申请/专利权人:烟台大学
申请日:2023-12-22
公开(公告)日:2024-03-29
公开(公告)号:CN117455200B
主分类号:G06Q10/0631
分类号:G06Q10/0631;G06F16/29;G06N3/0442;G06F21/62
优先权:
专利状态码:有效-授权
法律状态:2024.03.29#授权;2024.02.13#实质审查的生效;2024.01.26#公开
摘要:本发明提供了一种众包环境下的多阶段任务分配方法、系统、设备及介质,其属于任务分配技术领域,所述方案基于轨迹预测,采用两阶段的任务分配过程,将离线指导与在线分配相结合,充分考虑实际工作场景的动态性,能够在较短时间内实现最大化的空间覆盖率;同时,所述方案充分利用Geohash算法、贪婪策略以及基于地理位置打包任务点的策略对任务分配过程进行优化,以获得最优的任务分配方案;通过上述优化策略的结合有效提高了分配效率,降低了成本花销,成功实现了最大化空间覆盖率的目标。
主权项:1.一种众包环境下的多阶段任务分配方法,其特征在于,包括:基于众包工人的历史运动轨迹,利用预先训练的基于深度学习的轨迹预测模型,对众包工人未来预设时间段的运行轨迹进行预测;基于发布的众包任务以及众包工人的预测运行轨迹,通过匹配计算确定每个任务点的候选机会式工人集合;以及,以能够完成的任务数量为选择指标从候选机会式工人集合中进行工人选择,获得众包任务对应的最佳工人,实现离线任务分配;将离线任务分配后且在线任务分配启动前未分配的众包任务以及在线任务分配启动时,离线任务中未完成的众包任务基于地理位置进行打包,并基于打包后任务集中若干任务的中心位置,从剩余的未分配任务的工人中进行任务分配,实现在线任务分配;所述通过匹配计算确定每个任务点的候选机会式工人集合,具体为:基于发布的众包任务的任务点相关信息,以及众包工人在未来预设时间段内运行轨迹对应的轨迹点,利用Geohash算法确定每个任务点对应的候选机会式工人集合;所述将离线任务分配后且在线任务分配启动前未分配的众包任务以及在线任务分配启动时,离线任务中未完成的众包任务基于地理位置进行打包,具体为:基于众包任务对应任务点的地理位置信息进行Geohash编码,根据精度范围要求,确定编码长度,在指定半径范围内对其所覆盖范围半径内的任务进行打包,将其覆盖区域的Geohash编码的中心位置作为打包后的任务的中心位置;所述离线任务分配的执行阶段为所述预设时间段内;所述在线任务分配的执行时刻为所述预设时间段结束前的预设时刻;所述候选机会式工人的确定需满足如下约束:候选机会式工人在在线任务分配执行前完成分配任务;以及候选机会式工人在众包任务的感知范围内;所述以能够完成的任务数量为选择指标从候选机会式工人集合中进行工人选择,具体为:选择能单个完成多任务的候选工人,在保证最大化完成任务空间覆盖率的同时将招募机会式工人的预算的花销降到最低。
全文数据:
权利要求:
百度查询: 烟台大学 众包环境下的多阶段任务分配方法、系统、设备及介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。