摘要
移动群智感知(MobileCrowdsensing,MCS)是一种新的大规模数据感知范式，通过利用移动设备中嵌入的各式传感器和感知用户的移动性来感知城市，促进了智慧城市的发展。如何进行任务分配是MCS系统的研究热点之一。首先，由于感知任务和感知用户有各自的属性，且感知用户的无线信道质量各不相同，平台需要为感知任务分配感知用户并保证感知任务的传输质量，进而保证社会福利；其次，由于存在缺乏优质感知用户的感知任务，平台需要为这些感知任务分配合适的感知用户，以提高感知数据质量，保证长期平台福利。因此，为使上述并列问题得到有效解决，本文提出福利保障的移动群智感知任务分配机制。本文的主要工作如下： 1.针对无线信道质量较差时感知用户无法接收感知任务的场景，考虑了任务请求者与用户之间的偏好，以及任务传输中断概率对任务-用户匹配结果和社会福利的影响，提出一种任务传输质量保障的移动群智感知任务分配机制。平台将任务请求者与用户根据其双方偏好进行匹配。匹配完成后，将感知任务传输给对应用户，对远基站用户的任务采用既直接传输又中继转发的方法，并提出了对应于所提机制的最大化社会福利算法。仿真结果表明，所提机制能够使任务传输中断概率减小82%，使任务请求者的满意度和社会福利分别提高57%和15%。 2.针对感知任务缺乏优质感知用户的场景，考虑了缺乏优质感知用户的感知任务及其所需要的能力类型，同时考虑现有感知用户拥有的能力类型。首先通过匹配理论选择部分感知用户作为待培养用户，然后将培养过程分为多个阶段，对于待培养用户，在每个阶段对其进行基于逻辑模型的聚合和基于半马尔可夫预测的多阶段培养。对应于此过程，提出一种考虑用户培养的移动群智感知任务分配机制及对应算法为任务请求者选择和培养感知用户。仿真结果表明，所提机制能够使感知用户的名誉值提高26%，使平台福利和长期平台福利分别提高57%和17%。
NETL