群智感知系统中多维众包数据建模、存储索引与查询优化研究

With the rapid development of the mobile internet, the internet of things and the pervasive computing technology, the mobile computing technology has brought more extension requirements for crowdsourcing data processing; it not only extends the type of data that the crowdsourcing data management system can manage, but also extends the way that crowdsourcing data management system can obtain data. The traditional service model of the online package platform can not properly handle multidimensional crowdsourcing data, and the research on multidimensional crowdsourcing are still in its infancy, like, multidimensional crowdsourcing data models, data storage and indexing technology, and multidimensional crowdsourcing data query processing. Therefore, in this project, we aim to expand existing research, hold the key technologies of multidimensional crowdsourcing data processing and optimization, and regard optimizing task allocates operation of multidimensional crowdsourcing as the core technology. We make the dynamic of the crowdsourcing participants into two different data models to improve the decision efficiency and accuracy; using the coding technology to establish a hybrid storage index structure to support all kinds of multidimensional crowdsourcing query; utilizing online algorithm theory to solve the dynamic query of multidimensional crowdsourcing and meet the needs of dealing with real scenes; and we also verify the effectiveness of the above research results by constructing a prototype system of multidimensional crowdsourcing data processing. Further more, the research results will provide a new solution for multidimensional crowdsourcing data processing and stretch its application area.

随着移动互联网、物联网与普适计算技术的快速发展，移动计算技术为众包数据处理带来了更多的外延需求，它不仅延伸了众包数据管理系统所需管理数据的类型，更延伸了众包数据管理系统可获取数据的方式。传统在线众包平台的服务模式不能很好地处理多维众包数据，而且对多维众包数据模型、存储索引技术及多维众包数据查询处理技术的研究仍然处于起步阶段。因此，本项目旨在拓展现有研究的基础上，紧紧围绕多维众包数据处理及其优化关键技术展开深入研究。本项目以多维众包任务分配操作的优化技术为核心，将众包参与者的动态性抽象成两类不同数据模型，以提高模型的决策效率和精准度；采用编码技术建立混合存储索引结构，以支持各类多维众包查询；采用在线算法理论求解多维众包动态查询，使其满足处理真实场景的需要；通过构建多维众包数据处理原型系统验证上述研究成果的有效性。研究成果将为多维众包数据处理问题提供新型的解决方案，并进一步拓宽其应用领域。

互联网数据研究机构研究报告显示，全球网民数量已达40亿，一年时间便增长了近 2.5 亿。在互联网如此便利化的时代，一种基于网络通过群体智慧解决问题的新模式（众包）顺势而生。众包是指“一种把过去专职员工执行的工作任务通过公开的 Web 平台，以自愿的形式外包给非特定的解决方案提供群体来完成的分布式问题求解模式”。众包技术除了可以便利人们的生活还可以给企业带来巨大效益。传统众包任务通常是由参与者在线上完成，对参与者的工作地点没有特殊要求。然而，随着移动互联网与物联网的快速发展，移动计算技术为众包数据处理不仅延伸了众包数据管理系统所需管理数据的类型，更延伸了众包数据管理系统获取数据的方式。尽管从一个移动设备获得的信息非常有限，但利用先进的数据分析技术，我们能从庞大用户群的聚合数据集中获得新信息，例如物流管理，灾情监控。这两个应用，传统的众包数据处理技术很难实现，主要原因是传统在线众包平台的服务模式不能很好地处理多维众包数据，而且对多维众包数据模型、存储索引技术及多维众包数据查询处理技术的研究仍然处于起步阶段。 因此，本项目在拓展现有研究的基础上，紧紧围绕多维众包数据处理及其优化关键技术展开深入研究。本项目以多维众包任务分配操作的优化技术为核心，将众包参与者的动态性抽象成两类不同数据模型，以提高模型的决策效率和精准度；采用编码技术建立混合存储索引结构，采用在线算法理论求解多维众包动态查询，使其满足处理真实场景的需要；通过构建多维众包数据处理原型系统验证上述研究成果的有效性。研究成果将为多维众包数据处理问题提供新型的解决方案，并进一步拓宽其应用领域。而目前本项目对群智感知数据分析及优化的若干关键技术问题完成了理论突破，并实现一个群智感知数据处理原型系统，且在多维众包数据模型构建、群智感知数据的存储与索引、查询处理与优化技术、群智感知数据分析原型系统体系结构以及性能评价与分析方法等方面都有进展。