基于预测的空间众包任务分配（技术报告）
数据库
2018-02-26 v5
摘要
空间众包指的是一种周期性地将若干基于位置的工人分配给附近空间任务（例如在某些空间位置拍摄照片或视频）的系统。先前关于空间众包的工作通常设计最大化某些分配分数的任务分配策略，然而这些策略仅基于分配工人/任务时系统中可用的工人/任务。由于忽略可能加入系统的未来工人/任务，这些策略可能达到局部最优。相反，本文旨在通过考虑不仅当前而且未来（通过预测）的工人/任务，实现“全局”最优任务分配。具体地，我们形式化了一个重要问题，即基于预测的空间众包（PB-SC），其期望在当前和预测的任务/工人位置上获得工人与任务分配的“全局”最优策略，使得在差旅预算约束下总分配质量分数最大化。本文中，我们设计了一种有效的基于网格的预测方法以估计未来工人/任务的空间分布，随后在任务分配过程中利用预测结果。我们证明 PB-SC 问题是 NP-hard，因此难以处理。因此，我们提出高效的近似算法来解决 PB-SC 问题，包括贪心和分治（D&C）方法，其通过考虑当前和未来的任务/工人分布，能够高效地将工人分配给具有高分数和低预算消耗的空间任务。通过大量实验，我们在真实/合成数据上展示了我们 PB-SC 处理方法的高效性与有效性。
引用
@article{arxiv.1512.08518,
title = {Prediction-Based Task Assignment in Spatial Crowdsourcing (Technical Report)},
author = {Peng Cheng and Xiang Lian and Lei Chen and Cyrus Shahabi},
journal= {arXiv preprint arXiv:1512.08518},
year = {2018}
}
备注
15 pages