一种空间众包中多类型任务的分配方法与流程

本发明涉及一种空间众包中多类型任务的分配方法，属于分布式计算技术领域。

背景技术：

众包是指“一种把过去由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者，群体来完成的分布式问题求解模式”。早期的问答平台yahoo！answers、wikipedia、百度知道等都是一种众包平台。后期出现了amazonmechanicalturks，crowdflower，odesk等大型众包平台。随着智能手机的普及和无线宽带网络的改善，形成了众包新的发展方向——空间众包(spatialcrowdsourcing)。在众包中用户只要在线执行任务并提交任务的结果，而在空间众包中用户必须移动到任务指定的地点，才可以执行任务。空间众包被广泛应用于o2o(onlinetooffline)，灾情监控，交通管理，公共安全，物流管理和社交媒体等领域。在实时o2o应用中，近年来流行的专车服务平台uber，滴滴出行等，专车用户为任务发布者，发布具体的打车信息；专车司机为众包参与者，负责将客户送达目的地。在以获取数据为目的空间众包应用中，美国gigwalk公司通过空间众包平台，利用带有智能手机的用户收集超市商品的价格。由此可见，空间众包的应用已悄无声息地融入我们的生活中，并在生活中担任着越来越重要的角色。不仅带来了新技术的变革，而且造就了巨大的经济价值，已经引起学术界和产业界的广泛重视。

在空间众包领域中，核心问题是空间任务分配。以服务类o2o应用为例，客人(空间众包任务发布者)发布需要的服务(空间众包任务)，如维修电器、按摩、美发、洗车等，众包平台为客人分配合适的服务人员(空间众包用户)，服务人员到客人指定的地点提供服务。服务人员可接受多个服务要求，然后规划所有服务的路线，尽可能多地执行已接收的服务。现有的任务分配方法是在静态模式下的，这与实际的空间众包平台中要求的及时性相矛盾。空间众包中的任务需要用户能及时完成，例如客户预定的美发服务，服务人员迟点到达会影响用户对该服务的评价，对空间任务分配算法及时性要求很高。本发明给出在服务器推送任务模式下，针对多类型任务的特点，将任务分配给具有专业能力的用户，提高任务完成质量。

技术实现要素：

发明目的：针对现有技术中存在的问题，本发明提供一种空间众包中多类型任务的分配方法，能够提高任务完成的质量，并且能够保证用户的移动成本在可接受范围内。

定义1空间任务(spatialtask)一个空间任务t的形式为＜l,d,ei＞，其中l表示该任务所在的位置，d表示任务t的截止时间，ei表示任务t的类型，下标表示任务的不同类型，多类型任务即所有任务的下标并不相同。

ei表示任务的类型，如是关于维修电器、美发、按摩类等任务。用户只有在任务的截止时间d之前移动到任务位置l处，才能完成任务，否则任务过期失效，本发明忽略任务需要的执行时间。

定义2用户(worker)一个用户w的形式为＜l,q,d,e＞，其中l表示用户的当前位置，q表示用户最多能接受任务的数量，d表示用户区域，e表示用户具有的专业能力集合。

e表示用户具有的专业能力集合，一个用户可以拥有多种技能，e＝{e1,e2,...,ei}。例如一个用户擅长美发、按摩等。

定义3专业匹配(expertisematch)一个匹配的形式为＜w,t＞，其中任务t要在用户的区域内，当用户具有完成任务t的专业能力，即ei∈e，称为专业匹配；若则称为非专业匹配。

定义4匹配分数(score)对每个匹配＜w,t＞定义一个分数值score(w,t)，用于表示用户完成任务的质量。

显然将维修电器的任务分配给具有维修能力的用户，完成质量会比一般用户高，因此，专业匹配分数高于非专业匹配分数。本文不妨假设专业匹配分数为3，非专业匹配分数为1。

定义5任务分配实例集(taskassignmentinstanceset)在时间实例si时，在线用户集合为wi＝{w1,w2,...,wn}，可分配的任务集合为ti＝{t1,t2,...,tm}，所有匹配＜w,t＞的集合为任务分配实例集ii。|ii|代表在si时分配任务的数量。

定义6移动成本(travelcost)用欧氏距离d(wj,tk)计算表示用户wj和空间任务tk的移动成本。

技术方案：一种空间众包中多类型任务的分配方法，在贪婪分配算法基础上，采用基于距离ε值分配方法。

在基于匹配模型的多类型任务分配阶段中，首先将多类型任务分配转化为最大权值问题，利用二分图中的方法进行求解；

其次，对基本的贪婪分配算法进行改进，结合空间任务的位置属性，采用基于距离ε值分配算法，在用户范围内尽可能多地分配专业匹配的任务，在距离用户最近范围内选择ε个任务分配给用户，目的提高任务的完成数量，而且保证用户的移动成本在可接受范围内。

有益效果：与现有技术相比，本发明提供的空间众包中多类型任务的分配方法，，结合任务的特性和空间任务的位置属性，能够提高任务完成的质量，并且在控制用户的移动成本方面具有优势。

附图说明

图1为本发明实施例的用户任务分布图；

图2为本发明实施例的q＝1时的二分图gi；

图3为本发明实施例的q＞1时二分图gi'；

图4为本发明实施例的基于距离ε值分配算法的工作流程图。

具体实施方式

下面结合具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。

一种空间众包中多类型任务的分配方法，包括如下步骤：

步骤一：根据用户任务分布图构建二分图，将多类型任务分配转化为最大权值问题。如图2，图3所示，主要包括以下两部分：

(1)假设所有用户最多只能接受一个任务，在时间实例si时，在线用户集合为wi＝{w1,w2,...,wn}，可分配的任务集合为ti＝{t1,t2,...,tm}。无向图gi＝(v,e)的顶点由wj和tk构成，如果任务tk在用户wj的区域范围内，则有边ej,k∈e连接这两个顶点。由于gi中的每条边ej,k∈e，有一端在wi，另一端在ti，因此图gi是一个二分图。此外，在边e中只有wj和tk同时出现在至多一个边中，＜wj,tk＞才是一个有效的匹配，即每个用户只能接受一个任务，每个任务至多分配给一个用户。将每个边ej,k的权值赋予score(wj,tk)。因此，q＝1时最大分数实例问题就转化为在带权二分图中求最大匹配问题了。如图2所示，当每个用户的q＝1时，图1中的实例转换成的二分图，其中专业匹配的权值为3，非专业匹配的权值为1。

(2)当每个用户至多能接受一个任务时，转化为二分图。当每个用户q＞1时，该如何将任务分配问题转化为想要的二分图问题。不妨用n个逻辑用户来代替用户wj，这些逻辑用户只能接受一个任务，将q＝1的二分图gi转化gi'。|tj|表示在用户wj区域的任务数量，当1＜q≤|tj|，n＝q；否则n＝|tj|。通过逻辑用户来代替用户，可以将最大分数问题转化为在图gi'中求最大权匹配问题。如图3所示，q＞1时，用n个逻辑用户来代替用户wj，将gi图转化为图gi'，用3个逻辑用户表示用户w1，2个逻辑用户表示用户w3。

步骤二：采用基于距离ε值分配算法，如图4所示，其具体实施步骤如下：

(1)利用kuhn-munkras算法解决二分图中最大权值问题，得出最大分配分数的匹配。

(2)用户最近距离内选择ε个任务分配给用户，这些任务与按照最大权值分配的任务不重合，在没有专业匹配时，将距离用户近的任务分配给用户，既可以减少用户的移动成本，又可以提高任务分配数量。通过计算出每对匹配＜w,t＞的移动成本d(wj,tk)，将这些任务按照d(wj,tk)降序排序，从中选择前ε个任务分配分配给用户。