面向移动群众感知的质量信息驱动的多智能体调度系统 QUIDS
计算机视觉与模式识别
2025-12-19 v1
摘要
本文针对实现非专用车辆移动群众感知（NVMCS）系统中最佳信息质量（QoI）挑战。关键障碍是感知覆盖、感知可靠性以及车辆动态参与之间的相互关联问题。为此，我们提出 QUIDS，即 QUality-informed Incentive-driven multi-agent Dispatching System，确保在预算约束下实现高感知覆盖和可靠性。QUIDS 引入一种新颖度量标准，Aggregated Sensing Quality（ASQ），用于量化 QoI，通过整合覆盖和可靠性来实现。我们还开发了 Mutually Assisted Belief-aware Vehicle Dispatching 算法，在不确定性下估计感知可靠性并分配激励，从而进一步提高 ASQ。使用来自一座城市 NVMCS 部署的真实数据进行评估显示，QUIDS 在非调度场景下提升 ASQ 38%，在最先进方法下提升 10%。它还在算法之间将重建地图误差降低 39-74%。通过基于质量信息的激励机制联合优化覆盖和可靠性，QUIDS 实现了无需专用基础设施即可进行低成本、高质量的城市监控，适用于交通和环境感知等智能城市场景。
引用
@article{arxiv.2512.16325,
title = {QUIDS: Quality-informed Incentive-driven Multi-agent Dispatching System for Mobile Crowdsensing},
author = {Nan Zhou and Zuxin Li and Fanhang Man and Xuecheng Chen and Susu Xu and Fan Dang and Chaopeng Hong and Yunhao Liu and Xiao-Ping Zhang and Xinlei Chen},
journal= {arXiv preprint arXiv:2512.16325},
year = {2025}
}