学位论文简介

跨平台空间众包作为共享经济的新方向，不仅拥有广阔的应用市场，更在打破平台壁垒、优化城市资源配置方面具有重要的研究价值。然而，现有的空间众包任务分配研究在跨平台协作、多方利益平衡以及轨迹数据处理等方面仍面临着诸多挑战。针对上述问题，本文聚焦于跨平台空间众包场景，围绕动态任务分配、多目标优化任务分配以及轨迹感知任务分配展开深入研究，取得了以下创新性研究成果：

(1) 针对空间众包中任务时空分布不均和单一平台工人资源短缺的问题，本文探索了跨平台动态协作模式，并提出跨平台动态任务分配框架。在该框架的基础上，设计了混合批处理策略与跨平台激励机制，并提出适用于不同规模场景的任务分配算法，为跨平台空间众包在动态环境下的高效运行提供了关键技术支撑。

(2) 针对跨平台协作中的阈值设定困难与多方利益平衡问题，本文构建了基于智能决策与多方利益协调的多目标共赢任务分配方案。首先，将任务奖励阈值选择过程建模为“探索与利用”的在线学习过程，实现在动态未知环境下的自适应阈值优化；其次，将外部工人的任务分配过程建模为势博弈，从理论上证明存在纳什均衡，并提出基于最佳响应机制的博弈论方法；最后，设计基于模拟退火的优化分配策略以探索全局最优的分配方案。

(3) 针对传统基于位置点的任务分配方法无法有效处理复杂工人轨迹数据的问题，本文引入第三方平台作为跨平台协作纽带，并提出分层轨迹感知任务分配框架。在本地平台，利用优化的TRACLUS算法将工人原始轨迹划分为子轨迹单元；在第三方平台，设计两阶段混合聚类策略对多平台聚合的子轨迹进行聚类并完成任务簇归属判定，从而将全局匹配问题分解为若干个簇内子问题；在任务分配阶段，提出两种不同的分配算法以实现高效的任务分配。

主要学术成果

[1] Tianyue Ren, Xu Zhou, Kenli Li, Yunjun Gao, Ji Zhang, Keqin Li. Efficient Cross Dynamic Task Assignment in Spatial Crowdsourcing[C]. 2023 IEEE 39th International Conference on Data Engineering (ICDE). 2023: 14201432. (CCF A 类会议，第一作者)

[2] Tianyue Ren, Zhibang Yang, Yan Ding, Xu Zhou, Kenli Li, Yunjun Gao, Keqin Li. Win-Win Approaches for Cross Dynamic Task Assignment in Spatial Crowdsourcing[J]. IEEE Transactions on Knowledge and Data Engineering (TKDE), 2025, 38(2): 1395-1411. (CCF A 类期刊，第一作者)

[3] Yang Huang, Yumeng Liu, Xu Zhou, Tianyue Ren, Zhibang Yang, Keqin Li, Kenli Li. Optimizing Dynamic Task Assignment in Spatial Crowdsourcing: Bilateral Preference-aware Approaches[J]. IEEE Transactions on Mobile Computing (TMC), 2025. (CCF A 类期刊，通讯作者)