考虑工人培养的移动群智感知任务分配机制吕翊王燕崔亚平*何鹏吴大鹏王汝言(重庆邮电大学通信与信息工程学院重庆400065)(先进网络与智能互联技术重庆市高校重点实验室重庆400065)(泛在感知与互联重庆市重点实验室重庆400065)摘要：移动群智感知(MCS)通过大量感知工人的移动性和工人随身携带的感知设备来收集数据，是一种新的大规模数据感知范式。现有大量研究致力于解决移动群智感知中的任务分配问题，使感知数据质量得以提高，但忽略了缺乏优质工人的感知任务，导致任务完成质量降低。为了解决上述问题，对于缺乏优质工人的感知任务，该文关注将经验不足的工人培养为优质工人，并令其执行这些感知任务，实现工人的长期复用，提高感知数据质量和长期平台效用。具体来说，该文考虑了缺乏优质工人的感知任务所需的能力和工人的能力类型，并据此应用稳定匹配算法选择待培养工人，提出一种基于能力聚合和半马尔可夫预测的多阶段工人选择培养(MWSD)算法。结果表明，相比基于区块链的非确定团队协作(BNTC)算法，该文所提算法能够有效将缺乏优质工人的感知任务的数据质量提高24%，长期平台效用提高17%。关键词：移动群智感知；任务分配；工人培养；工人选择中图分类号：TN929.5文献标识码：A文章编号：1009-5896(2023)04-1505-09DOI:10.11999/JEIT220249WorkerDevelopment-AwareTaskAllocationStrategyinMobileCrowdSensingLÜYiWANGYanCUIYapingHEPengWUDapengWANGRuyan(SchoolofCommunicationandInformationEngineering,ChongqingUniversityofPostsandTelecommunications,Chongqing400065,China)(AdvancedNetworkandIntelligentConnectionTechnologyKeyLaboratoryofChongqingEducationCommission,Chongqing400065,China)(ChongqingKeyLaboratoryofUbiquitousSensingandNetworking,Chongqing400065,China)Abstract:MobileCrowdSensing(MCS)isanewparadigmthatcollectssensingdataviathemobilityofmassiveworkersandcarriedsensingdevices.Currentworksfocusonthetaskallocationissueandimprovingsensingdataquality.However,theyignorethesensingtaskslackingqualifiedworkersanddecreasethetaskcompletionquality.Totackletheaboveproblem,forsensingtasksthatlackqualifiedworkers,inexperiencedworkersaredevelopedtoqualifiedworkersandexecutethesetasks.Asaresult,thequalifiedworkerscanlong-termexecutethesetasks,andthesensingdataqualityandlon...
