The invention discloses a group intelligence perception incentive method based on maximizing perceived utility, which includes: S1, task publisher sends perceptual task set to perceptual service platform; S2, after receiving perceptual task set, the perceptual service platform publishes the message to each user in the target user set in the perceptual area; S3, uses. Users decide whether they can complete the task, and if they can, they return their bidding price to the perception service platform; S4, the perception service platform selects the winning user based on the incentive model, and assigns the set of perception tasks to the corresponding winning user; S5, the winning user performs the perception task and sends the perception results to the winning user. The perception service platform; S6, the perception service platform integrates the perception results received and returns the perception results to the task publisher, and pays the reward to the winning bidder. The method can recruit more and wider users under the condition of budget constraints and uneven distribution of user costs, and improve the overall quality of perceived services.
【技术实现步骤摘要】
一种基于感知效用最大化的群智感知激励方法
本专利技术涉及群智感知领域,具体涉及一种基于感知效用最大化的群智感知激励方法。
技术介绍
近年来,随着群智感知(Mobilecrowdsensing,MCS)这种新兴技术的不断发展,越来越多的基于群智感知的应用涌现。群智感知通过大量普通手机用户采集数据(比如图片、声音、位置等),从而完成感知任务。利用采集的感知数据,研究人员能够实现满足人们生活需求的多种多样的感知应用,包括交通监控,环境监控,基于位置的服务,以及室内定位等。然而实现群智感知依赖于大量的手机用户,以及手机感知与通信技术的提高。一方面,根据国际著名数据统计公司IDC的统计,2013年智能手机销量已达到十亿,这意味着有大量的手机用户成为潜在的感知人员。另一方面,当前的智能手机拥有强大的计算和通讯能力,并且集成了越来越多的传感器,成为用户与环境之间的多功能接口。只有这两方面的元素能够有效的结合起来,群智感知应用才能有效地运行,给人们生活带来便利。为了确保这些应用能够提供高质量服务,其关键因素在于智能手机用户的充分参与。然而,对于MCS应用程序,执行感知任务可能会对正常的智能手机用户造成多方面的损失。例如,完成传感任务可能消耗大量的电池电量和额外的数据传输成本。收集的感官数据也可能显示用户的私人信息。因此,必须向用户提供足够的激励,使他们愿意贡献他们的感知资源,最后使得MCS应用程序可以提供高质量的传感服务。在最新的研究中,许多研究人员做了大量工作,设计了各种激励机制来激励用户参与,来保障MCS应用程序可以提供高质量的传感服务。而在这些传统的方法中,大多假设 ...
【技术保护点】
1.一种基于感知效用最大化的群智感知激励方法,其特征在于,所述方法包括以下步骤:S1、任务发布者将由感知任务内容、任务地理位置和任务预算组成的感知任务集合发送给感知服务平台,等待感知服务平台招募用户完成;S2、感知服务平台接收到感知任务集合后,将消息发布到感知区域内目标用户端集合中的每个用户;S3、用户接收到发布的感知任务集合后,根据任务内容、任务地理位置和成本因素判断是否能够完成该任务,若能完成,则向感知服务平台返回自己的竞标价格;S4、感知服务平台接收到所有用户的竞标价格,基于激励模型选择中标的用户,并将所述感知任务集合分配给对应的中标用户;S5、中标用户得到感知服务平台的确认及分配到感知任务后,执行所述感知任务,并将感知结果发送给感知服务平台;S6、感知服务平台整合收到的感知结果并检查结果,然后返回感知结果给任务发布者,并支付报酬给中标用户。
【技术特征摘要】
1.一种基于感知效用最大化的群智感知激励方法,其特征在于,所述方法包括以下步骤:S1、任务发布者将由感知任务内容、任务地理位置和任务预算组成的感知任务集合发送给感知服务平台,等待感知服务平台招募用户完成;S2、感知服务平台接收到感知任务集合后,将消息发布到感知区域内目标用户端集合中的每个用户;S3、用户接收到发布的感知任务集合后,根据任务内容、任务地理位置和成本因素判断是否能够完成该任务,若能完成,则向感知服务平台返回自己的竞标价格;S4、感知服务平台接收到所有用户的竞标价格,基于激励模型选择中标的用户,并将所述感知任务集合分配给对应的中标用户;S5、中标用户得到感知服务平台的确认及分配到感知任务后,执行所述感知任务,并将感知结果发送给感知服务平台;S6、感知服务平台整合收到的感知结果并检查结果,然后返回感知结果给任务发布者,并支付报酬给中标用户。2.根据权利要求1所述的一种基于感知效用最大化的群智感知激励方法,其特征在于:考虑一个感知任务,该感知任务包含L个感兴趣的感知区域,第l个感知区域与一系列候选用户Rl相关联,其中l=1、2……L,所有候选用户集合对于每一个感知区域,招聘者都用一个单调子模效用函数来评估对应感知区域的感知效用,最终建立的激励模型中感知效用最大化目标函数如下:其中,fl(·)代表Rl集合中的单调子模效用函数,...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。