面向复杂场景的移动众包任务分配与优化

Mobile crowdsourcing is an emerging technique which has many potential applications. However, the mobility of users and the complexity of circumstance make the crowdsourcing problem, especially the task allocation problem, more difficult both theoretically and practically. In this project, concentrating on modeling, allocation, and optimization, we study thoroughly the task allocation problem, a critical problem in mobile crowdsourcing. Firstly, we will formulate the mathematical model to characterize the problem formally based on various modeling techniques, according to the analysis of the practical applications. Secondly, we will develop approximation algorithms to allocate tasks with performance guarantee and provide detailed theoretical analysis. Finally, based on several machine learning techniques, we can predict user activity, estimate data quality, and design anti-cheating mechanism to further optimize the allocation mechanism and improve its reliability. In addition, we will evaluate the proposed mechanism with public data sets and on several crowdsourcing platforms to verify its practicability, effectiveness, and reliability. In all, we hope this project could provide efficient solutions for task allocation problem in mobile crowdsourcing under various circumstance, which is of both theoretical and practical significance for the development of mobile crowdsourcing applications.

移动众包应用在很多领域都具有广阔发展前景，但也具有应用场景复杂、用户灵活性大等特点。这些特点增加了移动众包问题，特别是众包任务分配问题的固有复杂度和实施困难性，限制了移动众包应用的推广。本项目将以“建模—分配—优化”为主线，研究移动众包中的关键问题：任务分配问题。首先，项目将通过对实际应用场景分析，运用多种建模方法，准确描述任务、用户、分配和目标模型。其次，项目将基于近似算法等技术，设计具有性能保障的任务分配机制并给出理论分析。最后，项目将结合机器学习等算法，通过用户信息预测、数据质量评估、反作弊机制等方法，进一步优化分配机制，保证任务分配的可靠性。此外，项目将基于公开数据集和多个众包平台验证任务分配机制，确保分配机制的实用、有效、可靠。项目将最终形成一套基于近似算法和机器学习，适用于多种复杂应用场景的任务分配机制，为移动众包应用提供重要理论指导和有效解决方案，进一步推动移动众包的发展。

随着智慧城市和物联网的飞速发展，移动众包正广泛服务于多个领域，而在面对复杂众包场景时，相关的用户任务分配成为一个问题难点。移动众包应用具有应用场景复杂、用户行为多变的特点，而移动众包任务分配是移动众包应用的关键问题，移动众包平台必须将不同应用场景的众包任务，合理高效地分配给恰当的移动用户，才能很好地完成众包任务，保障任务完成的质量和效率。项目分别从空间网络覆盖、任务分配调度和用户任务推荐等角度进行了移动众包任务分配的研究，有效提高了移动众包的任务分配质量，推动了移动众包的问题求解和优化，对于智慧城市、物联网和众包平台等场景的实际应用具有很好的参考意义和应用价值。..项目在三个方面的主要研究内容如下：在空间网络覆盖方面，研究复杂异构场景下的移动众包互联优化，保证对空间中某些地点尽可能高效地实现全面覆盖，通过多用户协作实现任务时间优化和需求精准对接；在任务分配调度方面，项目主要研究促进众包任务合理分配，符合用户画像的任务分配可以显著提升用户体验，降低平台和任务发布者的开支；在用户任务推荐方面，研究基于影响力最大化和用户历史移动轨迹挖掘更多的潜在用户，根据用户的特点与偏好为用户推荐更适合的任务，针对感知数据质量优化对任务的候选参与者进行筛选。..项目执行期间共发表标注国家自然科学基金资助的高质量论文30篇。研究成果在空间网络覆盖、任务分配调度和用户任务推荐方面取得突破性进展：在计算机网络领域CCF-A类期刊IEEE Transactions on Mobile Computing和IEEE/ACM Transactions on Networking发表论文5篇，在数据挖掘领域CCF-A类期刊IEEE Transactions on Knowledge and Data Engineering上发表论文2篇，在软件工程领域CCF-A类期刊IEEE Transactions on Services Computing上发表论文1篇，并在项目执行期间培养了博士3名、硕士5名。