【技术实现步骤摘要】
一种面向异构群智感知的多参与者选择方法
[0001]本专利技术涉及移动群智感知和基于深度学习的强化学习领域,尤其涉及异构群智感知中多参与者选择方法。
技术介绍
[0002]近年来,随着互联网和移动设备的快速发展,智能设备具备的感知计算能力大大富余,移动群智感知(Mobile Crowd Sensing)成为一种流行的感知模式,其利用移动设备富余的传感器感知能力和计算能力,利用人类的移动性通过移动互联网进行有意识或无意识的协作,实现感知任务分发与感知数据收集,以相对较低的成本完成大规模的、复杂的社会感知任务。
[0003]尽管移动群智感知有其许多优点,但由于人类活动模式的限制,不同时空区域上的数据质量总是不平衡的,在很少有人到达的地方以及很少有人活动的夜晚时间段夜间往往会出现较大的感知盲区。随着智慧城市的发展,大量的异构感知任务涉及到生活中的各个领域,如环境监测、智慧交通、城市管理、公共安全等等,这些任务在时空维度上存在差异性,而行人执行群智感知任务的参与者携带的移动设备内置的一些传感器可能无法满足大量新型异构任务的感知需求。(这个地方要提一下城市感知环境)
[0004]随着技术的发展,城市中实现高质量感知的主力不仅仅是携带智能移动设备的人,还有无人机车及海量的部署于城市区域内的异构传感器。於志文教授等人通过整合这些功能,提出了下一代MCS(MCS 2.0)——异构群智感知(HCS)。通过整合人类参与者、无人机和固定传感器群以实现具有更庞大的部署规模,更广泛的感知范围,更全面的感知能力,更持续的感知周期 ...
【技术保护点】
【技术特征摘要】
1.一种面向异构群智感知的多参与者选择方法,其特征在于步骤如下:步骤1:定义异构群智感知中包含人类参与者节点(U={u1,u2,...,u
N
})、无人车节点(V={v1,v2,...,v
M
})和固定传感器节点(S={s1,s2,...,s
K
}),其中人类参与者节点包含属性其中,表示人类参与者在时隙t时的位置,表示人类参与者的感知能力,表示人类参与者的感知成本;无人车节点包含属性其中,表示无人车节点在时隙t时的位置,表示无人车节点的感知能力,表示无人车节点的感知成本;固定传感器节点包含属性其中,表示固定传感器节点在时隙t时的位置,表示固定传感器节点的感知能力,表示固定传感器节点的感知成本;针对人类参与者、无人车和固定传感器这三类异构参与者节点,考虑他们在执行感知任务时的区别,将感知能力定义为感知范围和移动能力;给出三类异构参与者感知能力的定义:义为感知范围和移动能力;给出三类异构参与者感知能力的定义:义为感知范围和移动能力;给出三类异构参与者感知能力的定义:其中,分别表示人类参与者、无人车节点和固定传感器节点的感知半径,分别表示人类参与者、无人车节点和固定传感器节点在时隙t时最大移动距离;定义在异构参与者感知半径内的POI数据可以被收集到,将时间段划分为一组等长的感知时隙通过设计调度策略在每个时隙内选择合适的异构参与者完成感知任务;步骤2:定义区域内包含着一组待采集数据的POI:P={p1,p2,...,p
I
};计算时隙t时POI的数据收集率、数据收集公平性和数据收集成本;给定异构参与者选择策略π,时隙t时POI的数据收集率定义如下:其中,d
t
(π;p
i
)表示在策略π下时隙t时p
i
的累积数据收集率;为避免数据收集过程中的感知不平衡或盲区,使用Jain的公平性指数来评估时隙t处POI集的数据收集公平性;时隙t时POI的数据收集公平性定义如下:将异构参与者的感知成本定义为移动成本和数据采集成本,对于人类参与者、无人车节点和固定传感器节点,定义他们的成本如下:他们的成本如下:
其中,为移动成本计算的权重,为数据的采集成本,为无人车节点撞到障碍物后的惩罚;步骤3:基于时空特征的感知区域划分方法,对于每个时隙t的感知区域定义为G
t
=(V
t
,ε
t
,X
t
);其中V
t
表示感知区域内POI点集合,ε
t
为邻接矩阵,表示节点间可达性;X
t
表示节点特征;将图G
t
中的所有节点按度降序排序,并选择前C个节点作为每个子区域的中心节点;使用广度优先搜索算...
【专利技术属性】
技术研发人员:於志文,张逢源,刘一萌,崔禾磊,郭斌,张璇,徐铁牛,宋勇博,
申请(专利权)人:西北工业大学,
类型:发明
国别省市:
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。