《空間眾包數據處理及其最佳化關鍵技術研究》是依託北京航空航天大學，由童詠昕擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：空間眾包數據處理及其最佳化關鍵技術研究
- 依託單位：北京航空航天大學
- 項目負責人：童詠昕
- 項目類別：青年科學基金項目
項目摘要,結題摘要,
項目摘要
隨著Web 2.0技術的興起，眾包為傳統數據管理挑戰提供了一種通過匯聚群體智慧求解問題的新型數據處理模式，使得眾包數據處理技術成為當前資料庫領域的研究熱點之一。特別是由於移動網際網路與物聯網等技術的快速發展，不但令眾包技術成為一種數據獲取的新方式，更為眾包數據處理技術提供了各類基於時空數據的新型套用場景，例如交通監控與物流管理等。現有的眾包數據處理技術側重於將眾包策略融入傳統關係資料庫管理系統中，但是針對大規模、實時性的空間眾包數據處理技術的研究十分有限。因此，本項目緊緊圍繞空間眾包數據處理及其最佳化關鍵技術展開深入研究，以空間眾包任務的分配操作為核心，力爭在空間眾包數據模型、存儲與索引、查詢最佳化處理等方面取得原創性的突破成果，並通過構建空間眾包數據處理原型系統來驗證研究成果的有效性。相關研究成果將為空間眾包數據處理問題提供新的解決方案，進一步拓寬其套用範圍，具有重要的理論意義與實際套用價值。
結題摘要
本項目的執行時間為2016年1月~2018年12月，這期間，項目主要研究了空間眾包數據處理及其最佳化關鍵技術的各個方面，現總結如下： 1. 在空間眾包的任務分配方面，項目組提出了基於雙邊線上二分圖的空間眾包實時任務分配模型和“過濾-驗證”的衝突任務分配通用框架。特別針對單邊線上二分圖最小化完美匹配這一特例問題，證明了樸素貪心算法在平均分析下具有常數競爭比的良好性能，並證明了現存最差分析中的指數階競爭比發生機率極低，從而澄清了理論研究對該算法性能的誤解。 2. 在空間眾包的激勵機制方面，項目組首先提出了面向空間眾包市場的需求與供給有效預測方法。基於預測的供需關係，申請人進一步提出了兩種定價策略。針對供大於求市場，提出最小化支付成本模型；反之，針對供小於求市場，提出最大化期望效用模型。基於兩種激勵模型，提出了有效的近似算法並證明其近似比，為解決供需驅動的激勵機制構建提供了有效方法。 3. 基於空間眾包的共享出行套用方面，項目組將空間眾包技術套用於共享出行技術已經在滴滴出行與百度地圖等大型網際網路企業的共享出行、網約車調度、群體出行供需預測等業務場景之中實施部署並落地套用，使其核心業務指標顯著提高。 4. 本項目實施過程中，項目組已在IEEE TKDE、ACM TOIS、SIGMOD、SIGKDD、VLDB、ICDE等國際權威期刊會議上發表論文（含已錄用）23篇，其中CCF A類期刊和會議15篇、SCI檢索5篇。其中獲得阿里巴巴集團評選的首屆“達摩院青橙獎”（全國僅9位得主），和國際重要會議WAIM 2016的“最佳論文獎等獎勵。項目組所開發基於空間眾包的共享出行技術已經在滴滴出行與百度地圖等大型網際網路企業得到落地套用，並申請國家發明專利3項。項目負責人童詠昕博士在項目執行期內獲得國家自然科學基金優秀青年基金資助，項目培養畢業博士生2名，碩士生4名。關於空間眾包數據管理的一系列建模機制與最佳化算法為項目組成員在國際上率先提出，並在國際權威會議VLDB 2017做“Tutorial報告”，成為該會議創辦43年首位做此類報告的大陸學者，奠定了我國在空間眾包技術的國際領先地位。
