超本地空间众包中任务分配的实时框架

空间众包 (SC) 是一个新颖的平台，旨在让个人参与收集各类空间数据。这种数据收集方法可显著降低成本和周转时间，在城市环境感知中尤为有用，因为传统手段难以提供细粒度的现场数据。在本研究中，我们引入了超本地空间众包，即所有位于任务时空邻近区域内的工人都具备执行该任务的资格，例如报告其所在区域和时间的降水水平。在此设置下，通常存在预算约束，即针对每个时间段或整个活动周期，对激活执行任务的工人数量有限制。因此，挑战在于尽管工人和任务动态到达，仍需在预算约束下最大化分配的任务数量。我们引入了几种问题变体的分类法，例如“每时间段预算”与“每活动周期预算”，以及“二元效用”与“基于距离的效用”。我们研究了离线设置下任务分配问题的难度，并提出了利用随时间获取的时空知识的在线启发式算法。我们的实验使用了由 SCAWG 工具生成的空间众包工作负载，广泛的结果表明了我们所提解决方案的有效性和高效性。