.png){kind=icon}
返回
QUIDS: Quality-Informed Incentive-Driven Multiagent Dispatching System for Mobile Crowdsensing
.png){kind=icon}
OA
AI
DOI：10.1109/JIOT.2026.3651903.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文探讨了在非专用车载移动众包感知（NVMCS）系统中实现信息质量（QoI）最优化的挑战，其中非原设计用于感知的车辆被利用来收集实时数据，以遍历城市环境。这些挑战因感知覆盖、感知可靠性和参与车辆的固有动态性等相互关联的问题而加剧。为应对这些挑战，我们提出QUIDS，一种基于质量感知的激励驱动多智能体调度系统，该系统在NVMCS系统中确保在预算约束下实现高感知覆盖和感知可靠性。QUIDS通过引入一个新指标——聚合感知质量（ASQ）来提高QoI，该指标旨在通过整合感知覆盖和感知可靠性来定量捕捉QoI的概念。此外，我们开发了一种相互协助的信念感知车辆调度算法，该算法在不确切的车辆条件下估算感知可靠性并分配资金激励，从而进一步改善ASQ。在都市地区部署的NVMCS系统中收集的真实数据评估证明了QUIDS的有效性。ASQ指标在无调度场景中提高了38%，在现有最佳方法中提高了10%。此外，QUIDS在各种重建算法中降低了39%–74%的重建地图误差，验证了其在NVMCS系统中改善QoI的有效性。针对现有研究中常被忽视的感知可靠性问题，QUIDS系统利用非专用车辆并整合一个基于质量感知的激励驱动调度系统，以联合优化感知覆盖和感知可靠性。这使得无需专用感知基础设施即可实现低成本、高质量和可扩展的城市环境监测，并使该系统适用于交通监测和环境感知等多样化智慧城市场景。
Keyword:
Internet of Things
mobile crowdsensing
mobile sensing and applications
monetary incentive
期刊
IF:
8.9
论文数:
1.4W
被引数:
7.8W
机构
引用论文
CaliFormer: Leveraging Unlabeled Measurements to Calibrate Sensors with Self-supervised LearningOAAI
.png){kind=icon}
OAAI分享收藏分享收藏
查看更多内容