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 Spatial Crowdsourc...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 Spatial Crowdsourcing 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。展开更多
文摘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 Spatial Crowdsourcing 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。
