一种群智感知任务的派发方法及装置与流程

本发明涉及群智感知技术领域，更具体地说，涉及一种群智感知任务的派发方法、装置、设备及可读存储介质。

背景技术：

随着移动通信和感知技术的迅速发展，涌现出大量创新性的应用和服务，特别是智能手机的普及，将我们迅速带入物联网时代(internetofthings，iot)，使得更全面、更大规模地感知现实世界的各种物理对象和环境状况成为可能。

利用众多设备采集或监测大规模数据的行为称为群智感知。这些设备可以是：智能手机、智能手表、车载传感器(如gps等)。大量诸如此类的移动终端组成了一个无处不在的、具有强大感知能力的移动无线传感器网络，它们内在的流动性使一种新的快速增长的感知模式成为可能，可随时随地地感知周边的环境信息。

这些设备可以通过移动互联网实现有意识或者无意识的合作，用以进行任务分发、数据收集、数据处理等操作，使得人们可以及时地获取自身及其所处环境的状况，如城市环境监测、智能电网、交通状况、医疗保健等，能够扩展人类感知世界的维度，改变人们感知世界的方式，开启移动互联的新领域——移动群智感知。

群智感知任务的派发模式一般为：bubble-sensing模式。该模式将任务信息登记在相关服务器上，利用该服务器给当前任务对应的指定区域的用户广播任务信息。也就是说，每个任务对应的区域都是固定不变的。而由于固定区域内的用户量有限，且任务的执行完全依靠用户的自主性，所以一个任务的有效用户量一般无法确定，所以会降低任务的完成率。

因此，如何提高群智感知任务的完成率，是本领域技术人员需要解决的问题。

技术实现要素：

本发明的目的在于提供一种群智感知任务的派发方法、装置、设备及可读存储介质，以提高群智感知任务的完成率。

为实现上述目的，本发明实施例提供了如下技术方案：

一种群智感知任务的派发方法，包括：

获取目标任务，并确定所述目标任务对应的目标区域；

当所述目标区域与对象区域存在重叠区域时，判断所述重叠区域在所述目标区域中的第一权重值是否大于预设的第一阈值；

若是，则判断对象用户子集在对象用户集合中的第二权重值是否大于预设的第二阈值；当所述第二权重值大于所述第二阈值时，将所述目标任务派发给目标用户，所述目标用户包括：位于所述对象区域且执行对象任务的用户和所述目标区域内的用户；

其中，所述对象区域为所述对象任务对应的区域，所述对象任务为当前群智感知系统中除所述目标任务以外的任意一个任务；所述对象用户子集中的用户包括：位于所述重叠区域且执行所述对象任务的用户；所述对象用户集合中的用户包括：位于所述对象区域且执行所述对象任务的用户。

其中，所述判断所述重叠区域在所述目标区域中的第一权重值是否大于预设的第一阈值，包括：

分别计算所述重叠区域的覆盖面积和所述目标区域的覆盖面积；

判断所述重叠区域的覆盖面积与所述目标区域的覆盖面积的比值是否大于所述第一阈值。

其中，所述判断对象用户子集在对象用户集合中的第二权重值是否大于预设的第二阈值，包括：

分别统计所述对象用户子集中的用户量和所述对象用户集合中的用户量；

判断所述对象用户子集中的用户量与所述对象用户集合中的用户量的比值是否大于所述第二阈值。

其中，所述将所述目标任务派发给目标用户，包括：

按照用户列表将所述目标任务的派发给所述目标用户；所述用户列表中记录了所述对象区域内和所述目标区域内信誉值高于预设的信誉阈值的用户。

其中，还包括：

接收执行所述目标任务的用户提交的执行结果；

按照预设的过滤规则过滤所述执行结果中的错误结果，并将提交错误结果的用户标记为恶意用户。

其中，所述接收执行所述目标任务的用户提交的执行结果之后，还包括：

判断所述执行结果提交用户是否为首次注册用户；

若是，则判断所述执行结果提交用户是否存在对应的推荐用户；当所述执行结果提交用户存在对应的推荐用户时，确定所述执行结果提交用户对应的推荐用户，并按照推荐规则和任务执行规则为所述执行结果提交用户和所述推荐用户分别计算奖励；

若否，则按照任务执行规则为所述执行结果提交用户计算奖励。

其中，还包括：

当所述目标任务完成后，将所述目标任务的任务结果返回给任务提交用户，并计算所述目标任务的完成率；

根据所述完成率计算所述目标任务的实际奖励和所述目标任务的剩余奖励；

确定当前群智感知系统中用户参与率低于预设的参与率阈值的区域，并将所述剩余奖励分配至所述用户参与率低于所述参与率阈值的区域。

一种群智感知任务的派发装置，包括：

获取模块，用于获取目标任务，并确定所述目标任务对应的目标区域；

第一判断模块，用于当所述目标区域与对象区域存在重叠区域时，判断所述重叠区域在所述目标区域中的第一权重值是否大于预设的第一阈值；

第二判断模块，用于当所述第一权重值大于所述第一阈值时，判断对象用户子集在对象用户集合中的第二权重值是否大于预设的第二阈值；当所述第二权重值大于所述第二阈值时，将所述目标任务派发给目标用户，所述目标用户包括：位于所述对象区域且执行对象任务的用户和所述目标区域内的用户；

其中，所述对象区域为所述对象任务对应的区域，所述对象任务为当前群智感知系统中除所述目标任务以外的任意一个任务；所述对象用户子集中的用户包括：位于所述重叠区域且执行所述对象任务的用户；所述对象用户集合中的用户包括：位于所述对象区域且执行所述对象任务的用户。

一种群智感知任务的派发设备，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现上述任意一项所述的群智感知任务的派发方法的步骤。

一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的群智感知任务的派发方法的步骤。

通过以上方案可知，本发明实施例提供的一种群智感知任务的派发方法，包括：获取目标任务，并确定目标任务对应的目标区域；当目标区域与对象区域存在重叠区域时，判断重叠区域在目标区域中的第一权重值是否大于预设的第一阈值；若是，则判断对象用户子集在对象用户集合中的第二权重值是否大于预设的第二阈值；当第二权重值大于第二阈值时，将目标任务派发给目标用户，目标用户包括：位于对象区域且执行对象任务的用户和目标区域内的用户；其中，对象区域为对象任务对应的区域，对象任务为当前群智感知系统中除目标任务以外的任意一个任务；对象用户子集中的用户包括：位于重叠区域且执行对象任务的用户；对象用户集合中的用户包括：位于对象区域且执行对象任务的用户。

可见，对于一个待完成的任务，该方法首先确定出与当前任务对应的区域存在重叠区域的对象区域，即当前任务对应的区域和对象区域存相交区域；当重叠区域在当前任务对应的区域中的第一权重值大于预设的第一阈值时，即：当重叠区域在当前任务对应的区域中的权重较高时，表明当前任务和对象任务存在一定的关联关系；那么进一步判断位于重叠区域且执行对象任务的用户，在对象区域内的全部用户的权重值，是否大于预设的第二阈值，当大于时，表明位于对象区域的全部用户中的大多数用户都位于重叠区域，那么这些位于重叠区域且执行对象任务的用户能完成当前任务的概率则比较高，因为这些用户也属于当前任务的用户。

基于上述判断条件，可以认为对象区域内的全部用户均可能接受当前任务，因此将当前任务派发给当前任务对应的区域以及对象区域，让这两个区域内的用户均执行当前任务，从而可以扩大当前任务的覆盖范围和用户群体；同时，若当前任务与多个任务都满足上述判断条件，则可以将当前任务也派发至更多的区域，进一步扩大当前任务的覆盖范围和用户群体，从而提高当前任务的完成率。

相应地，本发明实施例提供的一种群智感知任务的派发装置、设备及可读存储介质，也同样具有上述技术效果。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例公开的一种群智感知任务的派发方法流程图；

图2为本发明实施例公开的一种群智感知的奖励计算方法流程图；

图3为本发明实施例公开的一种群智感知任务的派发装置示意图；

图4为本发明实施例公开的一种群智感知任务的派发设备示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例公开了一种群智感知任务的派发方法、装置、设备及可读存储介质，以提高群智感知任务的完成率。

参见图1，本发明实施例提供的一种群智感知任务的派发方法，包括：

s101、获取目标任务，并确定目标任务对应的目标区域；

具体的，目标任务即为任务提交者提交至当前群智感知系统中的未完成任务。在群智感知系统中，任务的类型以及应用多种多样，例如：统计某片区域内的常住人口变化，统计某片区域中各个路口的车流变化、噪声变化等。

s102、判断目标区域与对象区域是否存在重叠区域；若是，则执行s103；若否，则执行s106；

其中，对象区域为对象任务对应的区域，对象任务为当前群智感知系统中除目标任务以外的任意一个任务。当然，目标区域可以同时和多个区域存在重叠区域，若目标任务与多个任务都满足本实施例中的判断条件，则可以将目标任务派发至更多的区域，进一步扩大目标任务的覆盖范围和用户群体，从而提高目标任务的完成率。

s103、判断重叠区域在目标区域中的第一权重值是否大于预设的第一阈值；若是，则执行s104；若否，则执行s106；

其中，判断重叠区域在目标区域中的第一权重值是否大于预设的第一阈值，包括：分别计算重叠区域的覆盖面积和目标区域的覆盖面积；判断重叠区域的覆盖面积与目标区域的覆盖面积的比值是否大于第一阈值。也就是判断重叠区域占目标区域中的比重是否较大。

当然，此判断步骤还可以利用逆向思维实现，即判断目标区域中除重叠区域外的剩余区域占目标区域的比重是否小于设定的某个阈值，当小于时，同样也可以表明重叠区域占目标区域的比重较大。或者，利用重叠区域和剩余区域的差值进行判断，也同样可以实现此目的。

s104、判断对象用户子集在对象用户集合中的第二权重值是否大于预设的第二阈值；若是，则执行s105；若否，则执行s106；

s105、将目标任务派发给目标用户，目标用户包括：位于对象区域且执行对象任务的用户和目标区域内的用户；

s106、将目标任务派发给目标区域内的用户。

其中，对象用户子集中的用户包括：位于重叠区域且执行对象任务的用户；对象用户集合中的用户包括：位于对象区域且执行对象任务的用户。

其中，判断对象用户子集在对象用户集合中的第二权重值是否大于预设的第二阈值，包括：分别统计对象用户子集中的用户量和对象用户集合中的用户量；判断对象用户子集中的用户量与对象用户集合中的用户量的比值是否大于第二阈值。

例如：若对象区域内的用户量为b，同时位于重叠区域且执行对象任务的用户量为c，那么c即为对象用户子集中的用户量，b即为对象用户集合中的用户量，那么对象用户子集中的用户量与对象用户集合中的用户量的比值即为c/b。

当然，此判断步骤还可以利用逆向思维实现，即判断对象用户集合中除对象用户子集外的剩余部分占对象用户集合的比重是否小于设定的某个阈值，当小于时，同样也可以表明对象用户子集占对象用户集合的比重较大。或者，利用对象用户子集和对象用户集合中除对象用户子集外的剩余部分的差值进行判断，也同样可以实现此目的。

其中，将目标任务派发给目标用户，包括：按照用户列表将目标任务的派发给目标用户；用户列表中记录了对象区域内和目标区域内信誉值高于预设的信誉阈值的用户。

具体的，按照每个区域中的用户执行任务的情况，统计各个区域内的用户信誉值，并设置各个区域的用户列表，当用户的信誉值高于预设的阈值时，便将该用户添加至对应的列表。用户的信誉值越高，表示其执行任务时提交的任务结果的质量越高。

可见，对于一个待完成的任务，该方法首先确定出与当前任务对应的区域存在重叠区域的对象区域，即当前任务对应的区域和对象区域存相交区域；当重叠区域在当前任务对应的区域中的第一权重值大于预设的第一阈值时，即：当重叠区域在当前任务对应的区域中的权重较高时，表明当前任务和对象任务存在一定的关联关系；那么进一步判断位于重叠区域且执行对象任务的用户，在位于对象区域的全部用户的权重值，是否大于预设的第二阈值，当大于时，表明位于对象区域的全部用户中的大多数用户都位于重叠区域，那么这些位于重叠区域且执行对象任务的用户能完成当前任务的概率则比较高，因为这些用户也属于当前任务的用户。

基于上述判断条件，可以认为对象区域内的全部用户均可能接受当前任务，因此将当前任务派发给当前任务对应的区域以及对象区域，让这两个区域内的用户均执行当前任务，从而可以扩大当前任务的覆盖范围和用户群体；同时，若当前任务与多个任务都满足上述判断条件，则可以将当前任务也派发至更多的区域，进一步扩大当前任务的覆盖范围和用户群体，从而提高当前任务的完成率。

基于上述实施例，需要说明的是，还包括：

接收执行目标任务的用户提交的执行结果；

按照预设的过滤规则过滤执行结果中的错误结果，并将提交错误结果的用户标记为恶意用户。

具体的，群智感知系统中的过滤规则一般多种多样。例如：利用直接判断法直接删除明显错误的任务结果；例如，感知任务需要获取某一个地段的噪音值，正常情况都在0-200db范围内，如果某一数值为10000db，则认为其明显错误。利用各个用户的简介进行判断：对比大多数用户上传的数据，如果某一用户与多数用户上传数据出入较大，则可以视为脏数据。

请参见图2，图2为本发明实施例公开的一种群智感知的奖励计算方法流程图。群智感知的奖励计算在接收执行目标任务的用户提交的执行结果之后，奖励计算包括：

s201、判断执行结果提交用户是否为首次注册用户；若是，则执行s202；若否，则执行s204；

s202、判断执行结果提交用户是否存在对应的推荐用户；若是，则执行s203；若否，则执行s204；

s203、确定执行结果提交用户对应的推荐用户，并按照推荐规则和任务执行规则为执行结果提交用户和推荐用户分别计算奖励；

s204、按照任务执行规则为执行结果提交用户计算奖励。

具体的，推荐用户即为推荐未注册群智感知系统的用户执行任务的用户。例如：用户a经常执行群智感知系统中的任务，而用户b从未参与过群智感知任务；那么用户a推荐用户b执行某任务，同时用户b注册并执行了该任务，那么用户b即为首次注册用户，用户a即为用户b对应的推荐用户。

相应的，可以设置具体的推荐规则和任务执行规则。即：当旧用户推荐新用户加入时，给旧用户进行相应的奖励；当用户执行并提交任务结果后，给用户相应的奖励。

基于上述实施例，需要说明的是，还包括：当目标任务完成后，将目标任务的任务结果返回给任务提交用户，并计算目标任务的完成率；

根据完成率计算目标任务的实际奖励和目标任务的剩余奖励；

确定当前群智感知系统中用户参与率低于预设的参与率阈值的区域，并将剩余奖励分配至用户参与率低于参与率阈值的区域。

需要说明的是，每个任务提交者提交任务时，均会给任务合适的奖励总值，当任务完成后且存在剩余奖励时，可以将剩余奖励分配至用户参与率低于参与率阈值的区域，以吸引该地区的用户参与任务。

本发明实施例公开了一种群智感知任务的派发方案，相对于上一实施例，本实施例对技术方案作了进一步的说明和优化。

该方案的实现过程包括：当任务提交用户要获得任务的统计信息时，将任务转交给服务器，该服务器按照该任务的所在地点，选择符合要求的用户，并将任务转发给这些用户；这些用户需要通过终端进行注册，注册后，用户获得一个身份以及一个位置。当用户接收到任务时，可以自行执行任务，并进行任务转发。转发时可以利用各种社交软件、平台等进行。

其中，服务器可以按照用户列表将任务发给用户。用户列表用来保存历史任务记录中信誉较好的用户，用户列表根据任务地点进行设置，需要说明的是，每个注册用户都有基础信誉积分q，当完成一个任务时，可以按照规则进行更新累积。

其中，若当前任务的任务地点和其他任务地点存在相交区域，则进一步判断是否可以将当前任务派发至其他任务地点，具体判断方法可以参见上述实施。当可以将当前任务派发至其他任务地点，就同时将当前任务派发至其他任务地点，以当前任务的覆盖范围和用户群体，从而提高当前任务的完成率。

其中，用户将任务结果上传至服务器，服务器根据预设的过滤规则，对任务结果进行粗糙过滤，并标记恶意用户；进而将过滤后的任务结果返回给任务提交者。

其中，当任务完成后，根据任务执行结果对用户的信誉积分进行更新，并计算用户的奖励。

例如：某任务需要n个人进行，每个人完成后可得到奖励r，最后上传任务结果的人有n1个人，那么该任务的完成率car＝n1/n；同时，根据完成率计算用户的信誉积分q＝q±car*qt；其中，qt为最大增长积分，例如：完成率为0.5时，则q＝q±0.5*qt，即积分增加与完成率有关；每个用户的奖励为r＝r*car。

若任务提交者对任务支付的总奖励为sr，所以任务完成后的剩余报酬为rr＝sr–n1*r。之后服务器根据整个系统所有任务完成情况，把rr分配到参与人数较少的任务地点，从而促进用户积极参与。

可见，该方案在任务提交者把任务相关信息提交给服务器，服务器根据任务信息筛选符合条件的用户，并将任务分发给符合条件的用户。在分发过程中，从用户角度来看，用户利用自身的社交属性，将任务快速扩散出去。从服务器角度来看，利用任务间的相交区域判断是否可以其他区域发送任务信息，并进一步按照激励机制提高用户参与群智感知任务的积极性，实现扩大用户群体的目的。

下面对本发明实施例提供的一种群智感知任务的派发装置进行介绍，下文描述的一种群智感知任务的派发装置与上文描述的一种群智感知任务的派发方法可以相互参照。

参见图3，本发明实施例提供的一种群智感知任务的派发装置，包括：

获取模块301，用于获取目标任务，并确定目标任务对应的目标区域；

第一判断模块302，用于当目标区域与对象区域存在重叠区域时，判断重叠区域在目标区域中的第一权重值是否大于预设的第一阈值；

第二判断模块303，用于当第一权重值大于第一阈值时，判断对象用户子集在对象用户集合中的第二权重值是否大于预设的第二阈值；当第二权重值大于第二阈值时，将目标任务派发给目标用户，目标用户包括：位于对象区域且执行对象任务的用户和目标区域内的用户；

其中，对象区域为对象任务对应的区域，对象任务为当前群智感知系统中除目标任务以外的任意一个任务；对象用户子集中的用户包括：位于重叠区域且执行对象任务的用户；对象用户集合中的用户包括：位于对象区域且执行对象任务的用户。

其中，第一判断模块具体用于：

分别计算重叠区域的覆盖面积和目标区域的覆盖面积；

判断重叠区域的覆盖面积与目标区域的覆盖面积的比值是否大于第一阈值。

其中，第二判断模块具体用于：

分别统计对象用户子集中的用户量和对象用户集合中的用户量；

判断对象用户子集中的用户量与对象用户集合中的用户量的比值是否大于第二阈值。

其中，第二判断模块具体用于：

按照用户列表将目标任务的派发给目标用户；用户列表中记录了对象区域内和目标区域内信誉值高于预设的信誉阈值的用户。

其中，还包括：

接收模块，用于接收执行目标任务的用户提交的执行结果；

过滤模块，用于按照预设的过滤规则过滤执行结果中的错误结果，并将提交错误结果的用户标记为恶意用户。

其中，还包括：

用户类型判断模块，用于判断执行结果提交用户是否为首次注册用户；

第一奖励计算模块，用于判断执行结果提交用户是否存在对应的推荐用户；当执行结果提交用户存在对应的推荐用户时，确定执行结果提交用户对应的推荐用户，并按照推荐规则和任务执行规则为执行结果提交用户和推荐用户分别计算奖励；

第二奖励计算模块，用于按照任务执行规则为执行结果提交用户计算奖励。

其中，还包括：

返回模块，用于当目标任务完成后，将目标任务的任务结果返回给任务提交用户，并计算目标任务的完成率；

剩余奖励计算模块，用于根据完成率计算目标任务的实际奖励和目标任务的剩余奖励；

分配模块，用于确定当前群智感知系统中用户参与率低于预设的参与率阈值的区域，并将剩余奖励分配至用户参与率低于参与率阈值的区域。

下面对本发明实施例提供的一种群智感知任务的派发设备进行介绍，下文描述的一种群智感知任务的派发设备与上文描述的一种群智感知任务的派发方法及装置可以相互参照。

参见图4，本发明实施例提供的一种群智感知任务的派发设备，包括：

存储器401，用于存储计算机程序；

处理器402，用于执行所述计算机程序时实现上述任意实施例所述的群智感知任务的派发方法的步骤。

下面对本发明实施例提供的一种可读存储介质进行介绍，下文描述的一种可读存储介质与上文描述的一种群智感知任务的派发方法、装置及设备可以相互参照。

一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任意实施例所述的群智感知任务的派发方法的步骤。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。