一种车联网辅助积极性感知的空间众包任务分配框架_王鑫.pdf

2023 年 无线电工程 第 53 卷 第 1 期199doi:103969/jissn10033106202301026引用格式:王鑫，乔少杰，杨国平，等一种车联网辅助积极性感知的空间众包任务分配框架J 无线电工程，2023，53(1):199208 WANG Xin，QIAO Shaojie，YANG Guoping，et alA Task Allocation Framework in Spatial Crowdsourcing Based on Internetof Vehicles Assisted Positivity Sensing J adio Engineering，2023，53(1):199208一种车联网辅助积极性感知的空间众包任务分配框架王鑫，乔少杰*，杨国平，林羽丰，翁越男，吴凌淳，陈琴，高瑞玮(成都信息工程大学 软件工程学院，四川 成都 610225)摘要:针对大多数空间众包(Spatial Crowdsourcing，SC)中任务分配算法缺乏考虑工人主观积极性的影响，提出了一种利用车联网(Internet of Vehicles，IoV)技术辅助积极性感知的 SC 任务分配框架(Task Allocation Framework in SpatialCrowdsourcing Based on Internet of Vehicles Assisted Positivity Sensing，IOV-SCA)来甄别消极工人并进行任务分配。IOV-SCA模型分为 2 个阶段:第1 阶段利用部署在路侧单元上的 Bi-PSM 模型(Positivity Sensing Model Based on BiLSTM)来挖掘消极工人，旨在利用加入注意力机制的 BiLSTM 模型计算工作停滞时间并与给定阈值比较，从而辨别工人的积极性;第 2 阶段利用部署在云服务器上的 PS-TAA 算法(Task Allocation Algorithm Based on Positivity Sensing)进行任务分配，旨在激励工人的同时满足系统效用最大化。在真实数据集上进行大量对比实验，结果表明，IOV-SCA 模型有效提高了任务分配的效率并且较其他代表性算法可提供更优的分配结果。关键词:车联网;空间众包;积极性感知;任务分配中图分类号:TN9295文献标志码:A开放科学(资源服务)标识码(OSID):文 章 编 号:10033106(2023)01019910A Task Allocation Framework in Spatial Crowdsourcing Based onInternet of Vehicles Assisted Positivity SensingWANG Xin，QIAO Shaojie*，YANG Guoping，LIN Yufeng，WENG Yuenan，WU Lingchun，CHEN Qin，GAO uiwei(School of Software Engineering，Chengdu University of Information Technology，Chengdu 610225，China)Abstract:To solve the problem that most task allocation algorithms in spatial crowdsourcing consider the influence of lack ofworkers sense of positivity，a hybrid framework called IOV-SCA(Task Allocation Framework in Spatial Crowdsourcing Based onInternet of Vehicles Assisted Positivity Sensing)is proposed to identify negative workers and assign tasks on this basis IOV-SCA ispartitioned into two stages:the first stage uses the Bi-PSM model deployed on the road side unit to find negative workers，aiming to useBiLSTM model based on attention mechanism to calculate working stagnation time and compare with a given threshold to discernnegative workers;the second stage uses the PS-TAA algorithm(Task Allocation Algorithm Based on Positivity Sensing)deployed onthe cloud server to implement task allocation，aiming to meet worker motivation and system utility maximization at the same timeExtensive comparison experiments are conducted on real datasets，the experimental result demonstrates that IOV-SCA model improvesthe efficiency of task allocation effectively and provides better assignment results than other representative algorithmsKeywords:Internet of Vehicles;spatial crowdsourcing;positivity sensing;task allocation收稿日期:20220901基金项目:国家自然科学基金(62272066，61962006);四川省科技计划项目(2021JDJQ0021，2022YFG0186);四川省科技创新苗子工程项目(2021006);教育部人文社会科学研究规划基金(22YJAZH088);成都市“揭榜挂帅”科技项目(2022JB0000002GX，2021JB0000025GX);成都市技术创新研发项目(2021YF0500491SN);成都市重大科技创新项目(2021YF0800156GX);成都市软科学研究项目(2021K0000065ZF，2021K0000066ZF);四川省社会科学高水平团队项目(2015Z177)Foundation Item:National Natural Science Foundation of China(62272066，61962006);Sichuan Provincial Science and Technology Program(2021JDJQ0021，2022YFG0186);Science and Technology Innovation Seedling Project of Sichuan Province(2021006);Planning Foundation for Hu-manities and Social Sciences of Ministry of Education of China(22YJAZH088);Chengdu Municipal“Take the Lead”Science and Municipal TechnologyProject(2022JB0000002GX，2021JB0000025GX);Chengdu Municipal Technology Innovation and esearch and Development Project(2021YF0500491SN);Chengdu Municipal Major Science and Technology Innovation Project(2021YF0800156GX);Chengdu Soft Science esearchProject(2021K0000065ZF，2021K0000066ZF);Sichuan Social Science High-level Team Project(2015Z177)工程与应用2002023 adio Engineering Vol.53 No.10引言随着配备通信装置和感知设备智能车辆的迅速演进，用户信息的复杂化导致资源分配必需的高计算力和高准确率愈发得不到保证，移动用户对匹配服务质量的需求成为亟待解决的问题。而车联网(Internet of Vehicles，IoV)技术旨在加速车辆、用户、基础设施以及云端网络之间的信息收集与交换1，在物理距离以及网络距离上更接近用户，能够迅速处理用户在短时间内产生的大规模数据。IoV 技术不仅具有较低的通信成本，还可以通过利用高数据传输性能保证大批量数据被实时处理2。与此同时，一种新型众包技术应运而生 空间众包(Spatial Crowdsourcing，SC)。在 SC 场景下，工人被要求亲自前往特定地点，完成指定的时空任务，获取相应的奖励报酬3。SC 平台中有许多应用程序，涉及旅游、情报、灾害响应、新闻跟踪和城市规划等多个领域，同时推进了一系列行业的成功，如视频拍摄、天气信息收集、城市噪音水平计算和车流量计算等。目前，众包平台的主流任务模式为以平台服务器为中心(Server Assigned Tasks，SAT)的模式。在 SAT 模式下，众包平台不会直接将空间任务分配给众包工人，而是需要众包工人将位置上传到服务器，当服务器收集到所有在线众包工人的位置后，再为众包工人分配合适的任务4。在 SC 的一般场景下，待完成的任务量往往太大以至于不能在短时间内找到足够的专业工人，并且这些任务不能利用计算机代替真人来完成。将 IoV 技术集成到众包平台的任务分配中，构建一个分布式的SC 平台，是实现高效任务分配的有效措施，也是 SC研究的发展新方向之一。任务分配问题被描述为最大系统利用率问题(如任务完成数量、任务完成质量和任务完成时间等)，现有研究主要集中在工人或是任务的时空可用性上，工人的主观意愿往往很容易被忽视，很大程度上没有解决工人主观意愿与高效任务分配之间平衡的问题。服务全球化的激烈竞争导致供应链市场饱和，工人成本迅速提升，因此，快速感知工人积极性并实现有效任务分配是众包平台至关重要的任务之一，利用 IoV 技术辅助 SC 完成任务分配是提高系统效率的有效手段。为了解决上述问题，本文提出了一种利用 IoV 技术辅 助 积 极 性 感 知 的 SC 任 务 分 配 框 架(TaskAllocation Framework in Spatial Crowdsourcing Based onInternet of Vehicles Assisted Positivity Sensing，IOV-SCA)。具体来说，该模型分为2 个阶段:积极性感知阶段和任务分配阶段。积极性感知阶段旨在实时感知工人对任务的积极性，本文使用加入注意力机制的双向长短 期 记 忆 网 络(Bi-directional Long Short-TermMemory，BiLSTM)捕捉工人的潜在状态，计算工人的工作停滞时间，并与给定的时间阈值进行比较，以此判断工人的积极性。任务分配阶段在积极性感知的基础上，将任务分配问题转换为加权二部图最大匹配问题。本文提出了一种基于积极性感知的 SC 任务分配算法，旨在高效地将任务分配给工人，实现系统效益最大化。综上所述，本文的主要贡献包括: