一种群智感知任务分配方法及其相关设备组成比例

本发明专利技术提供了一种群智感知任务分配方法及其相关设备，包括：在群智感知平台中获取多个目标参与者的历史轨迹数据并判断每个目标参与者的移动模式，计算每个目标参与者的自身覆盖率以及不确定性；分别针对任意两个目标参与者进行车辆轨迹比对，计算两个目标参与者之间覆盖率的不确定性；根据自身覆盖率、不确定性以及目标参与者之间覆盖率的不确定性，将多个目标参与者进行组合得到组合结果，并计算组合结果的整体覆盖率、不确定性以及不确定性的范围，基于不确定性的范围设置调控因子；根据调控因子得到组合权重矩阵并确定目标参与者的最优组合方案；根据最优组合方案得到任务分配结果；在降低不确定性对任务覆盖率的影响的同时提高任务覆盖率。同时提高任务覆盖率。同时提高任务覆盖率。

【技术实现步骤摘要】
一种群智感知任务分配方法及其相关设备


[0001]本专利技术涉及群智感知数据获取
，特别涉及一种群智感知任务分配方法及其相关设备。

技术介绍

[0002]群智感知是结合众包思想和移动设备感知能力的一种新的数据获取模式，仅利用用户的智能设备，就可以以很低的成本动态收集感知数据。
[0003]群智感知中一个关键的问题是招募足够的参与者以实现任务的高覆盖率。群智感知中的任务有位置的属性，任务的高覆盖率意味着带着感知设备的参与者能够收集大范围地区的数据，群智感知任务覆盖率的高低会决定群智感知服务的有效性。例如，在导航系统中，只有知道了全城的道路交通拥堵信息，才能做出精准的避拥堵的路径推荐，低覆盖率的交通信息会影响路径推荐的有效性。因此，设计一个有效的任务分配方法，去选择合适的参与者以提高群智感知任务的覆盖率是有必要的。在提高群智感知覆盖率的同时，需要考虑任务时效性的约束。因为群智感知任务的时效性决定了过时的数据将变得没有价值。然而，在现实中，参与者的移动轨迹是不确定的。参与者无法保证在规定时间内到达指定的任务区域完成任务。这就使得群智感知任务的最终覆盖率是不确定的，进而无法保证群智感知任务的有效性。因此，如果能设计合理的任务分配机制，通过选择合适的参与者，能够提高覆盖率的同时降低不确定性，便能保证群智感知服务的有效性和稳定性。
[0004]现有的提高群智感知覆盖率的任务分配方法存在一些问题，当前大部分的分配方法均没有考虑不确定性的影响。当参与者移动轨迹是不确定的时候，平台和参与者自身均无法保证其能否在规定时间内完成任务，即使这些方法通过最优化的方式选择了成本低，质量高的参与者参与任务，也会因为不确定性的存在，使得这些方法在真实环境下的运行结果与预期结果严重偏离。例如：参与者会因为交通拥堵无法覆盖足够的任务区域；某两个目标参与者行驶轨迹相同，收集的数据重复从而造成了浪费。不确定性的存在会使得这些不考虑不确定性的最优任务分配策略失效，变得不再是最优的。除了上述的研究，也有一些任务分配方法考虑了不确定性的影响，但仅仅考虑了不确定性的影响，而没有消除它。这些方法通过招募更多的参与者去降低不确定性产生的影响。通过招聘额外参与者增加冗余从而降低不确定性的做法会降低群智感知任务整体的覆盖率，进而降低群智感知任务的有效性。其他的任务分配方法，希望通过预测用户的移动轨迹来消除不确定性，然而仅仅通过参与者的历史轨迹是很难在预测其未来轨迹时有一个很高的准确率。以出租车司机为例，这些方法只能学习出租车司机自身的移动模式，而出租车未来的轨迹却会受到客户需求、路况、交通管制等多种因素的影响，出租车司机会灵活调整行驶路线，使其最终的行驶轨迹很难被预测。同时，既然预测单个目标参与者移动轨迹的准确率不高，想要预测多个目标参与者，并判断他们未来的轨迹是否会重合，进而浪费资源的难度会更大。由于这些方法降低不确定性的有效性取决于对轨迹的预测精度，因此在低准确率的情况下，这些方法无法有效消除不确定性。

技术实现思路

[0005]本专利技术提供了一种群智感知任务分配方法及其相关设备，其目的是为了在降低不确定性对任务覆盖率的影响的同时提高任务覆盖率。
[0006]为了达到上述目的，本专利技术提供了一种群智感知任务分配方法，包括：
[0007]步骤1，在群智感知平台中获取多个目标参与者的历史轨迹数据，根据历史轨迹数据判断每个目标参与者的移动模式，移动模式包括车辆速度和车辆轨迹的区域分布；
[0008]步骤2，根据每个目标参与者的移动模式，计算每个目标参与者的自身覆盖率以及自身覆盖率的不确定性，其中，自身覆盖率表征目标参与者的车辆轨迹覆盖的任务区域的数量，自身覆盖率的不确定性表征自身覆盖率的波动；
[0009]步骤3，分别针对每个目标参与者，将任意两个目标参与者的车辆轨迹进行比对，得到两个车辆轨迹之间的相关性，并根据相关性计算两个目标参与者之间覆盖率的不确定性；
[0010]步骤4，根据自身覆盖率、自身覆盖率的不确定性以及目标参与者之间覆盖率的不确定性，将多个目标参与者进行组合，得到组合结果，并计算组合结果的整体覆盖率以及整体覆盖率的不确定性；
[0011]步骤5，根据整体覆盖率以及整体覆盖率的不确定性，计算整体覆盖率的不确定性的范围，基于整体覆盖率的不确定性的范围，设置用于控制整体覆盖率以及整体覆盖率的不确定性的调控因子；
[0012]步骤6，根据调控因子对整体覆盖率以及整体覆盖率的不确定性进行求解，得到组合权重矩阵，并基于组合权重矩阵确定目标参与者的组合方案；
[0013]步骤7，根据目标参与者的组合方案进行任务分配，得到任务分配结果。
[0014]进一步来说，在步骤2中，每个目标参与者的自身覆盖率为：
[0015][0016]其中，表示第i个目标参与者完成第t轮任务所产生的覆盖率均值，表示第i个目标参与者完成第t轮任务的车辆轨迹经过的区域集合，表示区域集合中目标区域的数量，l
m
表示区域集合中第m个目标区域，v
m
表示第m个目标区域的覆盖率；
[0017]根据每个目标参与者的自身覆盖率的标准差，每个目标参与者自身覆盖率的不确定性为：
[0018][0019]其中，表示第i个目标参与者的自身覆盖率的不确定性，N
i
表示第i个目标参与者累计完成任务的数量，V
i
表示目标参与者完成所有任务所产生的覆盖率均值。
[0020]进一步来说，在步骤3中，引用全局序列比对算法计算两个目标参与者之间覆盖率的不确定性为：
[0021][0022]其中，表示第i1个目标参与者和第i2个目标参与者之间覆盖率的不确定性，表示第i1个目标参与者优化的最优比对路径，表示第i2个目标参与者优化的最优比对路径，表示最优比对路径的长度，表示和中一样节点的个数。
[0023]进一步来说，在步骤4中，将多个目标参与者进行组合，得到组合结果，并对组合结果中的各个目标参与者的自身覆盖率进行加权计算，得到整体覆盖率V
p
为：
[0024][0025]其中，I表示组合目标参与者的人数；w
i
表示第i个目标参与者在组合中所占的权重；
[0026]根据两个目标参与者之间覆盖率的相关性，通过对目标参与者的自身覆盖率进行两两加权组合相加，得到整体覆盖率的不确定性为：
[0027][0028]其中，表示整体覆盖率的不确定性。
[0029]进一步来说，在步骤5中，调控因子的表达式为：
[0030][0031][0032][0033]其中，λ为群智感知平台设置的对于不确定性与覆盖率的权衡，范围为(0,1)，λ越大，群智感知平台越倾向于增加任务整体覆盖率的不确定性；表示组合目标参与者后整体覆盖率的不确定性的最大值；表示组合目标参与者后整体覆盖率的不确定性的最小值；f(
·
)表示在最优的情况下时V
p
关于φ
p
的函数关系，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种群智感知任务分配方法，其特征在于，包括：步骤1，在群智感知平台中获取多个目标参与者的历史轨迹数据，根据所述历史轨迹数据判断每个所述目标参与者的移动模式，所述移动模式包括车辆速度和车辆轨迹的区域分布；步骤2，根据每个所述目标参与者的移动模式，计算每个所述目标参与者的自身覆盖率以及所述自身覆盖率的不确定性，其中，所述自身覆盖率表征所述目标参与者的车辆轨迹覆盖的任务区域的数量，所述自身覆盖率的不确定性表征所述自身覆盖率的波动；步骤3，分别针对每个所述目标参与者，将任意两个所述目标参与者的车辆轨迹进行比对，得到两个车辆轨迹之间的相关性，并根据所述相关性计算两个所述目标参与者之间覆盖率的不确定性；步骤4，根据所述自身覆盖率、所述自身覆盖率的不确定性以及所述目标参与者之间覆盖率的不确定性，将多个所述目标参与者进行组合，得到组合结果，并计算所述组合结果的整体覆盖率以及所述整体覆盖率的不确定性；步骤5，根据所述整体覆盖率以及所述整体覆盖率的不确定性，计算所述整体覆盖率的不确定性的范围，基于所述整体覆盖率的不确定性的范围，设置用于控制所述整体覆盖率以及所述整体覆盖率的不确定性的调控因子；步骤6，根据所述调控因子对所述整体覆盖率以及所述整体覆盖率的不确定性进行求解，得到组合权重矩阵，并基于所述组合权重矩阵确定所述目标参与者的组合方案；步骤7，根据所述目标参与者的组合方案进行任务分配，得到任务分配结果。2.根据权利要求1所述的群智感知任务分配方法，其特征在于，在所述步骤2中，每个所述目标参与者的自身覆盖率为：其中，表示第i个目标参与者完成第t轮任务所产生的覆盖率均值，表示第i个目标参与者完成第t轮任务的车辆轨迹经过的区域集合，表示区域集合中目标区域的数量，l
m
表示区域集合中第m个目标区域，v
m
表示第m个目标区域的覆盖率；根据每个所述目标参与者的自身覆盖率的标准差，每个所述目标参与者自身覆盖率的不确定性为：其中，表示第i个目标参与者的自身覆盖率的不确定性；N
i
表示第i个目标参与者累计完成任务的数量；V
i
表示目标参与者完成所有任务所产生的覆盖率均值。3.根据权利要求2所述的群智感知任务分配方法，其特征在于，在所述步骤3中，引用全局序列比对算法计算两个所述目标参与者之间覆盖率的不确定性为：
其中，表示第i1个目标参与者和第i2个目标参与者之间覆盖率的不确定性；表示第i1个目标参与者优化的最优比对路径；表示第i2个目标参与者优化的最优比对路径；表示最优比对路径的长度；表示和中一样节点的个数。4.根据权利要求3所述的群智感知任务分配方法，其特征在于，在所述步骤4中，将多个所述目标参与者进行组合，得到组合结果，并对所述组合结果中的各个所述目标参与者的自身覆盖率进行加权计算，得到整体覆盖率V
p
为：其中，I表示组合目标参与者的人数；w
i
表示第i个目标参与者在组合中所占的权重；根据两个所述目标参与者之间覆盖率的相关性，通过对所述目标参与者的自身覆盖率进行两两加权组合相加，得到所述整体覆盖率的不确定性为：其中，表示整体覆盖率的不确定性。5.根据权利要求4所述的群智感知任务分配方法，其特征在于，在所述步骤5中，所述调控因子的表达式为：的表达式为：的表达式为：其中，为群智感知平台设置的对于不确定性与覆盖率的权衡，范围为(0,1)，越大，群智感知平台越倾向于增加任务整体覆盖率的不确定性；表示...

【专利技术属性】
技术研发人员：刘佳琦，许虎城，李登，曾志文，
申请(专利权)人：中南大学，
类型：发明
国别省市：