[发明专利]一种基于时空众包工人行为预测的任务分配方法

权利要求书

1.一种基于众包工人时空行为预测的任务分配方法，其特征在于，包括以下步骤：

步骤S1、根据时空特征将搜索空间划分为一系列连续的时空环境，沿着经度和纬度将待分配任务所在的区域划分为M×N个网格，网格划分的分辨率根据应用需要由M和N控制；

步骤S2、将众包工人的时空数据以及外部影响因素输入到面向时空预测的高效神经网络学习模型中，预测众包工人在下一个时间戳可能到达的地点；

步骤S3、获取当前环境状态下所有待完成的时空众包任务集合，并依次编号，从而构成时空众包任务集合；

步骤S4、获取经过AutoST模型预测后的时空众包工人集合，并依次编号，从而构成时空众包工人集合；

步骤S5、采用改进的贪婪算法为每个众包工人推荐最佳任务，实施全局最优任务分配策略。

2.如权利要求1所述的基于众包工人时空行为预测的任务分配方法，其特征在于，所述步骤S2的具体步骤为：

S21、设计高效的时空搜索空间，动态捕捉空间相关性；

S22、将众包工人与任务的亲密度、众包工人的运动周期、趋势动向构成三范式，和外部影响因素一起输入到AutoST模型中进行时空预测；

S23、通过搜索算法对模型做进一步的优化；

S24、准确率计算，选择平均绝对误差和平均绝对百分比误差来衡量预测的准确率。

3.如权利要求1所述的基于众包工人时空行为预测的任务分配方法，其特征在于，所述步骤S5的具体步骤如下：

S51、将从步骤S3获取的时空众包任务集合构建成任务队列，每当工人到达或工人完成他的最后一个任务时，算法从任务队列中为他找到一个新任务；

S52、使用制定的贪心函数来为众包工人推荐新的任务，综合考虑众包任务的有效时间以及工人与任务之间的距离比，计算如下：

其中Ben(w,t)表示任务的推荐质量，d_n-r_n表示任务的有效时间，dis(p_n-l_n)表示众包工人与任务之间的距离，在任务上限时间相似的条件下，Ben(w,t)值越大，任务越值得推荐。

4.如权利要求2所述的基于众包工人时空行为预测的任务分配方法，其特征在于，所述步骤S21的具体步骤如下：

S211、候选单元处理，使用低卷积捕获局部相关性和用高卷积编码获取全局相关性进行众包工人行为预测；

S212、操作模块处理；

S213、构建神经结构搜索网络。

5.如权利要求2所述的基于众包工人时空行为预测的任务分配方法，其特征在于，所述步骤S22的具体步骤如下：

采用CPT范式，将众包工人与任务的亲密度、众包工人的运动周期和趋势动向以及外部影响因素输入到AutoST模型中，其中众包工人与任务的亲密度通过皮尔逊相关系数方法求出。

6.如权利要求2所述的基于众包工人时空行为预测的任务分配方法，其特征在于，所述步骤S23的具体步骤如下：

AutoST的训练包括两个阶段，搜索阶段和验证阶段，在搜索阶段，首先将数据分解为训练集和验证集，然后利用训练损失对共同的神经网络训练参数进行优化。