文摘

随着移动设备的普及,大量的移动应用程序已经并将继续开发各种有趣的使用场景。骑着这种趋势,最近的研究社区设想一个新颖的信息检索和信息共享平台,将用户与移动设备,愿意接受众包任务人群传感器。好主意,一组人群传感器应用程序已经出现。在应用程序中,地理空间信息系统基于人群传感器显示巨大的潜力超越传统的通过提供实时的地理空间信息。在应用程序中,用户定位的重要性。然而,现有的定位技术都有自己的缺点。在本文中,我们研究使用普遍的wi - fi接入点作为用户位置的指标。使用wi - fi接入点的主要挑战是,没有观察到wi - fi信号映射到人为地方的机制。为此,我们的想法是采用众包模式移动来进行地名标注的参与者之间的桥梁信号和人为的地方。在本文中,我们提出方案,有效地使crowdsourcing-based地名注释,并进行实际试验与招募参与者研究提出的方案的有效性。实验结果证明了该方案的有效性在现有的解决方案。

1。介绍

多年智能移动设备已经成为一个无处不在的媒体支持各种形式的检索信息,信息共享和交互。许多研究也表明显著未来增长智能设备用户的数量,设备的硬件特性和宽带带宽可用性。与这些趋势,最近的研究社区设想一个新颖的信息检索和信息共享平台,将用户与移动设备,愿意接受众包任务人群传感器。系统基于人群传感器支持新信息查询服务,超越了传统的地理信息系统以实时的方式提供信息。请考虑以下场景可能的应用场景。

远程环顾四周。劳伦斯在他的办公室是在政府大厅的国立中兴大学。现在是下午三点。他只是完成一个长会议,计划采取练习打网球。然而,他不知道现在校园里的网球场都占领了,想要这些信息来防止。

细粒度的当地天气信息。劳伦斯在桃园和现在是毛毛雨。原计划今天下午是一个家庭去台北动物园,到了台北。然而,就目前而言,劳伦斯并不确定是否按计划进行由于天气条件。天气报告网站只是提供粗粒度的天气信息。

在过去,没有信息查询服务,例如,谷歌地图,能够或成本效益解决上述场景中所描绘的实时查询。然而,无处不在的智能设备提供位置识别和网络连接,移动众包模式可以解决查询在提到的场景中。基本的想法是,用户(传感器)能够提供实时信息的地方。如果我们能寻求帮助,用户可以获得实时的地理空间信息。请考虑上述情况。与人群中传感器的想法,当劳伦斯询问信息,如果用户附近或在网球场,用户可以作为信息提供者实现查询通过返回一个简短的文本或拍照。

人群中传感器的基本工作模式如下。调查者问题查询,并提供了激励措施,例如,少量的钱,给那些提供所需的信息,与用户位置获取和发送信息问回调查者通过使用移动设备的回报。工作模型,智能设备配备位置敏感传感器和网络连接提供用户的位置和相互之间的交互能力,和智能设备的用户利用人类智慧回答查询。

多个系统的基础上,根据移动众包模式开发1- - - - - -5近年来]。系统都有类似的结构,将系统划分为两个部分,一个协调服务器和一个在智能设备客户机应用程序。目标是使系统监视和连接参与者。协调服务器提供了三个基本操作(1)监控用户的位置,(2)接受和转发查询用户,和(3)选择用户信息提供者。和应用程序主要是获取和报告用户的位置信息和发布/接收查询/从服务器。

此外,现有的实时地理空间查询回答系统都有一个共同的组件:一个用户跟踪组件,记录所有用户的当前位置参与系统。这个组件是很重要的,因为,在基于众包的地理空间系统,系统依靠参与者query-indicated附近位置来处理查询。如果所有参与者附近位置,不能处理查询。所有的参与者都是潜在的工人选择未来的查询处理。因此,跟踪用户是基于众包的地理空间系统的关键。

现有解决方案跟踪用户的系统主要是基于GPS系统或从社交媒体用户登记信息,比如Facebook。然而,两种选择都有自己的缺点。用户跟踪组件基于GPS系统(1- - - - - -3有两个问题。首先,与高功耗GPS组件。不太可能让用户始终保持GPS传感器。第二,人们花大多数的时间在室内,和GPS系统定位的室内位置的问题,这限制了现有的实时地理空间查询的能力回答系统只能解决户外地方。另一方面,系统(4,5)基于用户登记信息的地方没有功耗担忧,但患有晚期位置信息的问题。签入操作取决于用户的意愿,这可能会限制系统功能,用户不太可能经常执行签入操作。

我们也设计一个系统被称为TeleEye系统基于人群传感器模型(请参阅部分6我们的设计)。意识到话语跟踪问题,我们考虑使用普遍的无线接入点,它现在的井盖城市城市在我们的生活中,为我们的该项目的。使用基于无线网络的基本思想的立场是,我们可以扫描可用的无线访问点附近的信号通过智能设备用户的当前位置。wi - fi接入点的基本观察是不可能移动,对于相同的地方我们应该得到类似的一组可用的wi - fi的观察。通过记录wi - fi观察在一个地方,我们可以知道用户附近的地方。

使用wi - fi观察位置的指标主要有以下优势。首先,扫描无线指纹的功耗是便宜使用GPS定位传感器。其次,基于无线网络的方法不会受到室内定位问题与解决方案相比,使用GPS的位置。第三,基于无线网络的方法仍以实时的方式提供用户位置没有使用登记信息的问题。

而使用wi - fi信号的想法是整洁,使用wi - fi观察位置的主要挑战指标之间是没有映射一个给定观察wi - fi观察和人为的地方。注意,用户要求查询使用人为条件,如科学大楼1005教室。然而,在使用基于wi - fi的位置,我们从用户获得对一个地方进行智能设备是一套可用的wi - fi的观察,这对人类是没有意义的。如果我们不能给被调查者的地方翻译成相应的wi - fi的位置,然后,我们无法选择适合满足查询的用户信息提供者。因此,在启用基于使用wi - fi的位置指示器的想法,我们需要一个之间的映射machine-learned wi - fi观察和人为的地方。

这个问题(wi - fi观测和human-understandable地方)之间的映射,我们的想法是众包采用用户注释之间的桥梁machine-learned和人为的地方。更具体地说,当一个地方被认为是一个有趣的地方,我们要求参与者标签(地名注释)来描述。我们用注释来wi - fi指纹映射到一个human-understandable的地方。

然而,一些挑战需要解决之前启用了众包的想法。首先,我们如何定义一个有趣的或有意义的地方,将后向参与者对人类注释吗?第二,作为帮助要求参与者的成本是昂贵的,如何排名的地方根据他们的重要性是另一个问题。在这篇文章中,我们应对这些挑战的目标降低众包成本和提高可用性的带注释的地方在我们的地理空间查询回答应用程序。

本文的贡献是三倍。(我)首先,我们最好的知识,我们首先使用的众包模式之间的映射wi - fi指纹和人为的地方实时地理空间应用程序基于移动人群。(2)第二,我们提出一个新的框架称为FINCHA(指纹聚类和hub-authority排名)有效定义和排名重要地方基于集体wi - fi指纹从移动人群。(3)第三,我们进行实验在实际数据集收集的实际试验与招募参与者。实验结果证明该方案在现有解决方案的有效性。

剩下的论文结构如下。部分2提出了相关工作,在部分3我们引入一个基线计划。节4介绍我们的方案基于分析集体wi - fi指纹定义和等级的地方。部分5提供了一个实验比较了该方案。部分6描述TeleEye系统的设计。最后,部分7总结和探讨未来的工作要做。

2。相关工作

2.1。众包应用程序

近年来,众包引起了极大的关注。众包描述了分布式解决问题的模型,小任务播放通过互联网人群和试图激发群众能够解决任务,以换取小奖励。从战略的角度来看,众包任务可以在小成本和一个有效的解决方式。好主意,一系列的众包平台已经出现。两个著名的众包平台是亚马逊土耳其机器人(AMT) (6和CrowdFlower合作7),它允许用户在平台上发布他们的任务,和工人们能够解决任务可以选择他们的任务在同一平台。此外,随着移动设备的普及,作者在8)提出mCrowd众包平台扩展到移动的。在mCrowd在众包平台,用户可以发布和工作任务使用他们的智能设备。除了外包模型,一个众包模式背后的隐含意义是利用人类的智慧来解决这个问题很难由计算机处理,如图像匹配、目标识别,或语言的理解。因此,众包也引起了极大的关注数据管理研究社区,主要用于各种应用程序9- - - - - -12]。

在[9),作者提出一个关系查询处理系统利用众包来回答查询,不能轻易回答机器。在[10),利用人类智慧的想法协助图研究研究;给定一个有向无环图和一些目标节点,作者考虑的问题找到目标节点(s)为援助问一个人问题。在[11),作者认为采用移动众包新闻报道。在研究,他们主要进行两个用户研究来支持移动众包的可能性的过程。在[12),作者研究采用众包信息检索的相关性评价问题。结果表明,基于众包的方法是传统的信息检索方法的补充和大规模的评估提供了一个灵活的和便宜的方法。

研究[1,4,13)是最类似于我们的系统2]。在[13),作者研究的问题处理地理空间查询问人群在Twitter,在[4)选择回答查询的用户是基于社会媒体的历史登记信息。然而,两个系统都有问题,查询可能无法以实时的方式加以解决。在[1),使用移动众包的想法也提出了解决实时地理空间查询。然而,它使用GPS追踪用户,能耗高的问题。

2.2。基于无线定位

基于无线定位系统已经被广泛的研究(14,15]。系统的主要思想是首先建立一个数据库,记录有针对性的室内环境的无线电信号在训练阶段。然后,在定位阶段,系统是找到wi - fi指纹数据库中最相似的指纹的位置估计的位置。构建这样的系统的主要目的是跟踪用户的移动路径在一个室内环境。这种基于无线指纹定位系统都是昂贵的培训费用。和技术提供非常细粒度的跟踪用户的位置(通常是在几米的精度)。然而,这种细粒度的职位不是我们的应用程序所必需的。事实上,知道是谁在我们的应用程序所需的地方就足够了;我们只需要的粒度信息层面的知道哪些用户或附近的一个地方。此外,研究沿这个方向不需要地址地名标注问题,因此与我们的是正交的。

一些室内的地方学习算法提出了(16,17]。然而,学习算法的地方都集中在理解地方类型,比如餐馆或商店购物。理解的技术类型的地方并不有利于我们的应用程序。在我们的应用程序中,我们需要一个地方的名字,这样可以将查询发送到正确的人。

在研究中,研究[18)对我们来说是最相关的。这项研究还提出了采用用户反馈为语义注释的地方。然而,他们的方法只考虑个人观察到的信息来进行注释。相比之下,我们的计划考虑集体wi - fi观察定义注释的重要地方,大大提高使用基于众包的注释的有效性。事实上,中提出的方法(18类似于基线方法(它将在部分4摘要),将显示在实验中,大多数地方检测到基线方法是无关紧要的,这限制了潜在的应用程序的能力。

3所示。基线计划

在本节中,我们首先将数据模型解决,然后介绍一个天真的方案采用保持持续时间作为指标来发现注释的地方名称,并讨论见解从真正的小径使用应用程序实现基线方案。

3.1。数据模型

本文中的数据模型如下。首先,原始数据收集从参与者的移动设备上安装应用。我们的应用程序主要执行扫描可用的无线信号在一个预定义的时间间隔和发送了wi - fi观察到数据存储服务器、存储原始数据从所有参与者。原始数据是一家集无线指纹。wi - fi指纹是一组对(BSSID, RSS)加上一个参与者识别记录所有观察到的无线AP MAC地址和相应的广播优势通过一个移动设备。wi - fi指纹的一个示例就是{(40:4a: 03:24:3c: b0, -47),(90年:f6:52:男朋友:18:18,-81),(10:6f: 3 f: 8 c: 45:20, -85), (IMEI: 350077-52-323751-3)},表明三个无线接入点同时观察到移动设备与IMEI号码350077-52-323751-3。

3.2。使用保持持续时间作为指标

映射wi - fi指纹和人为的地方,第一个任务是定义一个有趣的地方根据原始wi - fi的观察。在本节中,我们首先提出一个基线计划,使用持续时间作为指标来定义一个有趣的地方。

一个简单的方法来定义一个有趣的地方是由持续时间(时间呆在一个位置)。直觉是,如果一个人呆在一个地方大量的时间,那么这个地方应该是有意义的。因此,为了验证这个想法,我们开发一个Android应用,作为后台服务运行在移动设备和收集wi - fi观测间隔15秒。此外,当用户第一次访问一个地方和花超过五分钟,我们的应用程序显示一个对话框,提示用户说明他在哪里。我们使用的输入描述作为一个名称的地方。

应用程序,我们招募40名学员在我们部门安装开发应用了两个星期。参与者都是学生在我们的部门(20 20个本科生和研究生)。与参与者真正的部署后,我们收集了大约80000无线指纹,共有209个地方注释的参与者。

通过调查结果,我们发现以下问题使用基线计划。首先,我们发现许多wi - fi的指纹被非常粗略的计算,如“我的家”或“粉丝的办公室,”我们的应用程序是没有用的。第二,一些地方正确命名为重要的但只有一小群人还是一个人。例如,许多地方命名的房子地址的参与者,又是那么有用的应用程序。第三,一些重要的公共场所大多数参与者有意义但没有注释,如系办公室。这个问题是由于参数设置的阈值来定义一个地方命名。大多数参与者只是通过的办公室,没有再呆触发弹出对话框,因此没有得到注释的地方。

观察问题,我们认为他们是深植于使用基线计划只定义由个人wi - fi观察有趣的地方。方法不考虑集体结果从所有参与者的wi - fi指纹,因此倾向于检测个人的地方,这是不太有用的应用程序。因此,我们的目标是识别和分配意义基于集体wi - fi指纹从所有参与者而不是个人指纹。此外,众包的成本是昂贵的,因此铸造众包注释的数量应该最小化。我们考虑以下指标的重要性的地方:(1)不同的访问和(2)的时间访问。在以下部分中,我们介绍一个方案通过分析集体wi - fi指纹从所有参与者定义和排名一个重要的地方。我们的目标是计算每个地方的得分最高k可以选择的地方来参与者注释效果最大化。

4所示。FINCHA框架

FINCHA框架包括两个步骤。第一步是一个聚类算法进行聚类分析对收集wi - fi指纹数据集从所有参与者。这一步的目标是定义一个基于集体wi - fi指纹潜在的有意义的地方。第二步是根据聚类分析结果的前一步,进一步的排名通过分析访问模式的地方。这部分的目的是计算排名潜在的地方,这样可以最大化利用。节4所示。1,我们引入聚类算法,在部分4所示。2,排名机制的地方。

4.1。两层指纹聚类

采用聚类分析的直觉来自于观察的wi - fi观察同一个地方应该相似,应该形成一个集群结构对应的特征空间。因此,形成一个向量空间的基本思想是根据所有参与者的集体指纹,然后执行聚类分析在数据空间。

如前所述,我们考虑许多不同的访问(不同用户的访问时间)和访问时间的长短作为地方的重要指标。为了解决这两个标准,我们的聚类算法由两层聚类分析。第一层聚类分析过程的原始wi - fi指纹从每个参与者和产生中间聚类结果。这一层的目标是找出更长时间持续时间从个体的地方观察。之后,第二层聚类分析的目的是识别不同参与者访问的地方,随着地方应该更有意义的应用。因此,第二个层次聚类分析将第一级的结果作为输入并执行新一轮的聚类分析,进一步细化有意义的共同的地方。最后一个集群将代表的是单一的,唯一有意义的地方。

给定一组指纹,聚类分析是建模如下。假设有不同的无线接入点观察在数据收集阶段。我们的应用程序日志wi - fi指纹观察到15秒的时间间隔。对于每一个日志,记录指纹,可以用一个向量表示,在那里的无线电信号强度吗th访问点和如果信号的访问点不能被探测到。我们使用收集到的数据集构建指纹空间,执行分析的聚类结构。我们采用指纹之间的欧几里德距离作为距离度量。两个指纹之间的正式定义如下。两个无线指纹和的距离之间的和是计算

距离的定义后,我们就能够执行聚类数据集结构分析。作为我们的原始数据收集的移动参与者,数据由众多异常值,在参与者产生运动,作为我们的应用程序扫描可用的无线信号的间隔15秒。去除离群值的影响,我们使用DBSCAN [19)聚类算法,它是基于密度的聚类算法与识别噪声的能力。聚类分析后,我们认为每个集群是一个有意义的地方,这是候选人被移动带注释的人群。我们使用的质心集群作为集群的代表。

在使用DBSCAN算法,有两个参数要求:(社区)的最大半径和MinPts(在一个最小数量的点附近的一个点)。我们利用DBSCAN算法在这两个层,我们设置不同的聚类两个聚类分析层的参数。这是因为两层聚类分析有不同的目标。第一层来自个人的原始指纹分析流程,在嘈杂的指纹存在。第一层的目的是找出一个用户停止(保持)来定义一个潜在的地方,和第二层的目的是完善个人呆发现常见的地方,应该有意义的大多数参与者和我们的应用程序非常有用。因此,在使用我们的两层算法,有四个参数需要:全球MinPts,全球、当地MinPts和地方。在实验评价,我们精心设计的参数设置。

将实验部分所示,执行两层聚类分析在集体成功指纹识别许多共同的地方,以前错过的基准方法。然而,我们想指出,这种方法还发现许多个人的地方。在使用聚类分析,得到一组候选人的地方。然而,如前所述,地名注释将昂贵的成本。最大化利用,排名列表组候选人的地方在budget-limited环境至关重要。

4.2。中心和权威排名

排名,第一步是定义一个地方的意义。在这项研究中,我们假设一个重要的地方是参观了许多重要的参与者,和一个重要的参与者是访问许多重要位置的人。在这样的假设,基本意义得分如下定义参与者和地方。分数意义的一个地方是意义的分数的总和为每个参与者谁住在。同样,重要性得分的参与者是意义的分数的总和在哪里留了下来。形式上,我们有和。我们使用共同实施分析集体参与者和地方之间的关系来计算分数增强的意义。

正式,因为参与者和由第一步确定的地方,我们建立一个矩阵用代表参与者和地方之间的关系。条目1如果参与者参观过的地方和0。此外,我们的问题可以归纳为以下形式。首先,我们表示向量的所有地方分数和所有参与者的分数表示的向量。因此,我们可以进一步写下以下方程: 在哪里表示矩阵的转置和是迭代的数量。最初的成绩是所有参与者和地点设置为1。我们利用迭代算法计算向量和。计算出的然后采用等级的所有地方。

5。实验评价

5.1。实验设置

就像前面提到的3.2,我们开发一个Android应用程序作为后台服务运行在移动设备上收集观察wi - fi指纹的间隔15秒。此外,应用程序提供了一个简单的问题促使参与者描述对话框窗口当前他/她呆在的地方,当用户在一个地方呆超过五分钟。然后描述用作地名标注的地方(最初wi - fi指纹的形式)。

我们进行两轮实验。在第一轮,我们邀请40名学员安装在他们的移动设备应用了两周。然而,正如前面的讨论中提到的,使用基于时间的方法的结果受到忽视的问题重要的常见地方由于阈值设置的原因。因此,验证解决方案的好处,我们进行另一轮的实验要求8参与者的40名学员在第一轮安装新版本的应用程序。在新的应用,触发对话框窗口的问题是只有当一个新近观察到指纹是一个集群成员确定在两层聚类分析收集到的数据在第一轮。FINCHA聚类算法的默认参数设置为2,0.3和0.2。

后两轮的实验中,两个结果集之间的映射加工观察指纹和人为产生的地方。数量的比较,我们要求四个参与者得分结果集的所有地方。参与者得分的地方根据规格表所示1。对于每一个地方,我们用四个参与者的平均分数的重要性度量。

5.2。重要的地方提取

在第一轮实验中,共有80000个指纹收集,和209位参与者的注释。在使用FINCHA计划,32个地方是注释。比较两个结果集的总结表2。正如前面所讨论的那样,大多数的地方发现的重要性分值较低的基线方法(平均分数为1.04)。我们看到的地方FINCHA方案确定的重要性得分高(平均分数为2.34)。我们进一步证明意义的分数分布比较图1。我们观察到超过85%的基线方法注释的地方是无关紧要的。相比之下,超过80%的带注释的地方FINCHA计划意义重大。实验结果表明,该控制方案的有效性在发现显著的地方。

5.3。重要的地方排名

我们也验证的有效性排名提取的地方。作为基线方法对这个地方不是排名能力,我们比较以下三个方案:(1)ranks-by-stay-time (RBST), (2) ranks-by-visit(各类单体),和(3)FINCHA RBST和各类单体方案排名两轮的地方提取总停留时间在一个地方和不同的参与者的总数参观的地方,分别。在图2,我们将展示的累积分数列举前的计划重要的地方。在图中,的值是设在和设在的累积分数最高的地方。我们可以看到,我们的计划总是优于RBST和各类单体方案。我们可以清楚地观察到RBST方案显示了与其它方案相比表现不佳。这是因为RBST计划排的地方总呆在一个地方,是合理的个人花费大部分的时间在个人的地方,如家庭或个人的办公室,这些都是低分数意义的地方,地方不太有用的实时地理空间应用程序。

另外,我们观察到各类单体方案时FINCHA方案参数具有竞争力很小。这样的结果的原因来自于访问更多的地方,更有意义的地方应该感兴趣的,有很高的机会在我们的应用程序。各类单体方案不同的游客数量排名的一个地方,因此能够在早期阶段发现的地方。

6。TeleEye系统

在本节中,我们描述我们的TeleEye应用程序的架构,然后详细TeleEye背后的业务流程。

6.1。用户界面

原型TeleEye系统由两部分组成,一个协调服务器站点和一个TeleEye应用在智能手机客户端。我们TeleEye应用程序的主界面如图3和总体架构如图4,这将在稍后讨论的小节。

在图3(一个),我们将展示的基本界面TeleEye应用,在图3 (b),我们显示功能菜单的应用程序,它允许用户(1)TeleEye查询问题,(2)检查TeleEye任务分配给她/他,(3)看到TeleEye查询他/她的反应,和(4)来管理个人概要文件和应用程序设置。在图3 (c),我们为发行TeleEye查询,显示界面中,用户可以指定(1)他/她感兴趣的位置,(2)询问有关位置的信息。在图中,我们使用激励场景1作为一个例子,在TeleEye位置设置为网球场国立中兴大学,台湾,和查询是检查是否所有的网球场都住满了。在图3 (d)我们显示的界面响应TeleEye查询,TeleEye工人可以看到任务和任务的位置。工人可以完成任务只需编写一个网球场的文本或拍照。如图3 (d)返回,照片网球场。

6.2。TeleEye架构

本节描述的架构TeleEye应用程序。TeleEye应用程序由两部分组成,一个协调服务器和一个TeleEye应用在智能手机端,这使我们能够连接和监控用户。协调服务器提供了三个基本操作(1)监控用户的位置,(2)接受和转发查询用户,和(3)找到合适的用户信息提供者。和TeleEye应用主要响应报告用户的位置信息(1)和(2)发出查询从服务器到服务器并接收结果。两个主要组件之间的关系如图4。在下面,我们模块实现系统的轮廓。(我)智能手机客户端如下。TeleEye应用:TeleEye应用程序是一个Android智能手机应用程序实例,负责用户界面和基本的实用操作TeleEye用户,如注册服务、档案管理、全球定位系统(GPS)阅读收购,和背景与TeleEye协调服务器连接。电源管理机制:此模块响应优化用电的操作TeleEye应用。智能手机应用程序的一个基本操作,不断获取和阅读报告GPS协调服务器。这样操作可能是主要消耗功耗,因此电源管理机制是通过抑制不必要的沟通与协调服务器实现。(2)协调服务器端如下。TeleEye协调服务器:该模块负责维护所有TeleEye工人的TeleEye追踪和实现TeleEye工人选择器。服务器还包括TeleEye系统的基本操作。在当前实现中,TeleEye服务器托管在Amazon Web服务云微软窗口2008服务器和MySql数据库的一个实例。任务执行人选择机制:此模块考虑问题选择合适的TeleEye工人信息提供者。向服务器发出查询时,我们如何对给定任务的潜在工人成为一个有趣的研究问题,特别是当超过预期数量的工人有资格获得执行TeleEye任务。在当前实现中,工人们被调查者的欧几里得距离的位置。我们计划调查其他策略,如考虑到曼哈顿距离或道路网络的距离,选择员工。我们也可以考虑使用连续的k神经网络查询索引技术(20.,21为更有效地管理用户的位置。查询结果保证机制:在这个模块中,我们考虑问题时不同的结果报告相同的任务查询结果是如何组织的调查者。在当前实现中,我们利用一个简单的投票机制清洁查询结果。我们计划在不久的将来进一步研究这个问题。

6.3。TeleEye操作流

在本节中,我们描述了TeleEye应用程序的业务流程。TeleEye应用程序中有两个操作流:该项服务过程和user-interlinking过程。

用户跟踪:在TeleEye运行应用程序中,我们需要TeleEye应用,不断获取GPS的移动设备和报告阅读TeleEye协调服务器和TeleEye服务器接收GPS数据和维护所有用户的位置信息在数据库中命名用户位置数据库。该项服务模式的目的是保持跟踪的所有用户的位置,因为它们是潜在的信息提供者的任务地点附近。

用户互连:另一方面,user-interlinking过程调用当TeleEye任务。TeleEye查询时发布到服务器,服务器首先将表示位置的GPS坐标转换,然后选择可能TeleEye工人从用户位置数据库根据他们的位置对于TeleEye位置。接触之后,服务器选择的工人(s),看看他们是否需要分配的任务。如果是,任务分配和服务器从工人等待结果。否则,服务器重新选择工人的任务执行。一旦结果发送回服务器,结果被发送到用户TeleEye查询问题。

7所示。结论

出于用户定位应用程序最近基于众包的地理空间查询回答问题,本研究提出了解决定位问题,利用无处不在的无线信号。然而,使用wi - fi信号的问题是没有观察到的wi - fi指纹和human-understandable地方之间的映射。在本文中,我们提出一个新颖的框架,执行聚类分析在集体指纹从所有参与者定义重要的地方和进一步的意义基于参与者访问模式的地方。实验结果证明了该方案的有效性在现有的解决方案。

利益冲突

作者宣称没有利益冲突有关的出版。

承认

这项研究受到了美国国家科学委员会,台湾,在批准号nsc102 - 2221 - e - 005 - 037 - my2和批准号nsc102 - 2221 - e - 005 - 073。