[发明专利]一种移动群智感知任务中基于数据质量的参与者选择方法

权利要求书

1.一种移动群智感知任务中基于数据质量的参与者选择方法，其特征在于，包括以下步骤：

(1)根据工作者的信誉来进行参与者的选择；

(2)根据工作者的工作能力来进行参与者的选择；

(3)在选择工作者时同时兼顾工作者的综合能力，创造了更好的支付方案。

2.根据权利要求1所述的移动群智感知任务中基于数据质量的参与者选择方法，其特征在于，所述的步骤(1)中根据工作者的信誉来进行参与者的选择包括以下步骤：

(2.A)用i来表示任务发布者，T_i表示感知任务，任务发布者i发布感知任务T_i；其中T_i包含许多信息，分别是表示的是感知任务的具体位置，这个位置通过经度和纬度来具体表示，R_i表示的是所招募的工作者距离任务位置的距离最远不能超过这个范围；表示任务发布者支付给参与任务T_i的工作者的酬金的总预算；表示的就是支付给第一类工作者的酬金，第一类工作者指同时具有高信誉和高工作能力的工作者；表示的是支付给第二类工作者的酬金，第二类工作者或者具有高信誉和中等工作能力，或者具有中等信誉和高工作能力；指的则是支付给第三类工作者的酬金，第三类工作者指的是同时具有中等信誉和中等工作能力的工作者；

(2.B)这里将工作者的信誉值分为三个等级，分别为高信誉值、中等信誉值和低信誉值；的值由任务发布者来决定；本文已经将工作者的信誉分为了三个等级，现在需要用Th_HM和Th_ML来划分工作者的信誉值(0≤Th_ML≤Th_HM≤1)；Th_HM用来划分高信誉工作者与中等信誉工作者，Th_ML用来划分中等信誉工作者和低信誉工作者；同时本文这里规定工作者的信誉值范围是从0到1，工作者在还未参与过任何感知任务时其信誉值为中等信誉；本文使用j来表示工作者，即工作者j；用r_j来表示工作者j的信誉(即0≤r_i≤1)；

(2.C)在对工作者信誉的处理方面，使用BRS系统来处理工作者的信誉问题，用s_j和f_j来记录工作者j在之前的任务中的表现：

(2.D)s_j是由工作者j提供的“正确”数据的任务数量，f_j是由工作者j提供的“不正确”数据的任务的数量；“正确”指的是“和大多数工作者的结果相一致”，“不正确”指的是“和大多数工作者的结果不一致”，公式如下：

以上是工作者j在过去完成过的感知任务中所积累的信誉值。

3.根据权利要求1所述的移动群智感知任务中基于数据质量的参与者选择方法，其特征在于，所述的步骤(2)中根据工作者的工作能力来进行参与者的选择包括以下步骤：

(3.A)将工作者当前拥有几件传感器设备对工作者进行分级，本发明使用Cap_HM和Cap_ML来划分工作者的工作能力(0≤Th_ML≤Th_HM≤1)；Cap_HM用来划分高能力工作者和中等能力工作者，Cap_ML用来划分中等能力工作者和低能力工作者；以工作者j为例，其工作能力用CAP_j来表示，即(0≤CAP_j≤1)；

(3.B)为了量化最终获取到的数据的质量，本发明将感知任务的结果也进行量化；对于一项感知任务T_i，本发明假设其真实的情况为0或1，用来表示真实情况；

(3.C)本发明用来表示工作者j在完成感知任务T_i后向任务发布者反馈的数据，的结果同样是0或1；由于任务发布者并不知道任务的真实结果是什么，所以他没有办法判断工作者反馈的数据的真实性，所以这里本发明假设大多数工作者反馈回来的数据为任务的真实情况(即少数服从多数)，用来表示由所有工作者提供的数据的综合结果：

其中，表示参与感知任务T_i的实际工作者人数。

4.根据权利要求1所述的移动群智感知任务中基于数据质量的参与者选择方法，其特征在于，所述的步骤(3)中在选择工作者时同时兼顾工作者的综合能力，创造了更好的支付方案；包括以下步骤：

工作者的可信度，指的是工作者当前的能力值、信誉值与距离值的综合，即工作者能够提交的数据的可靠性，通俗的说，工作者的可信度越高，那么工作者提交的数据质量就越高；所以工作者j在完成感知任务T_i时的可信度为：

其中l_j是任务发布者发布任务时工作者j的位置；为工作者参与任务时信誉值的折扣函数：

其中用来计算工作者与任务位置之间的直线距离；D_c是指给定区域的直径因此即工作者距离任务位置越远，则的值越接近0；工作者距离任务位置越近，则的值越接近1。