AAAI2020 一种空间众包同步到达匹配算法 Simultaneous Arrival Matching for New Spatial Crowdsourcing Platforms-优快云博客

本文研究了三维匹配问题在空间众包平台的应用，特别是考虑到用户和工人到达工作场所的同步性。作者提出了同时到达匹配（SAM）问题，保证双方在给定的容忍时间内同时到达，解决了现有算法的不足。文中详细介绍了滑动窗口算法和阈值扫描算法，以提高匹配的稳定性和效率，并通过实验验证了算法的有效性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

AAAI2020 一种空间众包平台同步到达匹配算法 Simultaneous Arrival Matching for New Spatial Crowdsourcing Platforms

研究背景
作者贡献
问题定义
算法分析
- 滑动窗口算法

研究背景

大多众包平台现有方法通常着重于两种对象worker和user的匹配，让worker前往user所在的位置提供服务，这是二维匹配的问题。然而一些新平台提供的最新服务，例如个性化理发服务（南瓜车app）和乘车共享（滴滴app），需要user和worker一起前往第三工作场所workplace完成服务，这是三维匹配的问题，现有众包平台无法很好解决此类匹配问题。
Song 等人在论文“Trichromatic Online Matching in Real-Time Spatial Crowdsourcing”中提出了三维匹配策略，即平台通过最大化用户和工作人员的总效用得分来制定计划。这个策略只是最大限度地提高了平台的满意度，但未能全面考虑用户和工作人员的要求。
本文作者Li于2019年在KDD上发表的“Three-Dimensional Stable Matching Problem for Spatial Crowdsourcing Platforms”探讨了工人（worker）和用户（user）对工作场所（workplace）带偏好的三维匹配问题的求解算法。感兴趣的朋友可以参见另一位博主对这篇文章的解读：KDD2019空间众包平台的三维稳定匹配问题
本文是Li在3上的进一步研究，在工人和用户对工作场所带偏好的基础上，加入了工人和用户的到达时间，由此这个问题就由划分问题扩展到调度问题，难度也进一步升级。
下面举一个简单的例子：
考虑图1所示的一个众包平台，平台上3个工人(w₁…w₃)、7个用户(u₁…u₇)和3个工作场所(p₁…p₃)。每个worker的容量分别为{3,3,1}，表示其能够服务的最大用户数。按照Li在3中的算法得到的匹配结果如图(a)所示。然而，在现实世界中，每个用户和工人都有一个离开时间（Departure Time），这意味着他们从当前位置离开去往工作场所的时间。

假设出发时间如表1所示，每个用户和工人的出行速度为0.5。然后u₅在9:05出发，9:12到达p₂。从图(a)中可以看出，w₃在9:24到达p₂，也就是说u₅需要等w₃12分钟。同样的，u₄在9:08到达p₃，他需要