近日，煙臺(tái)大學(xué)計(jì)算機(jī)與控制工程學(xué)院王瑩潔教授團(tuán)隊(duì)最新成果被國(guó)際計(jì)算機(jī)網(wǎng)絡(luò)頂級(jí)期刊 IEEE Transactions on Mobile Computing（TMC）錄用，論文題目為 “Determining Task Assignments for Candidate Workers based on Trajectory Prediction”。該期刊是中國(guó)計(jì)算機(jī)學(xué)會(huì)（CCF）A類(lèi)推薦期刊，是計(jì)算機(jī)網(wǎng)絡(luò)領(lǐng)域權(quán)威的學(xué)術(shù)期刊之一，期刊的核心主題包括：通信、網(wǎng)絡(luò)和廣播技術(shù)，計(jì)算和處理，信號(hào)處理與分析。
隨著移動(dòng)設(shè)備傳感器的普及，移動(dòng)群智感知（MCS）已成為高效的信息采集手段，尤其在智慧城市環(huán)境感知中，眾包工人僅需進(jìn)入感知區(qū)域即可完成任務(wù)。然而，現(xiàn)有招募策略仍有不足：一是過(guò)度依賴(lài)歷史行為，未充分考慮工人動(dòng)態(tài)軌跡，影響任務(wù)時(shí)效與準(zhǔn)確性；二是任務(wù)分配優(yōu)化不足，工人選擇不精準(zhǔn)、調(diào)度不靈活，導(dǎo)致資源浪費(fèi)和執(zhí)行成本上升。為解決上述問(wèn)題，王瑩潔教授團(tuán)隊(duì)提出了一種基于軌跡預(yù)測(cè)確定候選眾包工人集合的招募框架“RFOW-MT”, 系統(tǒng)框架如圖1所示。
圖1 工人招募系統(tǒng)框架圖
研究團(tuán)隊(duì)創(chuàng)新性的提出了一種面向移動(dòng)群智感知的兩階段招募框架RFOW-MT，在機(jī)會(huì)主義眾包工人選擇方面實(shí)現(xiàn)了關(guān)鍵性突破（圖2）。離線(xiàn)階段引入LSTM神經(jīng)網(wǎng)絡(luò)模型和Geohash算法，構(gòu)建眾包工人軌跡預(yù)測(cè)與候選眾包工人集合檢測(cè)的融合機(jī)制，創(chuàng)新性的識(shí)別潛在的機(jī)會(huì)主義眾包工人，同時(shí)利用貪心算法優(yōu)化眾包工人選擇，提高了機(jī)會(huì)主義眾包工人篩選的效率和準(zhǔn)確性。在線(xiàn)階段設(shè)計(jì)了基于地理位置的任務(wù)打包策略，結(jié)合預(yù)算分配機(jī)制，優(yōu)化眾包工人招募過(guò)程，確保任務(wù)目標(biāo)的高效完成。
圖2 候選機(jī)會(huì)主義工人檢測(cè)過(guò)程
該研究成果以煙臺(tái)大學(xué)為第一單位，研究生李亞鴻為第一作者，王瑩潔為通訊作者。研究工作獲得國(guó)家自然科學(xué)基金項(xiàng)目、山東省自然科學(xué)基金項(xiàng)目、山東省自然科學(xué)基金重點(diǎn)項(xiàng)目以及網(wǎng)絡(luò)與交換技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室（北京郵電大學(xué)）開(kāi)放基金的支持。
論文鏈接：https://doi.org/10.1109/TMC.2024.3518534
來(lái)稿時(shí)間：3月1日 審核：劉俞斌 責(zé)任編輯：徐揚(yáng)
