[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

说明书

本发明提供了一种基于众包工人时空行为预测的任务分配方法，该方法包括以下步骤：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；S2、将众包工人的时空数据以及外部影响因素输入到AutoST时空预测模型中，预测众包工人在下一个时间戳可能到达的地点；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；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；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。本发明的基于众包工人时空行为预测的任务分配方法考虑到众包工人和任务的动态特征，在满足时间约束的条件下，尽可能降低众包工人的总旅行成本，达到了高效的多任务分配，提高任务分配的质量与效率。

技术领域

本发明属于神经网络和推荐算法的技术领域，尤其涉及一种基于时空众包工人行为预测的任务分配方法。

背景技术

近年来，随着移动互联网的发展，促使着智能设备的迅速普及，时空众包引起了人们的广泛关注，逐渐成为一种创新性的变革性平台，人们可通过实际移动到指定位置来执行众包任务，如获取道路的实时路况信息，收集地点信息等。新兴的众包应用平台包括滴滴和Uber等打车服务，美团和Eleme等订餐和送货服务，以及GigWalk等动态信息收集服务。如何给工人分配最佳的时空任务依然作为时空众包领域研究的一个核心热点问题。

现有的众包任务分配方式通常假设基于静态场景，时空众包任务和工人的时空信息在任务分配前已完全获知，而在现实场景中时空众包任务和工人都是无规律动态出现的，因此，时空信息的预测对于提高时空众包平台的任务分配具有很大的潜力。此外，解决时空众包任务分配问题，大多基于静态场景下的任务分配方式没有综合考虑任务有效时间和总旅行成本等约束条件，无法对众包工人进行最佳的全局最佳任务分配策略，将会导致时空众包任务和工人的闲置率过高，进而存在任务分配效率不高的情况。

发明内容

有鉴于此，本发明是为了解决上述现有技术和方法存在的不足之处，提出一种基于时空众包工人行为预测的任务分配方法，通过综合考虑时空众包数据的时间依赖性和空间依赖性来分析工人行为轨迹预测问题，综合考虑任务有效时间和总旅行成本等约束来分析全局最佳任务分配问题，为工人推荐合适的任务，以期提高任务分配的质量和效率。

为了达到上述目的，本发明通过以下技术方案来实现：

本发明一种基于众包工人时空行为预测的任务分配方法的特点在于，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(AutoST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T＝{t₁,t₂,...,t_n}；t_n表示第n个时空众包任务；此外，第n个空间众包任务包含4个属性，即：t_n＝l_n,r_n,d_n,b_n，其中l_n表示第n个众包任务的位置，取值为二维地理坐标，r_n和d_n分别表示第n个众包任务的发布时间和任务的截止时间，取值为时间点，b_n表示第n个众包任务完成时给平台的收益；