近日，煙臺大學計算機與控制工程學院王瑩潔教授團隊最新成果被國際計算機網(wǎng)絡頂級期刊 IEEE Transactions on Mobile Computing（TMC）錄用，論文題目為 “Determining Task Assignments for Candidate Workers based on Trajectory Prediction”。該期刊是中國計算機學會（CCF）A類推薦期刊，是計算機網(wǎng)絡領(lǐng)域權(quán)威的學術(shù)期刊之一，期刊的核心主題包括：通信、網(wǎng)絡和廣播技術(shù)，計算和處理，信號處理與分析。
隨著移動設備傳感器的普及，移動群智感知（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，眾包工人僅需進入感知區(qū)域即可完成任務。然而，現(xiàn)有招募策略仍有不足：一是過度依賴歷史行為，未充分考慮工人動態(tài)軌跡，影響任務時效與準確性；二是任務分配優(yōu)化不足，工人選擇不精準、調(diào)度不靈活，導致資源浪費和執(zhí)行成本上升。為解決上述問題，王瑩潔教授團隊提出了一種基于軌跡預測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
研究團隊創(chuàng)新性的提出了一種面向移動群智感知的兩階段招募框架RFOW-MT，在機會主義眾包工人選擇方面實現(xiàn)了關(guān)鍵性突破（圖2）。離線階段引入LSTM神經(jīng)網(wǎng)絡模型和Geohash算法，構(gòu)建眾包工人軌跡預測與候選眾包工人集合檢測的融合機制，創(chuàng)新性的識別潛在的機會主義眾包工人，同時利用貪心算法優(yōu)化眾包工人選擇，提高了機會主義眾包工人篩選的效率和準確性。在線階段設計了基于地理位置的任務打包策略，結(jié)合預算分配機制，優(yōu)化眾包工人招募過程，確保任務目標的高效完成。
圖2 候選機會主義工人檢測過程
該研究成果以煙臺大學為第一單位，研究生李亞鴻為第一作者，王瑩潔為通訊作者。研究工作獲得國家自然科學基金項目、山東省自然科學基金項目、山東省自然科學基金重點項目以及網(wǎng)絡與交換技術(shù)國家重點實驗室（北京郵電大學）開放基金的支持。
論文鏈接：https://doi.org/10.1109/TMC.2024.3518534
來稿時間：3月1日 審核：劉俞斌 責任編輯：徐揚
