[发明专利]群智感知中基于关联关系和地理位置预测的任务分发方法

说明书

一种群智感知中基于关联关系和地理位置预测的任务分发方法，根据用户执行任务的历史记录，计算出感知地点集合P、用户状态转移概率矩阵Mt、用户地点活跃向量V，并初始化地点出现概率向量PA；选取出感知地点集合P中每个地点所对应的最佳管理者；对其他的用户，进行聚类操作；根据所设置的滑动窗口T及状态M下需要执行的感知任务，找出用户在该状态下形成的类簇CU；根据当前类簇CU中可用用户集每个用户的执行任务历史记录，获得每个用户状态M下概率分布PA；根据设定的概率阀值，选择用户进行任务分配。该算法能高质量地将任务信息分发给指定监测区域内能收集感知数据的移动用户，并能确保接受任务的用户有足够的能力去完成任务。

技术领域

本发明涉及一种群智感知中基于关联关系和地理位置预测的任务分发方法。

背景技术

近年来，由于移动通信技术和感知技术的迅速发展，产生了大量移动智能感知设备，具有代表性的产品有智能手机、智能穿戴设备与车载传感器等，这些设备内部集成了许多高精度的传感器，使其拥有通信、计算、存储等强大的功能，从而满足了人们日常生活中一些需求。由于这些硬件设施越来越强大，产生了一种新型的感知模式—移动群智感知。移动群智感知是将传统的众包与动态感知相结合，其感知的基础是人们日常随身携带的智能设备，再利用移动互联网户之间有意或无意识的协作，从而产生了群智感知网络。群智感知网络将感知任务进行分发并收集感知数据，最后对感知数据进行处理与分析，通过这种方式来完成规模大、复杂度高的感知过程。

目前，移动群智感知已在城市环境监测、电力调度、公共交通、智能医疗等领域有了很多应用，这些应用将大量采集的感知数据上传至感知平台，但使用移动蜂窝网络进行上传将使传输成本增加。为了降低成本，将网络中的每个感知节点在原有的近距离通信基础上加入了“存储、携带、转发”机制来进行数据传递，这种数据传输方案依赖机会式网络通信方式，在通信过程中数据转移主要依赖感知用户节点之间的相遇。由于群智感知网络中用户节点的移动具有社会性，以及用户节点之间的相遇并不固定，造成采集到感知数据在传输阶段会耗费较长时间，无法及时上传至感知平台。同时，在群智感知中，感知用户之间在进行通信传输时存在随机性，仅依赖用户的移动性进行任务信息分发，很大程度上无法满足任务的完成条件，任务信息会被用户当做垃圾处理，造成有些任务无法扩散出去。对于感知用户之间通信的随机连接问题，移动节点行为位置预测不仅能够提高移动群智感知网络中数据的转发效率、减少任务扩散时间，同时还有助于充分利用系统中一些‘弱感知’节点，完成一些特殊的感知任务。

现有技术中的平台多只有任务发布与数据收集这两个功能，而且平台中的用户都是自行选择并决定要完成哪些任务，而不是感知平台结合某些需求与目标的不同来进行任务分配。同时，现有技术中的感知平台分发任务信息时，不会对用户进行筛选，而且采用类似泛洪的方式，对于恶意用户给出的感知数据会影响分析结果的可信度，同时，也会增加不必要的开销。再者，由于未考虑用户执行任务的效率，的任务能分发出去之后，还会存在一些接受任务的用户没有能力去完成任务，降低了分发的有效性。

发明内容

针对上述现有技术存在的问题，本发明提供一种群智感知中基于关联关系和地理位置预测的任务分发方法，该算法能高质量地将任务信息分发给指定监测区域内能收集感知数据的移动用户，并能确保接受任务的用户有足够的能力去完成任务，能便于实现高效的组织和协调任务的分发过程。

为了实现上述目的，本发明提供一种群智感知中基于关联关系和地理位置预测的任务分发方法，具体包括以下步骤：

步骤一：根据用户执行任务的历史记录，计算出感知地点集合P、用户状态转移概率矩阵Mt、用户地点活跃向量V，并初始化地点出现概率向量PA；