群智感知中基于公交系统的任务分发机制研究.docxVIP

实用文档

PaperNO1?????（注：满分为五星）

论文分类

完成时间

群智感知/任务分发

2018年10月26日

英文题目

ResearchonTaskDistributionMechanismBasedonPublicTransitSysteminCrowdSensing

中文题目

群智感知中基于公交系统的任务分发机制研究

期刊时间

计算机学报May2018

中文摘要

任务分发作为实现群智感知的重要环节，为了激励更多用户参与数据的采集和共享，已有研究通常利用机会网络进行任务扩散并降低参与者的执行成本，但在节点选择过程中并未充分考虑感知任务的多样性将对节点接触时间、参与数量、感知区域类型等带来的挑战。基于此，本文利用城市中公交载体的轨迹可预测、活动覆盖范围大、乘客节点自主聚集且交互时间有保证等优势，提出了一种基于公交系统的任务差异化分发方法。首先，利用泰森多边形的划分思想，实现感知任务与目标区域的合理覆盖。其次，对感知区域内一定预算约束下的任务差异化分发问题进行分析，并分别提出了两种分发算法：基于覆盖差异的分发算法（COV-DA）和基于扩散差异的分发算法（SPR-DA）。最后，利用真实数据集，通过仿真实验从分发准确性和平均移动距离对两种算法的性能进行比较分析。实验结果表明，SPR-DA算法具有更好的分发准确性，而使用COV-DA算法时，移动节点在完成任务时则需要更短的移动距离。

关键词

群智感知；任务分发；公交系统；预算约束

概括主旨

基于扩散差异的分发算法（SPR-DA）和基于覆盖差异的扩散算法（COV-DA），SPR-DA算法是在每一个封闭的公交载体内进行差异化的分发调度，而COV-DA则是在区域覆盖部分就完成差异化。SPR-DA算法具有较高的分发准确性，使用COV-DA算法时则节点则需要较短的移动距离。当任务的感知激励预算比较充足时，则优先使用SPR-DA算法，获得更高的分发准确性；若激励预算较少时，则使用COV-DA算法以求收集到更多的数据。

笔记部分

相关工作分析

群智感知实现了对移动用户自身和服务交互过程中产生的多源、异构信息的快速收集。

针对群智感知环境下的任务分发与节点选择可以归结为两类：

（1）.基于复制策略的选择算法，这种策略主要通过提高数据副本的冗余度来增加端到端传输的成功概率，降低传输延迟，这一类算法中最具代表性的是传染病路由(Epidemicrouting)算法、洪泛算法等；

（2）.基于启发策略的选择算法，节点主要根据网络拓扑动态变化、上下文环境信息等动态制定节点策略，并按照一定的优化目标进行任务扩散。代表性的如遗传算法（Geneticrouting）、贪婪算法（Greedyrouting）等。

现有研究主要通过一定的约束手段和激励机制，基于节点的活动轨迹和机会式接触来实现感知任务扩散。对于任务内涵、区域属性、节点接触时间等因素往往考虑不足。本文在引入城市公交系统的基础上，构建了众包任务的差异化分发模型，并分别提出两种不同算法，以期进一步提高任务的分发效率和准确性。

基于公交系统的任务差异化分发模型

基于公交系统的任务差异化分发模型包含三个组件：感知平台、公交系统以及分发控制模块；

（1）.公交系统主要包含乘客节点和公交载体，乘客节点会进入到公交载体内，构成一个信息分发扩散的封闭单元，任务信息只能在内部进行扩散流动；

（2）.由于在公交载体的移动过程中，每一个站点处都可能有节点的加入和离开，因此该封闭单元从时间角度来看又是动态变化的；

（3）.感知平台会通过分发控制模块来指导任务的扩散分发，分发控制模块内部则主要包含三个部分：区域划分、区域覆盖以及任务的扩散调度。

通过NFC和GPS可以获取所乘车次、上车站点以及时段因素，因此可以选择出最符合条件的出行模式，进而推断出乘客的出行目的地，再通过公交线路的营运时刻表，就可以获得节点的下车时刻点以及在公交载体内的停留时间。

区域划分

（1）.在群智感知中，常见的区域划分方法是根据经纬度，对目标区域进行栅格化处理，即将被感知区域划分为若干个大小相同的正方形，若一个用户出现在某个正方形区域内，则称这个正方形区域被该用户覆盖；

（2）.这种对整个区域无差别的划分方法简单易操作，能够覆盖整个感知区域，但并不能体现不同区域内部之间差

异性；

（3）.感知任务的属性类别、粒度、时效性经常会有所不同，这些都与区域内部特征相关联，而传统无差别的栅格划分方法很难做到这一点。

4．感知区域覆盖

由任务分发模型可知，感知平台在初始分发过程中首先会选择少量的公交线路构成目标线路集合，并直接通过3G/4G将任务信息投放到该集合中每一条线路上，而任务信息的间接分发过程都是位于公交载体之