一种移动群智感知系统中的用户选择方法

1.本发明属于群智感知领域，特别是涉及一种移动群智感知系统中的用户选择方法。


背景技术：

2.移动群智感知已经成为一种被广泛应用于收集大规模数据的感知范式。移动用户利用移动设备中的嵌入式传感器(如摄像头、麦克风、gps、陀螺仪)收集周围区域内的人类活动和环境信息，并将这些感知数据上传至云端服务器，以便进一步的分析和共享。然而，群智感知系统中的一些任务所需的传感数据对延迟无法容忍，超出时间限制的数据是没有意义的，甚至会严重影响任务的整体效果。
3.再者，在用户上传感知数据之前，感知平台不知道用户提供的数据质量，用户可以轻松上传一些虚假的传感数据和不完整的信息，从而导致任务请求方被欺骗，用户却能得到与其服务质量不相符的报酬。长此以往，任务请求方不愿再提供适当的奖励获得数据，而能够提供可靠有效数据的用户也会逐渐流失。另一方面，不诚实用户在任务过程中仍存在恶意行为的可能，如发起中毒攻击，故意延迟计算等，可能会导致最后任务的失败，造成极大的损失。


技术实现要素：

4.本发明的目的是提供一种移动群智感知系统中的用户选择方法，以解决上述现有技术存在的问题。
5.为实现上述目的，本发明提供了一种移动群智感知系统中的用户选择方法，包括：
6.基于用户所在位置与任务区域位置之间的距离获取用户的移动能力和历史任务能力，对所述用户的移动能力和历史任务能力进行计算，获得用户的实效能力；
7.获取用户的直接交互评价和间接推荐评价，对所述用户的直接交互评价和间接推荐评价进行计算，获得用户的全局信用；
8.对所述用户的实效能力和所述用户的全局信用进行计算，获得用户的综合指标，基于所述用户的综合指标选择用户。
9.优选的，所述获取用户的移动能力的过程包括：
10.获取用户所在位置，同时获取任务区域位置，基于欧几里得公式对所述用户所在位置和任务区域位置进行计算，获得用户所在位置与任务区域位置之间的距离；
11.对所述用户所在位置与任务区域位置之间的距离和用户的平均速度进行计算，获得所述用户的移动能力。
12.优选的，获取所述历史任务能力的过程包括：
13.获取用户维护的历史任务列表中完成的任务和提交任务时间；
14.基于用户的平均时隙对所述完成的任务和提交任务时间进行计算，获得历史任务能力。
15.优选的，获得用户的实效能力的表达式为：
[0016][0017]
其中，pi为实效能力，ci为历史任务能力，ai为移动能力，n为所需用户的总人数，n为第n位用户，cn为第n位用户的历史任务能力。
[0018]
优选的，所述直接交互评价基于本次任务之前的直接交互评价、平台与工人到目前为止的总交互次数、时间敏感因子、第m次交互与当前第m次交互的间隔时间计算获得；
[0019]
所述间接推荐评价基于用户推荐评价、推荐人集合、个人信用因子计算获得。
[0020]
优选的，所述获得用户的全局信用的表达式为：
[0021]ri
＝δdri+(1-δ)iri；
[0022]
其中，ri为全局信用，iri为间接推荐评价，dri为直接交互评价，δ为评价因子参数。
[0023]
优选的，所述获得用户的综合指标的表达式为：
[0024]
si＝ln(1+ri*pi)；
[0025]
其中si为综合指标。
[0026]
本发明的技术效果为：
[0027]
本发明提出的用户选择方案能够选择具有强实时性和可靠数据的高质量用户候选者作为感知任务中上传感知数据的工作者，不仅能够抵御移动网络中不可靠的数据聚合，而且满足了任务发布者获取有效数据的要求，达到了移动群智感知系统健康持续发展的目的。
附图说明
[0028]
构成本技术的一部分的附图用来提供对本技术的进一步理解，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
[0029]
图1为本发明实施例中的用户选择方法流程图。
具体实施方式
[0030]
需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本技术。
[0031]
需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
[0032]
实施例一
[0033]
如图1所示，本实施例中提供一种移动群智感知系统中的用户选择方法，包括：
[0034]
移动群智感知任务具有实效性特征。感知数据的有效程度随提交时间的增长而降低，在任务截止时间之外获得的感知数据将失去效果。因此该系统应该对用户参与感知任务的时间提出要求，以保证感知数据的有效性。同时，为避免恶意行为而导致数据质量受损，系统应该保证出现过不诚实行为或者出现不诚实行为概率较高的用户不被选中参与任务。因此，本文使用综合指标来评估用户的服务质量。任务发布者根据综合指标进行用户选择，以实现可靠的感知任务。
[0035]
由于感知数据的有效性不仅随着感知任务执行时间的增长而降低，而且感知任务必须在规定的区域内执行，因此对用户的移动能力有一定的要求。如果用户的移动能力较强，能够在相对短时间内达到指定位置，那么所收集的感知数据质量则较好。如果用户的移动能力较弱，那么达到感知位置的时间较长，获得的感知数据的可用性则较差。
[0036]
本实施例假设用户ui查看感知任务wi时所在的位置为li＝(li.x，li.y)。当移动至任务感知的特定区域时，才可以进行感知任务。因此，本实施例用d表示用户当前所在位置与感知区域内最近的位置点r之间的距离，根据欧几里得公式计算得到，如公式(1)所示。
[0037]
d(li，gi)＝[(li.x-gi.x)2+(li.y-gi.y)2]
1/2
ꢀꢀꢀ
(1)
[0038]
假设用户的平均移动速度是固定且相同的，表示为vi，则用户的移动能力ai由公式(2)计算得到。
[0039]ai
＝d(li，gi)/viꢀꢀꢀ
(2)
[0040]
此外，用户的历史任务能力也可以反应其执行感知任务的真实效率情况。用户在此之前可能曾多次参与感知任务，每次执行感知任务的情况不断积累反馈，最终得到历史任务能力。如果用户的历史任务能力越强，则说明该用户收集感知数据的平均效率越高，执行任务水平越稳定。
[0041]
每位用户各自维护一个历史任务列表，该列表记录之前所完成的所有任务以及对应提交任务的时间，表示为其中表示用户执行任务wn的提交时间。本实施例假定当用户上传感知数据结束时感知任务执行完毕(数据传输时间忽略不计)，则用户的任务提交时间和任务的截止时间之间可能存在一段时隙，本实施例以用户的平均时隙来评估其历史任务能力ci，由公式(3)计算得到。
[0042][0043]
其中k表示历史任务列表中的任务总数。
[0044]
用户的实效能力pi由移动能力和历史任务能力决定，由公式(4)计算得到。
[0045][0046]
其中n表示参与感知任务wj的总人数，和分别是感知任务wj的截止时间和提交时间。当用户是新加入时，历史任务列表为空，则
[0047]
系统中可能存在不诚实的用户。这类用户通过不真实的能力获得感知任务的资格，但执行任务时效率较低，实际感知地点存在误差，拖延感知时间，无法在规定时间内上传感知数据，导致上传的感知数据的实际质量与预期质量不符，造成数据整体可用性降低，为平台和任务发布者带来极大的损失。因此，评估用户的服务质量还需要考虑用户的诚实性和感知数据的可靠性。本文使用全局信用来衡量上述两个内容。
[0048]
参与者的全局信用由直接交互评价和间接推荐评价组成。直接交互评价是请求者根据本次感知数据的质量对参与者进行打分而形成的结果，是本次感知数据质量的直接反馈。间接推荐评价来自系统中其他参与者的推荐意见。
[0049]
对用户ui本次任务的直接交互评价表示为dri，本次任务之前的直接交互评价表示
为tri，由公式(5)计算得到。
[0050][0051]
其中m表示为平台与工人到目前为止的总交互次数。考虑到与当前评价间隔时间短的反馈应优于间隔时间长的反馈，因此εk表示时间敏感因子，用于调整每次具有时间属性的反馈的权重，t
m-tm是第m次交互与当前第m次交互的间隔时间。
[0052]
用户ui本次任务的间接推荐评价表示为iri，用户uj对用户ui的推荐评价表示为ir
i，j
，由公式(6)计算得到。
[0053][0054]
其中s表示为推荐人集合，由参加本次任务的其他用户组成，j∈s。考虑到高信用的用户反馈比低信用的用户反馈更具可靠性，因此σi表示个人信用因子，作为推荐人反馈的权重，其中rj表示推荐人uj的全局信用。
[0055]
用户ui的全局信用表示为ri，由公式(7)计算得到。
[0056]ri
＝δdri+(1-δ)iriꢀꢀ
(7)
[0057]
实效能力和全局信用共同决定综合指标，表示为si，用以衡量用户的服务质量。用户的实效能力越强，全局信用越高，则感知数据的实效性和可信性都能够得到更好的保证，因此参与者的服务质量越好，其综合指标值也就越大。实效能力pi和全局信用ri分别与综合指标si成正相关，且实效能力pi和全局信用ri的积能够使综合指标si的值变化趋势更明显，能够保证清楚的展示服务质量的变化。此外，当si的值较大时，si的增长空间变小，因此si的增长速度变缓慢。此时si在最大值附近略有增加。根据上述变化规律，综合指标由公式(8)计算得到。
[0058]
si＝ln(1+ri*pi)
ꢀꢀ
(8)
[0059]
在经过上述步骤中的综合指标计算之后，任务发布者可以选择具有强实时性和可靠数据的高质量用户候选者作为感知任务中上传感知数据的工作者。
[0060]
以上所述，仅为本技术较佳的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应该以权利要求的保护范围为准。

技术特征：
1.一种移动群智感知系统中的用户选择方法，其特征在于，包括以下步骤：基于用户所在位置与任务区域位置之间的距离获取用户的移动能力和历史任务能力，对所述用户的移动能力和历史任务能力进行计算，获得用户的实效能力；获取用户的直接交互评价和间接推荐评价，对所述用户的直接交互评价和间接推荐评价进行计算，获得用户的全局信用；对所述用户的实效能力和所述用户的全局信用进行计算，获得用户的综合指标，基于所述用户的综合指标选择用户。2.根据权利要求1所述的移动群智感知系统中的用户选择方法，其特征在于，所述获取用户的移动能力的过程包括：获取用户所在位置，同时获取任务区域位置，基于欧几里得公式对所述用户所在位置和任务区域位置进行计算，获得用户所在位置与任务区域位置之间的距离；对所述用户所在位置与任务区域位置之间的距离和用户的平均速度进行计算，获得所述用户的移动能力。3.根据权利要求1所述的移动群智感知系统中的用户选择方法，其特征在于，获取所述历史任务能力的过程包括：获取用户维护的历史任务列表中完成的任务和提交任务时间；基于用户的平均时隙对所述完成的任务和提交任务时间进行计算，获得历史任务能力。4.根据权利要求2所述的移动群智感知系统中的用户选择方法，其特征在于，获得用户的实效能力的表达式为：其中，p
i
为实效能力，c
i
为历史任务能力，a
i
为移动能力，n为所需用户的总人数，n为第n位用户，c
n
为第n位用户的历史任务能力。5.根据权利要求1所述的移动群智感知系统中的用户选择方法，其特征在于，所述直接交互评价基于本次任务之前的直接交互评价、平台与工人到目前为止的总交互次数、时间敏感因子、第m次交互与当前第m次交互的间隔时间计算获得；所述间接推荐评价基于用户推荐评价、推荐人集合、个人信用因子计算获得。6.根据权利要求1所述的移动群智感知系统中的用户选择方法，其特征在于，所述获得用户的全局信用的表达式为：r
i
＝δdr
i
+(1-δ)ir
i
；其中，r
i
为全局信用，ir
i
为间接推荐评价，dr
i
为直接交互评价，δ为评价因子参数。7.根据权利要求1所述的移动群智感知系统中的用户选择方法，其特征在于，所述获得用户的综合指标的表达式为：s
i
＝ln(1+r
i
·
p
i
)；其中s
i
为综合指标。

技术总结
本发明公开了一种移动群智感知系统中的用户选择方法，包括：基于用户所在位置与任务区域位置之间的距离获取用户的移动能力和历史任务能力，对用户的移动能力和历史任务能力进行计算，获得用户的实效能力；获取用户的直接交互评价和间接推荐评价，对直接交互评价和间接推荐评价进行计算，获得用户的全局信用；对实效能力和全局信用进行计算，获得用户的综合指标，基于用户的综合指标选择用户。本发明提出的用户选择方案能够选择具有强实时性和可靠数据的高质量用户候选者作为感知任务中上传感知数据的工作者，不仅能够抵御移动网络中不可靠的数据聚合，而且满足了任务发布者获取有效数据的要求，达到了移动群智感知系统健康持续发展的目的。康持续发展的目的。康持续发展的目的。


技术研发人员：玄世昌 张静逸 苘大鹏 蔡成涛 王巍 周卫红 程雪蕾 陈征平 毕晓燕 孟宇龙 吕继光 吕宏武 冯光升 徐东 郭方方 李伟
受保护的技术使用者：哈尔滨工程大学三亚南海创新发展基地 知软技术（上海）有限公司
技术研发日：2023.06.29
技术公布日：2023/9/22