眾包模式下面向基于位置服務(wù)的海量數(shù)據(jù)管理.pdf

1、近年來(lái)，“眾包(Crowdsourcing)”已經(jīng)成為越來(lái)越多的企業(yè)所青睞的商業(yè)模式。隨著移動(dòng)軟件的興起，人們發(fā)現(xiàn)可以把眾包模式和基于位置的服務(wù)結(jié)合在一起，傳統(tǒng)的基于位置的服務(wù)，一般會(huì)通過(guò)GPS等技術(shù)來(lái)進(jìn)行定位，這些技術(shù)精度不是很高，而且無(wú)法實(shí)現(xiàn)室內(nèi)定位。不過(guò)在眾包模式下，定位不再由服務(wù)提供商來(lái)確定，而是由消費(fèi)者，也就是每個(gè)使用服務(wù)的人，自發(fā)地告訴服務(wù)提供商自己所處的位置以及周圍的信息。這樣可以帶來(lái)諸多好處：首先，位置的信息是實(shí)時(shí)的；其

2、次，用戶可以進(jìn)行室內(nèi)的定位；最后，在一片區(qū)域內(nèi)，如果有很多用戶自發(fā)提供周圍的地理信息，那么服務(wù)器端就可以更精確地進(jìn)行定位?？梢钥吹?，眾包在基于位置服務(wù)的應(yīng)用上有很大的優(yōu)勢(shì)：高效、低成本且實(shí)時(shí)性強(qiáng)。不過(guò)，這種模式也有自身的缺點(diǎn)：因?yàn)樯婕暗挠脩艉芏?，?dǎo)致他們提交的信息質(zhì)量很難管理。因此，質(zhì)量控制（Quality Control）被認(rèn)為是眾包模式下的一大挑戰(zhàn)。
　　本課題的主要內(nèi)容是使用眾包模式采集用戶所處位置周圍的熱點(diǎn)信息，通過(guò)存儲(chǔ)、

3、檢索和分析用戶提交的海量指紋信息（fingerprint）來(lái)確定熱點(diǎn)的位置，為未來(lái)向用戶提供基于位置的服務(wù)提供基準(zhǔn)。作為被雇傭方，用戶的終端一旦連入無(wú)線接入點(diǎn)，就可以選擇向服務(wù)器端發(fā)送其有關(guān)這個(gè)可以作為熱點(diǎn)的無(wú)線接入點(diǎn)的信息，比如無(wú)線接入點(diǎn)的ID和所處位置信息。而在服務(wù)器端，會(huì)根據(jù)所有收到的信息來(lái)進(jìn)行數(shù)據(jù)的質(zhì)量分析，包括數(shù)據(jù)的清洗和聚合，從而得到準(zhǔn)確的熱點(diǎn)信息，并根據(jù)該結(jié)果對(duì)所有提供信息的用戶進(jìn)行評(píng)價(jià)，這個(gè)評(píng)價(jià)就代表了用戶在這次任務(wù)中將

4、會(huì)得到的報(bào)酬。
　　本文正是在這樣的背景下，提出了一種針對(duì)眾包模式下基于位置服務(wù)的海量數(shù)據(jù)管理的策略。首先，針對(duì)所有用戶的輸入，需要對(duì)這些數(shù)據(jù)進(jìn)行清洗和過(guò)濾，將錯(cuò)誤的數(shù)據(jù)或者價(jià)值很低的數(shù)據(jù)濾去，其中考慮了用戶可能存在欺詐行為以獲取更大報(bào)償?shù)那闆r，比如某個(gè)用戶在短時(shí)間之內(nèi)頻繁地提交相同的數(shù)據(jù)，由于熱點(diǎn)的位置信息在短時(shí)間之內(nèi)是相對(duì)固定的，所以頻繁提交的重復(fù)數(shù)據(jù)是沒(méi)有意義的，或者價(jià)值很低，需要進(jìn)行清洗。經(jīng)過(guò)清洗，每一條數(shù)據(jù)都會(huì)被賦予相應(yīng)

5、的價(jià)值，代表其質(zhì)量和影響因子。
　　其次，我們對(duì)經(jīng)過(guò)過(guò)濾的數(shù)據(jù)進(jìn)行聚合。首先，數(shù)據(jù)的真實(shí)性應(yīng)該與數(shù)據(jù)的提交者有關(guān)，所以本文為在這里定義每個(gè)用戶的誠(chéng)信度。一個(gè)誠(chéng)實(shí)的用戶提交的數(shù)據(jù)當(dāng)然應(yīng)該具有更好的可信性；反之，如果一個(gè)人一直提交錯(cuò)誤的數(shù)據(jù)，那它的誠(chéng)信度就會(huì)變得很低，從而導(dǎo)致他提交的數(shù)據(jù)的接受率也會(huì)下降。結(jié)合歷史行為，可以更準(zhǔn)確的判斷數(shù)據(jù)的準(zhǔn)確性，結(jié)合每條數(shù)據(jù)的價(jià)值和數(shù)據(jù)的接受率，可以得到這條數(shù)據(jù)的真實(shí)質(zhì)量。根據(jù)所得到的質(zhì)量，我們把所

6、有指紋信息聚合來(lái)得到熱點(diǎn)的準(zhǔn)確位置，這里使用的多數(shù)人決策原則（MDA），即有多數(shù)人認(rèn)為這個(gè)熱點(diǎn)的所在位置。因?yàn)槭褂帽姲幸粋€(gè)隱含的前提就是，大部分人都是誠(chéng)實(shí)的（他們提交的數(shù)據(jù)都是相對(duì)準(zhǔn)確的）。
　　最后，需要對(duì)用戶的表現(xiàn)進(jìn)行正確地評(píng)價(jià)，因?yàn)樵u(píng)價(jià)決定他們的報(bào)酬，而報(bào)酬影響他們下一次任務(wù)的表現(xiàn)。在本文中，提出了兩種策略，靜態(tài)階段性分析和滑動(dòng)窗口分析。在前一種方法中，我們認(rèn)為用戶的行為是階段性穩(wěn)定的，所以每過(guò)一段時(shí)間，我們把這一階段的表

7、現(xiàn)拿出來(lái)進(jìn)行一次評(píng)價(jià)。而在后一種方法中，我們會(huì)把用戶的歷史表現(xiàn)也考慮在內(nèi)，并且結(jié)合之前的一段時(shí)間的表現(xiàn)綜合考慮，這種方式更加靈活而且能及時(shí)反映用戶最新的行為，不過(guò)時(shí)間消耗過(guò)大。
　　為了驗(yàn)證本文提出的策略的有效性，本課題模擬了真實(shí)的眾包模式的數(shù)據(jù)。這些數(shù)據(jù)具有眾包模式的特點(diǎn)。實(shí)驗(yàn)證明，本文提出的策略可以有效地對(duì)眾包模式下的數(shù)據(jù)進(jìn)行管理，尤其是質(zhì)量控制方面
　　值得一提的是，本課題提出的策略并不僅限于基于位置的服務(wù)方面，因?yàn)檫@