偏好感知的边云协同群智感知参与者选择策略

摘要

群智感知依靠大量用户的移动性和智能设备的传感能力完成数据的收集,已经成为一种有效的感知数据收集方式。现有集中式群智感知网络中,云平台负责任务分发和数据收集等全部过程,难以有效处理大量实时数据,感知成本高;不同参与者对待任务的兴趣不同,忽略偏好因素会导致所选参与者完成任务的效率较低,参与者满意度较差。针对上述群智感知网络中存在的问题,提出一种边云协同架构下偏好感知的参与者选择策略。参与者选择过程由云平台和边缘节点协作执行。云平台基于任务的不同位置向边缘节点分发任务,并且从边缘节点收集数据。边缘节点负责参与者选择过程,通过评估时间匹配度、距离匹配度、任务类型和奖励,量化用户对任务的偏好;通过评估用户的声誉和感知成本,量化任务对用户的偏好。基于双方偏好和稳定匹配理论,将参与者选择问题建模为用户与任务间的多对一稳定匹配问题,并且求解稳定匹配使参与者偏好最大化。结果表明,该策略所选参与者的满意度较高,平台收集的数据质量较好。