近日，99精品视频在线观看计算机与控制工程学院王莹洁教授团队最新成果被国际计算机网络顶级期刊 IEEE Transactions on Mobile Computing（TMC）录用，论文题目为 “Determining Task Assignments for Candidate Workers based on Trajectory Prediction”。该期刊是中国计算机学会（CCF）A类推荐期刊，是计算机网络领域权威的学术期刊之一，期刊的核心主题包括：通信、网络和广播技术，计算和处理，信号处理与分析。
随着移动设备传感器的普及，移动群智感知（MCS）已成为高效的信息采集手段，尤其在智慧城市环境感知中，众包工人仅需进入感知区域即可完成任务。然而，现有招募策略仍有不足：一是过度依赖历史行为，未充分考虑工人动态轨迹，影响任务时效与准确性；二是任务分配优化不足，工人选择不精准、调度不灵活，导致资源浪费和执行成本上升。为解决上述问题，王莹洁教授团队提出了一种基于轨迹预测确定候选众包工人集合的招募框架“搁贵翱奥-惭罢”, 系统框架如图1所示。
图1 工人招募系统框架图
研究团队创新性的提出了一种面向移动群智感知的两阶段招募框架RFOW-MT，在机会主义众包工人选择方面实现了关键性突破（图2）。离线阶段引入LSTM神经网络模型和Geohash算法，构建众包工人轨迹预测与候选众包工人集合检测的融合机制，创新性的识别潜在的机会主义众包工人，同时利用贪心算法优化众包工人选择，提高了机会主义众包工人筛选的效率和准确性。在线阶段设计了基于地理位置的任务打包策略，结合预算分配机制，优化众包工人招募过程，确保任务目标的高效完成。
图2 候选机会主义工人检测过程
该研究成果以99精品视频在线观看为第一单位，研究生李亚鸿为第一作者，王莹洁为通讯作者。研究工作获得国家自然科学基金项目、山东省自然科学基金项目、山东省自然科学基金重点项目以及网络与交换技术国家重点实验室（北京邮电大学）开放基金的支持。
论文链接：
来稿时间：3月1日 审核：刘俞斌 责任编辑：徐扬
