申请/专利权人：辽宁工程技术大学

申请日：2020-11-06

公开（公告）日：2024-06-21

公开（公告）号：CN112328914B

主分类号：G06Q10/0631

分类号：G06Q10/0631;G06F16/9537;G06N3/0464;G06N3/092;G06N3/048

优先权：

专利状态码：有效-授权

法律状态：2024.06.21#授权;2021.02.26#实质审查的生效;2021.02.05#公开

摘要：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。

主权项：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假日信息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；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，和外部影响因素假日信息一起输入到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；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Benw,t表示任务的推荐质量，dn-rn表示任务的有效时间，dispn-ln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，Benw,t值越大，任务越值得推荐。

全文数据：

权利要求：

百度查询： 辽宁工程技术大学 一种基于时空众包工人行为预测的任务分配方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD