[发明专利]基于位置预测的自适应任务分发方法、装置及相关组件

权利要求书

1.一种基于位置预测的自适应任务分发方法，应用于群智感知，其特征在于，包括：

根据历史任务执行位置记录将历史任务执行地点进行区域划分，得到若干任务执行区域；

确定各所述任务执行区域中移动特征比对中心用户，得到中心用户；

计算各历史用户与各目标用户间的相似度，得到相似度值；

将所述中心用户作为聚类中心，根据所述历史用户与各所述中心用户间移动特征的相似度值将所述历史用户进行划分，得到若干类簇；

当接收到对目标位置的群智感知任务分发命令时，将所述目标位置与预先划分的所述若干类簇进行区域特征匹配，得到目标类簇；

调用Markov模型对所述目标类簇中各用户进行位置预测，得到各用户在所述目标位置的预测概率值；

选取所述预测概率值高于概率阈值的用户进行任务分发；

其中，根据移动群智感知系统中历史任务执行位置记录将历史任务执行地点进行区域划分，包括：确定各所述历史任务执行地点的任务执行半径，得到若干指定执行区域；判断各所述指定执行区域间是否存在重叠区域；当所述指定执行区域间不存在重叠区域时，将不存在重叠区域的各所述指定执行区域分别作为所述任务执行区域；当各所述指定执行区域间存在重叠区域时，判断存在重叠区域的第一区域与第二区域是否满足区域合并要求；如果满足，将所述第一区域与所述第二区域合并后作为所述任务执行区域；如果不满足，将所述第一区域与所述第二区域分别作为所述任务执行区域。

2.如权利要求1所述的基于位置预测的自适应任务分发方法，其特征在于，所述判断存在重叠区域的第一区域与第二区域是否满足区域合并要求，包括：

当所述第一区域与所述第二区域的感知任务执行任务需要的用户集合分别为N₁、N₂，重叠区域中所述第一区域与所述第二区域执行感知任务的用户集合分别为NC₁、NC₂时，计算重叠区域的用户覆盖率；其中，所述用户覆盖率UCR＝{NC₁∪NC₂}/{N₁∪N₂}；其中，NC₁∪NC₂为在地点N、O相交区域中执行感知任务的用户集的并集，N₁∪N₂为在地点N、O执行感知任务用户集的并集；

判断所述用户覆盖率是否大于设定的阈值；

当大于时，判定所述第一区域与所述第二区域满足区域合并要求；

当小于时，判定所述第一区域与所述第二区域不满足区域合并要求。

3.如权利要求1所述的基于位置预测的自适应任务分发方法，其特征在于，确定各所述任务执行区域中移动特征比对中心用户，包括：

将各所述任务执行区域中任务执行概率最高的用户作为移动特征比对中心用户。

4.如权利要求3所述的基于位置预测的自适应任务分发方法，其特征在于，将各所述任务执行区域中人物执行概率最高的用户作为移动特征比对中心用户，包括：

计算各用户在各所述历史任务执行地点的地点活跃向量，得到目标向量值；其中，所述地点活跃向量V(u，i)为其中第i个元素表示用户u在地点i处执行任务后在下一个地点执行任务的总次数组成的向量；

将所述目标向量值作为所述任务执行概率，并根据所述目标向量值筛选出各所述任务执行区域中地点活跃向量值最大的用户；

将筛选得到的各所述任务执行区域中地点活跃向量值最大的用户作为所述中心用户。

5.如权利要求1所述的基于位置预测的自适应任务分发方法，其特征在于，计算各历史用户与各所述目标用户间的相似度，包括：

根据移动特征以及用户任务执行概率计算各历史用户与各所述目标用户间的相似度。

6.如权利要求1所述的基于位置预测的自适应任务分发方法，其特征在于，调用Markov模型对所述目标类簇中各用户进行位置预测，包括：

调用Markov模型对所述目标类簇中各用户进行变阶位置预测；其中，所述Markov模型的阶数与预设时间范围内用户有效转移记录数量对应。