计算其稳定值,根据执行任务报酬和奖励信息计算其成本代价,从稳定值高于平均稳定值的备选候选人中,选择成本代价最低的一组工人参与众包定位任务;若候选人人数不足,从低于平均稳定值中选择平均稳定值最大的工人加入候选集合;
步骤5:被选中的工人执行众包定位任务,向众包平台反馈定位结果,众包任务整合所有工人的定位结果并向请求者反馈最终任务定位结果。
2.根据权利要求1所述的一种面向众包定位场景中基于确定性轨迹的稳定任务分配方法,其特征在于,所述步骤1包括:
步骤1.1:众包请求者将众包定位任务发布给众包平台;
步骤1.2:众包平台收到众包任务的基本信息,包括任务所需的工人数量、任务的执行范围和任务要求的工人可靠性阈值。
3.根据权利要求1所述的一种面向众包定位场景中基于确定性轨迹的稳定任务分配方法,其特征在于,所述步骤2包括:
工人在接收到平台发出的任务广播信息后,对任务感兴趣的候选工人把自己的日常轨迹信息、可靠性值和工人的任务报酬发送给平台。
4.根据权利要求1所述的一种面向众包定位场景中基于确定性轨迹的稳定任务分配方法,其特征在于,所述步骤3包括:
步骤3.1:平台根据任务要求的工人可靠性阈值筛选所有候选工人的可靠性值,得到一个满足可靠性值大于或等于工人可靠性阈值的新的候选工人集合
步骤3.2:计算任务和候选工人集合的时空信息,在集合/>里的每个工人是否可以在空闲时间内往返于日常活动和众包任务之间,满足时空约束的候选工人形成一个新的候选工人集合/>
5.根据权利要求4所述的一种面向众包定位场景中基于确定性轨迹的稳定任务分配方法,其特征在于,所述步骤4包括:
步骤4.1:计算任务的候选工人集合里各个工人的稳定值和该任务的稳定平均值;
步骤4.2:将中工人稳定值大于任务稳定平均值的工人存放入新的工人集合/>中;
步骤4.3:计算中候选工人对于任务的性价比τ:
τ=Cj/t
其中Cj为工人完成任务可以得到的所有报酬;t表示工人完成任务所需时间;为工人完成任务所需的报酬;/>表示额外奖励;dis表示工人完成任务所需行驶距离;
若某个工人在多个任务的待选工人集合中,则根据任务与工人的时空限制为每个工人选择一条最高性价比τ的任务集,并把该工人放入任务集中各任务的待选工人集合/>里;
步骤4.4:从集合中选取总成本Cj最低的Dj_number个工人参与任务,若最后集合/>中的工人数量number小于任务所需工人数量Dj_number,则从集合/>中小于任务稳定平均值的工人中,选择稳定值最高的(Dj_number-number)个工人存入/>中。
6.根据权利要求5所述的一种面向众包定位场景中基于确定性轨迹的稳定任务分配方法,其特征在于,按照下式计算稳定值:
Si=Δti/Δd
其中Si表示中第i个候选工人的稳定值,Δti表示去除往返任务地点路上消耗时间和执行任务的时间后的空闲时间,Δd表示去往任务地点加上回到下一个日常活动所需要的距离之和。
7.根据权利要求5所述的一种面向众包定位场景中基于确定性轨迹的稳定任务分配方法,其特征在于,通过候选工人集合中所有工人的空闲时间平均值/距离平均值计算任务的稳定平均值。
8.根据权利要求5所述的一种面向众包定位场景中基于确定性轨迹的稳定任务分配方法,其特征在于,所述步骤5包括:
步骤5.1:由选取的Dj_number个工人来完成众包定位任务;
步骤5.2:所选工人完成任务后,将自己的定位结果反馈给众包平台;
步骤5.3:众包平台将所选工人的定位结果整合后将定位最终结果反馈给众包任务请求者。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310985733.4A CN117035305A (zh) | 2023-08-07 | 2023-08-07 | 一种面向众包定位场景中基于确定性轨迹的稳定任务分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310985733.4A CN117035305A (zh) | 2023-08-07 | 2023-08-07 | 一种面向众包定位场景中基于确定性轨迹的稳定任务分配方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117035305A true CN117035305A (zh) | 2023-11-10 |
Family
ID=88629320
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310985733.4A Pending CN117035305A (zh) | 2023-08-07 | 2023-08-07 | 一种面向众包定位场景中基于确定性轨迹的稳定任务分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117035305A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117455200A (zh) * | 2023-12-22 | 2024-01-26 | 烟台大学 | 众包环境下的多阶段任务分配方法、系统、设备及介质 |
-
2023
- 2023-08-07 CN CN202310985733.4A patent/CN117035305A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117455200A (zh) * | 2023-12-22 | 2024-01-26 | 烟台大学 | 众包环境下的多阶段任务分配方法、系统、设备及介质 |
CN117455200B (zh) * | 2023-12-22 | 2024-03-29 | 烟台大学 | 众包环境下的多阶段任务分配方法、系统、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Dai et al. | Multi-armed bandit learning for computation-intensive services in MEC-empowered vehicular networks | |
Su et al. | A game theoretic approach to parked vehicle assisted content delivery in vehicular ad hoc networks | |
Yi et al. | A multi-user mobile computation offloading and transmission scheduling mechanism for delay-sensitive applications | |
Hui et al. | Utility based data computing scheme to provide sensing service in internet of things | |
Jiang et al. | Scalable mobile crowdsensing via peer-to-peer data sharing | |
Lin et al. | GTCharge: A game theoretical collaborative charging scheme for wireless rechargeable sensor networks | |
US11607971B2 (en) | Method for scheduling multi agent and unmanned electric vehicle battery swap based on internet of vehicles | |
Raj et al. | Data gathering via mobile sink in WSNs using game theory and enhanced ant colony optimization | |
Zhang et al. | Buffer-aware virtual reality video streaming with personalized and private viewport prediction | |
CN107948083B (zh) | 一种基于增强学习的sdn数据中心拥塞控制方法 | |
CN117035305A (zh) | 一种面向众包定位场景中基于确定性轨迹的稳定任务分配方法 | |
CN114143891A (zh) | 移动边缘网络中基于fdql的多维资源协同优化方法 | |
Schlote et al. | Delay-tolerant stochastic algorithms for parking space assignment | |
CN111262940A (zh) | 一种车载边缘计算应用缓存方法、装置及系统 | |
CN110149161B (zh) | 一种基于Stackelberg博弈的多任务协作频谱感知方法 | |
Wang et al. | User selection utilizing data properties in mobile crowdsensing | |
Huang et al. | A game-based economic model for price decision making in cyber-physical-social systems | |
CN114827198A (zh) | 一种应用于车联网的多层中心异步联邦学习方法 | |
CN116976652B (zh) | 一种基于时空众包的多目标任务分配方法 | |
EP2474921B1 (en) | Method and system for recommending contextual information over a mobile communication network | |
Arouj et al. | Towards energy-aware federated learning on battery-powered clients | |
Wang et al. | User recruitment system for efficient photo collection in mobile crowdsensing | |
CN114374949B (zh) | 一种车联网中基于信息新鲜度优化的功率控制机制 | |
Xu et al. | Aoi-guaranteed incentive mechanism for mobile crowdsensing with freshness concerns | |
Wu et al. | A utility-based subcontract method for sensing task in mobile crowd sensing |
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 |