一种基于移动群智感知的路况信息汇集方法

摘要

一种基于移动群智感知的路况信息汇集方法，涉及无线通信技术与智能交通技术领域。服务器向相关地区的手机用户广播征集路况报告的通知；服务器接收到手机用户的路况报告后，按照路况报告的精确度对其划分等级；服务器汇总所有接收到的路况报告后，确定服务器在此刻的状态s，获得系统增益G(s)；在目标最优定价不确定的情况下，服务器通过Q学，学如何对手机用户的任务路况报告的奖励金额定价，以获取服务器的最大收益；对不同质量等级l的路况报告有不同的定价y(l)，在一次学过程中规定服务器的最大任务发布次数为K，第k次任务发布中的服务器状态是s^k，服务器对路况报告的总定价是y^k。

主权项

一种基于移动群智感知的路况信息汇集方法，其特征在于包括以下步骤：步骤1：服务器向相关地区的手机用户广播征集路况报告的通知，包括手机用户的地理位置信息、周边路况信息、对路况报告的定价范围P；步骤2：服务器接收到手机用户的路况报告x后，按照路况报告x的精确度对其划分等级，服务器规定路况报告的质量等级表为：[‑1,0,…,L]，其中L表示路况报告质量的最高等级，依照质量等级表，将路况报告x的等级定为l，‑1≤l≤L，即x＝l；步骤3：服务器汇总所有接收到的路况报告后，确定服务器在此刻的状态s，获得系统增益G(s)：其中M是发送路况报告的用户总数，s是服务器接收到的总体的路况报告质量，G(x_j)是手机用户j的路况报告x_j带给服务器的效益值，不同等级的路况报告带给服务器的效益是不同的，规定不同等级的路况报告的效益表为：[G(‑1),G(0),…,G(L)]；与此对应，服务器根据路况报告的不同等级给予不同的支付价格y，规定不同等级的路况报告的定价表为：[y(‑1),y(0),…,y(L)]，服务器的即时收益U_s(s,y)是系统增益和服务器对手机用户的支付之差，即步骤4：在目标最优定价不确定的情况下，服务器通过Q学习，学习如何对手机用户的任务路况报告的奖励金额定价，以获取服务器的最大收益；对不同质量等级l的路况报告有不同的定价y(l)，在一次学习过程中规定服务器的最大任务发布次数为K，第k次任务发布中的服务器状态是s^k，服务器对路况报告的总定价是y^k，其中Q学习包括以下步骤：(1)初始化Q值矩阵：对于每一次任务发布中的服务器每一个可用状态s^k下，对服务器的所有可选择的定价分配一个对应的Q值，对每个初始Q值赋值为0，设置学习因子α，0＜α＜1和折扣因子δ，0＜δ＜1；(2)在第k次任务发布中，服务器根据状态s^k从定价范围P内选择y^k(l)作为对质量等级l的路况报告的定价，根据公式：$Q(s^k,y^k(l\left)\right)=(1-\alpha )Q(s^k,y^k(l\left)\right)+\alpha \left(U_s\right(s^k,y^k\left(l\right))+\delta \underset{y\in P}{max}Q(s^{k+1},y\left(l\right)\left)\right)$对Q值矩阵更新，Q(s^k,y^k(l))是服务器在s^k状态下采用y^k(l)值为定价时的Q值，是服务器在s^k+1状态下，采用让Q值最大化的定价y(l)；(3)重复步骤(2)，直到第n次的任务发布后满足时，定价y(l)收敛，yⁿ(l)即是服务器最优定价，其中n≤K；(4)服务器将报酬yⁿ(l)发送给路况报告等级为l手机用户。