项目名称: 位置相关众感任务的群组构建方法研究

项目编号: No.61300103

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 自动化技术、计算机技术

项目作者: 於志勇

作者单位: 福州大学

项目金额: 27万元

中文摘要: 随着Web 2.0、智能手机、全球定位系统、可定制地图等技术的日趋成熟和流行,一种基于大众的感知系统蔚然兴起,被称为大众感知(众感)系统。众感系统的主要目的在于,利用大量而广泛的用户及其便携设备的移动、计算、通信和感知能力,实时实地监测社会或环境中具有重要意义的事件与状态。在众感系统中,只有满足特定约束的群组,才能高质量低代价地完成众感任务。本项目旨在研究位置约束下的群组构建方法,使得用户与任务合理匹配,从而高效完成位置相关众感任务。具体研究内容包括:(1)群组位置约束模型;(2)用户位置预测算法;(3)最优群组搜索策略。本研究意义在于通过群组位置约束模型和用户位置预测算法,找出可执行众感任务的理想群组,从而避免用户选择困扰,预知并控制任务质量,并减少资源浪费,为环境监测、灾难管理、智能交通、公共安全、健康卫生等国家重大战略需求的应用领域提供理论和技术支持。

中文关键词: 群组构建;众感;位置相关;基于位置的社交网络;

英文摘要: With gradually maturing and prevalence of technologies such as Web 2.0, smartphones, Global Position System, and customized maps, a type of sensing system based on crowds of people becomes common practice, which is called Crowdsensing. The aim of crowdsensing is to monitor the significant events and states of the society or environment on the spot, by utilizing the users' and their portable devices' ability of moving, computing, communicating and sensing. Only the team that satisfies particular constraints can complete a crowdsensing task with high quality and low cost. This project will research the method of team formation under location constraints, in order to match users with tasks suitably, thus can achieve location-aware crowdsensing tasks efficiently. In detail, we will study: (1) team location constraint model, (2) user location prediction algorithm, and (3) optimum team searching strategy. The significance of this research is that with team location constraint model and user location prediction algorithm, the ideal team to perform a crowdsensing task can be found, therefore able to avoid users' choice anxiety, foresee and control the task quality, and reduce the wasting of resources. The results would provide theory and technology support for applications with national critical demands such as environm

英文关键词: Team Formation;Crowdsensing;Location-Aware;Location-Based Social Networks;

成为VIP会员查看完整内容
0

相关内容

空间数据智能:概念、技术与挑战
专知会员服务
85+阅读 · 2022年2月3日
联合国教科文组织发布《人工智能伦理建议书》
专知会员服务
48+阅读 · 2021年12月7日
专知会员服务
27+阅读 · 2021年8月15日
专知会员服务
85+阅读 · 2021年8月8日
自动文本摘要研究综述
专知会员服务
67+阅读 · 2021年1月31日
专知会员服务
43+阅读 · 2020年12月8日
个性化推荐系统技术进展
专知会员服务
65+阅读 · 2020年8月15日
科技大数据知识图谱构建方法及应用研究综述
专知会员服务
134+阅读 · 2020年8月12日
实体关系抽取方法研究综述
专知会员服务
176+阅读 · 2020年7月19日
NLP基础任务:文本分类近年发展汇总,68页超详细解析
专知会员服务
73+阅读 · 2019年10月19日
2021 Google 开发者大会丨构建高效机器学习生态
TensorFlow
0+阅读 · 2021年11月18日
面向自动驾驶的边缘计算技术研究综述
专知
4+阅读 · 2021年5月3日
基于深度学习的小目标检测方法综述
专知
2+阅读 · 2021年4月29日
出行即服务(MAAS)框架
智能交通技术
53+阅读 · 2019年5月22日
一份超全的NLP语料资源集合及其构建现状
七月在线实验室
33+阅读 · 2019年1月16日
【学科发展报告】无人船
中国自动化学会
26+阅读 · 2019年1月8日
无人机集群对抗研究的关键问题
无人机
55+阅读 · 2018年9月16日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
11+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
Generalized Out-of-Distribution Detection: A Survey
Arxiv
15+阅读 · 2021年10月21日
Few-shot Learning: A Survey
Arxiv
362+阅读 · 2019年4月10日
A Comprehensive Survey on Graph Neural Networks
Arxiv
21+阅读 · 2019年1月3日
小贴士
相关VIP内容
空间数据智能:概念、技术与挑战
专知会员服务
85+阅读 · 2022年2月3日
联合国教科文组织发布《人工智能伦理建议书》
专知会员服务
48+阅读 · 2021年12月7日
专知会员服务
27+阅读 · 2021年8月15日
专知会员服务
85+阅读 · 2021年8月8日
自动文本摘要研究综述
专知会员服务
67+阅读 · 2021年1月31日
专知会员服务
43+阅读 · 2020年12月8日
个性化推荐系统技术进展
专知会员服务
65+阅读 · 2020年8月15日
科技大数据知识图谱构建方法及应用研究综述
专知会员服务
134+阅读 · 2020年8月12日
实体关系抽取方法研究综述
专知会员服务
176+阅读 · 2020年7月19日
NLP基础任务:文本分类近年发展汇总,68页超详细解析
专知会员服务
73+阅读 · 2019年10月19日
相关资讯
2021 Google 开发者大会丨构建高效机器学习生态
TensorFlow
0+阅读 · 2021年11月18日
面向自动驾驶的边缘计算技术研究综述
专知
4+阅读 · 2021年5月3日
基于深度学习的小目标检测方法综述
专知
2+阅读 · 2021年4月29日
出行即服务(MAAS)框架
智能交通技术
53+阅读 · 2019年5月22日
一份超全的NLP语料资源集合及其构建现状
七月在线实验室
33+阅读 · 2019年1月16日
【学科发展报告】无人船
中国自动化学会
26+阅读 · 2019年1月8日
无人机集群对抗研究的关键问题
无人机
55+阅读 · 2018年9月16日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
11+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员