用于空间众包任务匹配的未知工人效用估计方法

王亦敬，陈 荣，郭世凯，于 茜，张程伟

(大连海事大学 信息技术学院 辽宁 大连 116026)

0 引言

随着先进移动设备以及无线网络的普及，出现了一种新的众包方式——空间众包(spatial crowdsourcing，SC)[1-2]。SC系统由一群工人、一个云平台和需求者组成，平台负责发布各种与位置相关的空间任务，工人可以自身移动到这些位置并完成相关的空间任务[3]。SC可以完成大量个人用户无法应对的空间任务，已广泛应用于诸多领域。如何将这些任务分配给工人成为当前SC研究的主要问题[4]。现有的SC研究和技术工作一般聚焦在普通空间任务上，这些任务可以由非专业劳动者完成，例如众包灾难响应和新闻报道。随着任务的多样化，寻找具有专业知识且质量高的工人完成特定空间任务成为SC任务分配的目标之一，例如某景点的法语解说工作[5]。同时，人们开始关注任务的完成质量，这意味着平台需要明确任务和工人属性，以便精准分配和高效完成任务。

当前研究中一般单纯考虑任务是否分配或工人的专业知识是否与任务相匹配[6]，导致平台很可能将一个难度较大的任务分配给一个水平不够或信誉度较低的工人。若没有考虑工人是否能够胜任，即无法得知该工人成功完成任务的概率，必然会影响任务完成率以及精确分配分数等评价指标。其中，最大化任务分配数量(maximum task assignment, MTA)是大部分工作的首要目标[7]，其主要算法有两种：一为二分图匹配。当不考虑工人任务时限问题并假设所有工人皆能可靠完成任务时，便转化为二分图匹配问题。……