基于路径依赖理论的群智感知激励方法、系统及设备

摘要

本公开实施例中提供了一种基于路径依赖理论的群智感知激励方法、系统及设备，属于计算技术领域，具体包括：根据任务点处周围的移动智能设备密度，将任务分为偏远地区任务和热门地区任务；将提供数据收集服务的参与者进行分类；平台向参与者发布任务，并公布培育阶段和维持阶段不同的报酬支付方式；平台获取参与者的目标任务点、报价以及参与者和任务点的距离信息；计算每个参与者的竞争力值并选取获胜者；参与者完成任务后，平台根据参与者完成任务的类型以及参与者的类型支付报酬；对于培育阶段的参与者，当参与者的概率培育值与路径依赖值达到阈值的时候，则将其更改为维持阶段的参与者。通过本公开的方案，提高了任务覆盖率和平台效用。

说明书

技术领域

本公开实施例涉及计算技术领域，尤其涉及一种基于路径依赖理论的群智感知激励方法、系统及设备。

背景技术

目前，群智感知是指将移动智能设备作为基本感知单元，感知单元通过有意识或无意识的协作实现感知任务收集、处理、分发等，完成复杂的、规模较大的感知任务。在一些基于位置且需要稳定数据的群智感知场景下，往往需要参与者进行大规模且长期的数据收集。如在空气质量监测中，平台需要对一个地区内各个位置一段时间的空气质量进行收集，以观测整个地区的空气质量的变化特征，这类群智感知任务称为位置依赖的群智感知任务。

在位置依赖的群智感知任务场景中，位于移动设备密集区域的监测点能够较为容易的获取数据，但位于移动设备稀疏区域的监测点则难以获得足够的数据，且由于长期提供数据会给参与者造成较大负担，如设备性能，存储，电量，参与者时间等因素的成本提高等，长期提供数据难度较大，造成感知数据连贯性不够。因此设计相关的激励机制，来激励参与者长期稳定的提供偏远地区数据感知，提高任务的覆盖率是非常必要的。

现有的位置依赖群智感知中的激励机制主要分为基于货币和基于非货币两种类型，其中基于货币的激励机制是最直接也是应用范围最广的激励机制。基于货币的激励机制通过拍卖等形式给予参与者金钱奖励，基于非货币的激励机制通过娱乐、声誉等方式激励参与者参与。然而，现有的激励机制都是基于传统经济学完全理性假设，即参与者能够掌握全部的客观信息，并且根据自身的绝对效用做出理性决策。然而，在实际的感知场景下，平台与参与者会形成一定的信息差，并且根据路径依赖理论的研究，人一旦做了某种决策就会像走上一条路径一般，后面的决策会受到其影响，无法轻易离开，并且有群体性影响。

可见，亟需一种能提高任务覆盖率与稳定性的基于路径依赖理论的群智感知激励方法。

发明内容

有鉴于此，本公开实施例提供一种基于路径依赖理论的群智感知激励方法、系统及设备，至少部分解决现有技术中存在任务覆盖率与稳定性较差的问题。

第一方面，本公开实施例提供了一种基于路径依赖理论的群智感知激励方法，包括：

步骤1，根据任务点处周围的移动智能设备密度，将任务分为偏远地区任务和热门地区任务；

步骤2，将提供数据收集服务的参与者进行分类，对于未完成路径依赖培育的参与者，使其进入培育阶段进行路径依赖培育，对于已完成路径依赖培育的参与者，使其进入维持阶段进行数据收集；

步骤3，平台向参与者发布任务，并公布培育阶段和维持阶段不同的报酬支付方式，其中，所述报酬支付方式包括偏远地区培育类报酬、偏远地区维持类报酬、热门地区类报酬；

步骤4，平台获取参与者的目标任务点、报价

步骤5，平台根据参与者本轮选择的任务的报价

步骤6，参与者完成任务后，平台根据参与者完成任务的类型以及参与者的类型支付报酬；

步骤7，计算参与者的概率培育值

根据本公开实施例的一种具体实现方式，所述步骤5具体包括：

根据参与者本轮选择的任务的报价

其中，ω

将竞争同一个任务的参与者的中标评分进行排序，选取竞争力值高的参与者作为获胜者。

根据本公开实施例的一种具体实现方式，所述偏远地区培育类报酬的计算公式为：

其中rex

其中，α

其中

其中

根据本公开实施例的一种具体实现方式，所述偏远地区维持类报酬的计算公式为：

其中

其中

其中π(α

其中

其中依赖强化奖励

根据本公开实施例的一种具体实现方式，所述概率培育值

其中

根据本公开实施例的一种具体实现方式，所述路径依赖值

其中

其中

第二方面，本公开实施例提供了一种基于路径依赖理论的群智感知激励系统，包括：

任务分类模块，用于根据任务点处周围的移动智能设备密度，将任务分为偏远地区任务和热门地区任务；

参与者分类模块，用于将提供数据收集服务的参与者进行分类，对于未完成路径依赖培育的参与者，使其进入培育阶段进行路径依赖培育，对于已完成路径依赖培育的参与者，使其进入维持阶段进行数据收集；

任务发布模块，用于平台向参与者发布任务，并公布培育阶段和维持阶段不同的报酬支付方式，其中，所述报酬支付方式包括偏远地区培育类报酬、偏远地区维持类报酬、热门地区类报酬；

参与者选择任务模块，用于平台获取参与者的目标任务点、报价

任务分配模块，用于平台根据参与者本轮选择的任务的报价

报酬支付模块，用于参与者完成任务后，平台根据参与者完成任务的类型以及参与者的类型支付报酬；

参与者类型判定模块，用于计算参与者的概率培育值

第三方面，本公开实施例还提供了一种电子设备，该电子设备包括：

至少一个处理器；以及，

与该至少一个处理器通信连接的存储器；其中，

该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行前述第一方面或第一方面的任一实现方式中的基于路径依赖理论的群智感知激励方法。

本公开实施例中的基于路径依赖理论的群智感知激励方案，包括：步骤1，根据任务点处周围的移动智能设备密度，将任务分为偏远地区任务和热门地区任务；步骤2，将提供数据收集服务的参与者进行分类，对于未完成路径依赖培育的参与者，使其进入培育阶段进行路径依赖培育，对于已完成路径依赖培育的参与者，使其进入维持阶段进行数据收集；步骤3，平台向参与者发布任务，并公布培育阶段和维持阶段不同的报酬支付方式，其中，所述报酬支付方式包括偏远地区培育类报酬、偏远地区维持类报酬、热门地区类报酬；步骤4，平台获取参与者的目标任务点、报价

本公开实施例的有益效果为：通过本公开的方案，利用信息差的设置使参与者产生概率高估。对于额外报酬的获得概率，平台设置公布的概率与真实的概率，通过两个概率的不同对参与者进行培养，使得参与者在之后的决策中对获得额外报酬的概率产生高估。并且通过对路径依赖理论的应用，将路径依赖值量化，提高了平台稳定长期收集数据的能力，提高了任务覆盖率和平台效用，本方案在实际场景中能有更有效的激励效果。

附图说明

为了更清楚地说明本公开实施例的技术方案，下面将对实施例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公开的一些实施例，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它的附图。

图1为本公开实施例提供的一种基于路径依赖理论的群智感知激励方法的流程示意图；

图2为本公开实施例提供的一种基于路径依赖理论的群智感知激励方法涉及的物理场景实施过程示意图；

图3为本公开实施例提供的另一种基于路径依赖理论的群智感知激励方法的流程图；

图4为本公开实施例提供的相同数据下本发明实施例与现有方法，移动智能设备参与感知任务的任务覆盖率对比图；

图5为本公开实施例提供的相同数据下使用本发明实施例与现有方法，移动智能设备参与感知任务的留存率对比图；

图6为本公开实施例提供的相同数据下使用本发明实施例与现有的具有代表性的方法，平台总效用对比图；

图7为本公开实施例提供的一种基于路径依赖理论的群智感知激励系统的结构示意图；

图8为本公开实施例提供的电子设备示意图。

具体实施方式

下面结合附图对本公开实施例进行详细描述。

以下通过特定的具体实例说明本公开的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本公开的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。

需要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开，所属领域的技术人员应了解，本文中所描述的一个方面可与任何其它方面独立地实施，且可以各种方式组合这些方面中的两者或两者以上。举例来说，可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外，可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。

还需要说明的是，以下实施例中所提供的图示仅以示意方式说明本公开的基本构想，图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

另外，在以下描述中，提供具体细节是为了便于透彻理解实例。然而，所属领域的技术人员将理解，可在没有这些特定细节的情况下实践所述方面。

本公开实施例提供一种基于路径依赖理论的群智感知激励方法，所述方法可以应用于群智感知场景的用户激励过程中。

参见图1，为本公开实施例提供的一种基于路径依赖理论的群智感知激励方法的流程示意图。如图1所示，所述方法主要包括以下步骤：

步骤1，根据任务点处周围的移动智能设备密度，将任务分为偏远地区任务和热门地区任务；

具体实施时，如图2和图3所示，可以先构建位置依赖群智感知系统环境，并根据任务信息进行任务分类。如图1所示，设置环境中有N个任务参与者，M个感知任务点，每个任务点需要的数据量为δ

基于感知任务位置处周围移动智能设备密度

对于本公开实施例的仿真实验，具体实验参数如表1所示。任务价值的分布与任务类型有关，参与者成本与参与者移动的距离有关。

表1

步骤2，将提供数据收集服务的参与者进行分类，对于未完成路径依赖培育的参与者，使其进入培育阶段进行路径依赖培育，对于已完成路径依赖培育的参与者，使其进入维持阶段进行数据收集；

具体实施时，可以根据下面公式计算参与者的概率培育值和路径依赖值：

根据

步骤3，平台向参与者发布任务，并公布培育阶段和维持阶段不同的报酬支付方式；

进一步的，所述偏远地区培育类报酬的计算公式为：

其中rex

其中，α

其中

其中

进一步的，所述偏远地区维持类报酬的计算公式为：

其中

其中

其中π(α

其中

其中依赖强化奖励

具体实施时，可以根据步骤1的计算将任务进行分类发布，将偏远地区任务ta

对于路径培养阶段的参与者，偏远地区任务ta

具体的，所述偏远地区培育类报酬进一步包括：

其中rex

其中，α

其中

其中依赖强化奖励

对于路径培养阶段的参与者，热门地区任务ta

对于路径维持阶段的参与者，偏远地区任务ta

具体的，所述偏远地区路径维持报酬进一步包括：

其中

其中

其中π(α

其中

其中依赖强化奖励

步骤4，平台获取参与者的目标任务点、报价

具体实施时，参与者根据步骤3发布的任务分类及报酬支付方式，结合参与任务的成本对各任务进行效用预估。参与者的成本公式为：

其中

参与者预估的效用公式为

完成效用预估后，参与者选择预期效用最高的任务进行投标，投标方式按以下公式计算：

参与者会结合自身的效用以及参与任务竞争后获胜的概率进行任务选择，使用任务选择权重

步骤5，平台根据参与者本轮选择的任务的报价

在上述实施例的基础上，所述步骤5具体包括：

根据参与者本轮选择的任务的报价

其中，ω

将竞争同一个任务的参与者的中标评分进行排序，选取竞争力值高的参与者作为获胜者。

具体实施时，发布感知任务，根据参与者提交的报价b

其中ω

步骤6，参与者完成任务后，平台根据参与者完成任务的类型以及参与者的类型支付报酬；

具体实施时，参与者进行数据收集然后发送至平台，然后平台根据步骤3的报酬支付规则对完成数据收集任务的参与者进行报酬支付。

步骤7，计算参与者的概率培育值

在上述实施例的基础上，所述概率培育值

其中

进一步的，所述路径依赖值

其中

其中

具体实施时，在参与者完成任务后，可以对参与者进行信息更新，具体的，可以先计算参与者的概率培育值

其中

所述路径依赖值

其中

其中

本公开实施例，通过竞争力值进行获胜者的筛选，能够有效的降低参与者的报价以及与任务点之间的距离，通过偏远地区额外报酬的发放能够有效提高参与者对偏远地区任务的预期效用，使其选择偏远地区任务，两者结合能够有效地激励参与者向偏远地区移动。

根据路径依赖理论将参与者的路径依赖值进行量化，当参与者预期效用高时提高其路径依赖值，使其能够稳定长期的为任务点提供数据收集服务，同时利用概率的培育为平台方提高效用。

同时，还可以计算任务执行过程中平台总效用。

平台总效用计算公式如下所示：

其中，R

在本实施例中，首先评估了不同类型任务下参与者的预期效用比较，表示在本激励方法中，两种任务的预期效用对比，参与者会倾向于选择预期效用更高的任务，实验结果如表2所示。

表2

为了更进一步评估本发明的性能，本发明也与其它目前有代表性的方法(On-demand)进行比较，实验结果如表3、表4和表5所示，其中表3表示两种方法的任务覆盖率对比，表4表示两种方法的设备留存率对比，表5表示两种方法的平台总效用对比，对应实验如图4、图5和图6所示。验证结果表明，本发明的各项性能均优于其它目前最先进的方法。其中图4和图5显示在相同的物理环境下，即参与者数量与分布、任务数量与位置分布均相同的情况下，随着任务轮次的增加，本方法的任务覆盖率和留存率始终高于On-demand方法，且上升速度较快。其中图6显示在相同物理环境下，本方法由于前期的高概率诱导，造成效用略低于On-demand，当参与者进入路径维持阶段后平台的总效用长期保持较高水平。

表3

表4

表5

本实施例提供的基于路径依赖理论的群智感知激励方法，通过信息差的设置使参与者产生概率高估。对于额外报酬的获得概率，平台设置公布的概率与真实的概率，通过两个概率的不同对参与者进行培养，使得参与者在之后的决策中对获得额外报酬的概率产生高估。并且通过对路径依赖理论的应用，将路径依赖值量化，提高了平台稳定长期收集数据的能力，提高了任务覆盖率和平台效用，本方案在实际场景中能有更有效的激励效果。

与上面的方法实施例相对应，参见图7，本公开实施例还提供了一种基于路径依赖理论的群智感知激励系统70，包括：

任务分类模块701，用于根据任务点处周围的移动智能设备密度，将任务分为偏远地区任务和热门地区任务；

参与者分类模块702，用于将提供数据收集服务的参与者进行分类，对于未完成路径依赖培育的参与者，使其进入培育阶段进行路径依赖培育，对于已完成路径依赖培育的参与者，使其进入维持阶段进行数据收集；

任务发布模块703，用于平台向参与者发布任务，并公布培育阶段和维持阶段不同的报酬支付方式，其中，所述报酬支付方式包括偏远地区培育类报酬、偏远地区维持类报酬、热门地区类报酬；

参与者选择任务模块704，用于平台获取参与者的目标任务点、报价

任务分配模块705，用于平台根据参与者本轮选择的任务的报价

报酬支付模块706，用于参与者完成任务后，平台根据参与者完成任务的类型以及参与者的类型支付报酬；

参与者类型判定模块707，用于计算参与者的概率培育值

图7所示系统可以对应的执行上述方法实施例中的内容，本实施例未详细描述的部分，参照上述方法实施例中记载的内容，在此不再赘述。

参见图8，本公开实施例还提供了一种电子设备80，该电子设备包括：至少一个处理器以及与该至少一个处理器通信连接的存储器。其中，该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行前述方法实施例中的基于路径依赖理论的群智感知激励方法。

本公开实施例还提供了一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使该计算机执行前述方法实施例中的基于路径依赖理论的群智感知激励方法。

本公开实施例还提供了一种计算机程序产品，该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序，该计算机程序包括程序指令，当该程序指令被计算机执行时，使该计算机执行前述方法实施例中的基于路径依赖理论的群智感知激励方法。

下面参考图8，其示出了适于用来实现本公开实施例的电子设备80的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图8示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图8所示，电子设备80可以包括处理装置(例如中央处理器、图形处理器等)801，其可以根据存储在只读存储器(ROM)802中的程序或者从存储装置808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。在RAM 803中，还存储有电子设备80操作所需的各种程序和数据。处理装置801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。

通常，以下装置可以连接至I/O接口805：包括例如触摸屏、触摸板、键盘、鼠标、图像传感器、麦克风、加速度计、陀螺仪等的输入装置806；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置807；包括例如磁带、硬盘等的存储装置808；以及通信装置809。通信装置809可以允许电子设备80与其他设备进行无线或有线通信以交换数据。虽然图中示出了具有各种装置的电子设备80，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置809从网络上被下载和安装，或者从存储装置808被安装，或者从ROM 802被安装。在该计算机程序被处理装置801执行时，执行本公开实施例的方法中限定的上述功能。

需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备可以执行上述方法实施例的相关步骤。

或者，上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备可以执行上述方法实施例的相关步骤。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Sma l l ta lk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。

应当理解，本公开的各部分可以用硬件、软件、固件或它们的组合来实现。

以上所述，仅为本公开的具体实施方式，但本公开的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应以权利要求的保护范围为准。