[发明专利]一种智能物联网多模态数据感知方法

说明书

本发明涉及一种智能物联网多模态数据感知方法，属于物联网领域。首先感知平台构建时空注意力机制权重来捕捉时空关系对于工人移动性预测的影响，利用带有时空注意力机制的GRU预测模型对感知工人的移动性进行预测。然后基于预测结果，利用基于移动性预测的多模态感知任务效用最大化任务分配方法对不同时间段出现在多模态感知POI任务区域的感知工人进行多模态感知任务分配。有效的提升了感知工人在不同时间段位于不同多模态感知任务区域的预测准确性，为不同的感知工人分配了合适的多模态感知任务，提高了感知平台的效用和多模态感知任务的完成率。

技术领域

本发明属于物联网领域，涉及一种智能物联网多模态数据感知方法。

背景技术

近年来，物联网(IoT)终端设备大规模普及，导致终端多模态数据和连接井喷式增长，海量数据连接需要更高计算能力的IoT网络架构实现多模态数据的及时分析和处理。随着万物智联时代临近，物联网(IoT)与人工智能(AI)被视为重塑未来商业模式，甚至是变革人类生活模式的关键所在。通信技术的升级仅解决了物联网的联网层面问题，如何对多源异构、体量巨大、价值密度低的多模态数据进行灵活精准感知与智能融合计算，从而为物联网用户提供时效性、智慧化、个性化的服务是物联网发展的瓶颈所在。大数据和人工智能技术的发展，可以对感知平台所收集的大量多模态感知数据进行分析和挖掘，从而产生更多的应用和价值。多模态感知的发展源于移动互联网、社交网络、物联网、大数据和人工智能等多个领域的技术进步，为实现智能化、自动化、高效化的数据采集和分析提供了有力支撑。

在智慧城市中，感知数据天然以“多模态”的形式存在，这种多模态体现在各种物联网终端对环境的多模态感知所带来的多种模式的数据信息。智慧城市中的自动驾驶、智慧医疗和智慧办公等场景的实现离不开对于多模态数据的感知。感知平台通过招募移动工人完成对多模态数据的收集，由于大多数工人的出行具有重复性，工人会在不同的时间段有序的范围一些特定的多模态感知任务区域。不同的多模态感知任务区域存在时空相关性，通过分析工人执行任务的移动轨迹可以了解不同工人的移动模式，有利于感知平台进行多模态感知数据任务分配，从而提高任务完成率和多模态感知数据质量。首先感知成本影响着多模态感知任务分配，感知平台完成任务分配后会根据任务成本给予完成多模态感知任务的工人奖励。但是每个工人的感知能力和信誉度不同，如果给予所有工人一样的奖励，会造成提供高质量多模态感知数据的工人不愿意接受任务，从而影响多模态感知任务的完成率。其次，感知工人的移动性受到时空特征的影响，例如：有些工人在特定时间段会去特定的多模态感知数据任务位置，有些工人经常爱去特定的多模态感知数据位置等。以上研究忽略了时空特征对于移动性预测的影响，会导致感知工人的移动性预测准确率低，影响多模态感知任务分配，降低多模态感知的任务完成率，从而影响感知平台的利益。