程維杰，李洪貴，范勇強，彭鈺寒，甘 戈

(1.四川省金科成地理信息技術(shù)有限公司，四川 成都 610095；2.成都市生態(tài)環(huán)境數(shù)智治理中心，四川 成都 610015；3.成都信息工程大學，四川 成都 610225；4.成都市公安局，四川 成都 610017)

0 引言

眾包是一種讓人們主動或被動參與任務(wù)的新技術(shù)，自提出以來引起了廣泛關(guān)注，國內(nèi)已經(jīng)有很多類似美團、滴滴和順豐快遞等成功的眾包平臺。隨著全球經(jīng)濟和科技發(fā)展，移動設(shè)備的先進和普及以及5G技術(shù)的突破，學者們提出了一種新的眾包類型，叫作時空眾包，也稱為空間眾包。時空眾包是調(diào)度人群去現(xiàn)實生活中的指定地點執(zhí)行指定的任務(wù)，任務(wù)具有強烈的時空性質(zhì)，是傳統(tǒng)眾包不能比擬的。

時空眾包包含任務(wù)、工作人員和平臺3個部分，傳統(tǒng)眾包雖然包含上述3部分任務(wù)，但是不同之處在于[1]：時空眾包具有時空約束，而傳統(tǒng)眾包沒有。時空約束是指時空屬性的約束，也就是時空眾包中的任務(wù)、工作人員和平臺包含自己的時間和空間屬性。本文主要從任務(wù)分配、眾包評估和激勵機制3個方面進行綜述。

眾包平臺每天要管理大量的任務(wù)和工作人員，工作人員每天向平臺提出任務(wù)分配申請，產(chǎn)生大量數(shù)據(jù)。因此，時空眾包面臨的首要問題就是如何把任務(wù)高效地分配給員工，即任務(wù)分配[2]。任務(wù)分配是眾包工作中最重要的一步，因為眾包工作首先要解決的問題就是任務(wù)分配，如果任務(wù)分配解決不好，眾包平臺就不能長久運作。眾包評估是指分辨工作人員完成眾包平臺分配任務(wù)質(zhì)量的好壞，可以量化工作人員完成任務(wù)的質(zhì)量，并記錄這部分結(jié)果，這樣可以在一定程度上讓工作人員高質(zhì)量完成任務(wù)，讓眾包平臺高質(zhì)量、高效運轉(zhuǎn)。在進行眾包評估時，需要保護工作人員的個人隱私，平臺不能泄露這部分信息。也可以在工作人員同意的情況下，對工作人員的評估情況進行排名。激勵機制是指對工作情況優(yōu)良的員工進行激勵，從而增加工作人員的粘性，并吸引更多的員工來參與眾包。時空眾包的激勵機制是動態(tài)的，針對不同的區(qū)域設(shè)立特定的激勵機制。例如：如果一個區(qū)域的工作人員數(shù)量很少，那么完成這個區(qū)域內(nèi)的任務(wù)應(yīng)該適當提高獎勵，來讓工作人員更有動力到這個區(qū)域來完成任務(wù)。

在對時空眾包的算法進行詳細介紹之前，需要給出以下幾個基本概念。

任務(wù)請求者：負責在眾包平臺上發(fā)布任務(wù)，當工作人員接收并完成任務(wù)后，任務(wù)請求者根據(jù)任務(wù)的完成情況通過眾包平臺給予工作人員對應(yīng)的獎勵。

工作人員：是眾包平臺上接收任務(wù)領(lǐng)取獎勵的人。

任務(wù)：是由任務(wù)請求者發(fā)出的需要工作人員完成的事。

獎勵：是任務(wù)請求者通過眾包平臺給予工作人員的東西。

眾包平臺：是任務(wù)請求者和工作人員互動的地方，眾包平臺的運行成本的主要來源是工作人員，即在工作人員的激勵中抽取一筆費用當作眾包的運行成本。

本文的貢獻如下：① 按時間順序介紹任務(wù)分配、眾包評估和激勵機制的具體方法；② 詳細概述了現(xiàn)有的眾包技術(shù)；③ 討論了眾包技術(shù)未來面臨的挑戰(zhàn)。

本文首先介紹眾包技術(shù)相關(guān)的背景并詳細綜述眾包技術(shù)相關(guān)算法的研究現(xiàn)狀，涉及任務(wù)分配、眾包評估和激勵機制；然后描述時空眾包的工作流程；最后展望眾包技術(shù)的發(fā)展方向。

1 時空眾包工作流程

時空眾包的工作流程涉及任務(wù)申請者、工作人員、任務(wù)和眾包服務(wù)器4個部分。任務(wù)申請者是一個人或者一個組織，負責請求任務(wù)并為任務(wù)設(shè)立獎勵；工作人員負責執(zhí)行平臺分配或自己選擇的任務(wù)，有自己的時間屬性和空間屬性；任務(wù)由任務(wù)請求者發(fā)布在眾包平臺上，也有自己的時間屬性和空間屬性；眾包服務(wù)器監(jiān)控整個眾包工作流程，在工作人員和任務(wù)請求者信息交互時，眾包服務(wù)器作為媒介，保管重要數(shù)據(jù)。時空眾包工作流程如圖1所示。

圖1 時空眾包工作流程Fig.1 Workflow of spatial crowdsourcing

時空眾包工作流程有以下步驟：① 任務(wù)請求者設(shè)立任務(wù)和獎勵，將任務(wù)信息上傳到眾包平臺。② 眾包平臺接收任務(wù)請求者上傳的任務(wù)，從通過平臺評估的工作人員中查找合適的人，將任務(wù)分配給工作人員。③ 工作人員接收眾包平臺的信息后，查看分配的任務(wù)，通過任務(wù)獎勵和任務(wù)難度決定是否要接收任務(wù)。如果工作人員接收任務(wù)，那么就前往指定地點完成任務(wù)；如果不接收，眾包平臺接收任務(wù)拒絕請求，并將任務(wù)分配給新的工作人員。④ 工作人員接收任務(wù)并到達指定地點完成任務(wù)后，將任務(wù)完成情況上傳至眾包平臺，眾包平臺發(fā)送消息到任務(wù)請求者處，讓任務(wù)請求者檢查。如果任務(wù)請求者滿意，眾包平臺就會將任務(wù)獎勵發(fā)送給工作人員；如果任務(wù)請求者不滿意，任務(wù)請求者可以申請退回獎勵或者繼續(xù)找工作人員完成指定任務(wù)。⑤ 如果工作人員認為任務(wù)請求者惡意拒絕接收任務(wù)，可以向眾包平臺提出申請，讓眾包平臺作為第三方對提交的任務(wù)結(jié)果檢查。如果眾包平臺認為任務(wù)提交情況符合要求，就會與任務(wù)請求者進行調(diào)節(jié)，如果任務(wù)請求者不配合，就會采取扣除信譽分等形式懲罰任務(wù)請求者。

綜上，眾包技術(shù)概述圖如圖2所示。

圖2 眾包技術(shù)概述圖Fig.2 Overview of crowdsourcing techniques

此外，眾包技術(shù)在通信領(lǐng)域也取得了長足進展。例如，眾包平臺執(zhí)行任務(wù)分配、眾包評估或激勵時，難以實現(xiàn)的通信算法得以實現(xiàn)。例如，更高效地利用地理位置信息，讓任務(wù)分配更加快速，增加眾包平臺的工作效率；使收集工作人員和任務(wù)的時空信息更加容易，讓攻擊者難以攻擊，保護隱私安全。

2 任務(wù)分配

任務(wù)分配是時空眾包面臨的主要挑戰(zhàn)，在介紹任務(wù)分配前，需要介紹傳統(tǒng)的眾包工作流程。首先，任務(wù)請求者進入眾包平臺，發(fā)布其想要解決的任務(wù)，并為任務(wù)附上相關(guān)說明和完成任務(wù)能得到的獎勵。然后，在眾包平臺注冊的工作人員便可以搜尋符合自身能力的任務(wù)，嘗試完成它。最后，如果工作人員成功完成任務(wù)并上傳結(jié)果，就可以給任務(wù)請求者進行檢查。任務(wù)請求者判斷任務(wù)完成情況是否滿足自己的期望，如果滿足，眾包平臺就會將任務(wù)對應(yīng)的獎勵分配給工作人員。

經(jīng)典的眾包工作流程已經(jīng)不再適用當前基于位置的服務(wù)應(yīng)用，眾包平臺需要向時空眾包平臺轉(zhuǎn)型。時空眾包平臺的特點是工作人員不用自行查找任務(wù)，而是平臺將工作人員分配到合適的任務(wù)中。因為時空眾包中所有問題都以任務(wù)分配的好壞為基礎(chǔ)，所以任務(wù)分配被認為是時空眾包中最基本的問題。任務(wù)分配好壞的標準有很多種，比如任務(wù)的獎勵程度、工作人員對平臺分配任務(wù)的接受率、工作人員完成任務(wù)需要付出的成本等。本節(jié)將從在線場景和離線場景2個維度對任務(wù)分配的方法進行分類[3]。但僅有任務(wù)分配是不夠的，因為任務(wù)分配可能會出現(xiàn)任務(wù)分配不合理，導致多個工作人員匹配到相同的任務(wù)或工作人員取消任務(wù)，以致于還需要進一步進行任務(wù)調(diào)度，用來調(diào)度分配不合理的任務(wù)。本文對任務(wù)調(diào)度從在線場景和離線場景2個維度進行分類。

2.1 離線場景的任務(wù)分配

在離線場景中，工作人員和任務(wù)是靜態(tài)的，平臺一開始就知道他們的時空信息，時空信息包括任務(wù)和工作人員的時間和位置信息。假設(shè)眾包平臺中有一組工作人員和一組任務(wù)，需要將所有工人都分配到任務(wù)中。離線場景因為簡化了場景，在實際生活中并不常用，這里不做詳細介紹。因為真實場景有時空屬性的限制，工作人員全部分配到任務(wù)并完成任務(wù)是一種理想狀態(tài)。即使工作人員分配到了任務(wù)，但是如果需要經(jīng)過長途跋涉才能去完成任務(wù)，工作人員可能會取消任務(wù)。在線場景中如果想優(yōu)化匹配結(jié)果，需要明確優(yōu)化目標和方向，一般可以從利用最大化和成本最小化2個方面出發(fā)。

2.2 在線場景的任務(wù)分配

在線場景中，工作人員和任務(wù)是動態(tài)的，也就是只有任務(wù)和工作人員提交信息的時候平臺才知道他們的時空信息。在線場景比靜態(tài)場景更符合現(xiàn)實情況，因為現(xiàn)實生活中任務(wù)請求者可以在任何時間任何地點向眾包平臺提供新的任務(wù)，提交的任務(wù)會因超過時間限制而過期，工人的數(shù)量也會隨時變化，所以任務(wù)和工作人員的時空信息隨時都在變化。眾包平臺掌握這些信息比較困難，所以對于在線場景隨時變化的時空信息，不存在一個將任務(wù)分配給工作人員的最優(yōu)解，通常只能求得局部的最優(yōu)解。

局部最優(yōu)解的理論依據(jù)在于，雖然工作人員和任務(wù)是動態(tài)的，但是他們在某一時刻的時空信息是靜態(tài)的，可以根據(jù)某一時刻的時空信息求得瞬時數(shù)據(jù)，然后根據(jù)一段時期的瞬時結(jié)果求得局部最優(yōu)解。解決在線任務(wù)分配問題的算法，按照發(fā)布的時間進行排序，常見算法包括：最小位置熵優(yōu)先級算法(Least Location Entropy Priority，LLEP)[4]、任務(wù)路徑智能個性化模型(Individualized Models for Intellligent Routing of Tasks，IMIRT)[5]和雙階段在線全局微任務(wù)分配算法(Two-sided Global Online Micro-task Allocation，TGOA)[6]。

Kazemi等人[4]提出的最小位置熵優(yōu)先級算法也被稱作最小成本算法，包含2個主要步驟：① 利用匈牙利算法尋找最大匹配；② 利用類似分枝定界的整數(shù)規(guī)劃技術(shù)，讓任務(wù)分配的成本最小。

Hassan等人[5]提出一種用于在線任務(wù)分配的任務(wù)路徑智能化模型，將多臂老虎機問題融入到在線分配中。其中，工人視作手臂，任務(wù)分配給工人的過程視作游玩多臂老虎機。IMIRT模型的基本思想為：對于一個新到達的任務(wù)，選擇一個具有最高成功概率的工人讓任務(wù)成功的概率最大化。成功的概率是從不斷測試多臂老虎機中得到的。

Tong等人[6]提出TGOA算法，其基本思路是將所有任務(wù)和工人分為2個相同的組，對其采取不同的策略:第1個組采用貪心策略，將每個新到達的任務(wù)(或者工作者)分配給能更好完成任務(wù)且滿足所有約束條件的工作者(或任務(wù))；第2個組采用匈牙利算法，讓匈牙利算法找到最優(yōu)的匹配方案。下面展示TGOA算法的流程，如算法1所示。

算法1:混合端到端訓練法輸入:一組任務(wù)T,一組工人W輸出:一個合理的任務(wù)分配M1.m←|T|,n←∑w∈WCw, Κ← ?(m+n)/2」;2.初始化W△←Φ,T△←Φ;3.FOR平臺收到的每個到達的任務(wù)或者工人υ DO4. IF | T△|+| W△|

算法1的工作原理為：首先初始化任務(wù)的總數(shù)m和工人的總數(shù)n，將每個有能力完成任務(wù)的工人Cw保留下來(第1行)。然后，初始化2個集合來保存平臺接收的任務(wù)和愿意完成任務(wù)并符合條件的工人(第2行)。算法迭代地處理每個新到達的任務(wù)或工作者(第3～23行)，前半部分采用貪婪策略(第4～11行)；后半部分采用最優(yōu)策略(第13～20行)。在最優(yōu)策略前半部分，分配一個滿足所有約束條件且未被分配出去的任務(wù)(第6～8行)，或者分配一個滿足所有約束條件且未被分配出去的工人(第9～11行)；在最優(yōu)策略后半部分，采用了匈牙利算法來獲得全局的最優(yōu)匹配Mυ，并更新任務(wù)分配的結(jié)果M(第13～20行)。最后，更新最開始初始化的2個集合T△和W△，返回一個合理的任務(wù)分配結(jié)果M。

Xu等人[7]設(shè)計了云邊緣計算中社會福利最大化的眾包市場激勵機制，提出了云邊緣計算框架下的雙作用模型，通過實驗評價和對比分析，驗證了模型的可用性。圖3展示了云計算眾包模型工作原理，包括云平臺層、網(wǎng)絡(luò)層和交流層。

圖3 云計算眾包模型Fig.3 Cloud computing crowdsourcing model

2.3 離線場景的任務(wù)調(diào)度

任務(wù)調(diào)度的基本思路為：創(chuàng)建一個任務(wù)序列，讓工人執(zhí)行的任務(wù)數(shù)量最大化?？梢酝ㄟ^生成一個空間序列讓工人執(zhí)行任務(wù)的成本最小化。解決離線場景任務(wù)調(diào)度的算法主要有2種：精確算法和貪心算法。因為離線場景在現(xiàn)實場景中不實用，本節(jié)只介紹一對多場景的離線場景的任務(wù)調(diào)度。

一對多的離線場景任務(wù)調(diào)度的目標是為工作人員找到一條執(zhí)行任務(wù)的路徑，讓他執(zhí)行更多的任務(wù)，同時成本是工作人員可以接受的。Deng等人[8]首先研究了離線場景中的任務(wù)調(diào)度，以成本預(yù)算為前提，讓工作人員執(zhí)行任務(wù)總數(shù)量最大化，利用精確算法和貪心算法來解決任務(wù)調(diào)度。另外，Deng等人提出幾種精確算法，包括動態(tài)規(guī)劃算法MST (Maximum Task Scheduling)、2種基于分支定界的算法MST-DP (Maximum Task Scheduling-Dynamic Programming)和MST-BB (Maximum Task Scheduling-Branch and Bound)。上述算法應(yīng)用了剪枝策略來減少算法運行的時間。

2.4 在線場景的任務(wù)調(diào)度

在線場景比離線場景更具挑戰(zhàn)性，因為工作人員和任務(wù)的時空信息是未知的，并且在線場景中眾包平臺給工作人員分配的任務(wù)被拒絕的可能性比離線場景的可能性要高，增加了在線任務(wù)分配的復雜性。比如在線場景給工作人員分配遠離工作人員當前位置的任務(wù)，如果獎勵不夠，大概率會被工作人員拒絕。本節(jié)從一對多和多對多2個方面對在線場景的任務(wù)調(diào)度進行描述。

一對多的任務(wù)調(diào)度中，和離線場景一樣，目的都是為了讓工作人員完成任務(wù)的數(shù)量最大化。Tong等人[9]提出了一種面向預(yù)測的實時空間數(shù)據(jù)在線任務(wù)分配算法，符合實時空間數(shù)據(jù)中在線任務(wù)分配的需求，讓分配的效果理想化。Li等人[10]提出了2種基于貪婪算法的方法——Nearest-neighbor heuristic和Earliest deadline heuristic，這2種算法都運用了雙向搜索和剪枝策略，提高了算法的執(zhí)行效率。

多對多的任務(wù)調(diào)度中，主要針對成本最小化進行綜述。針對成本最小化，Ma等人[11]研究拼車服務(wù)的在線場景任務(wù)調(diào)度方法，基于網(wǎng)格索引提出一種框架T-Share，用來調(diào)度不合理的任務(wù)。Liu等人[12]設(shè)計了一種動態(tài)樹，用來插入和更新工作人員的相關(guān)路徑，求取成本最小的路徑。徐天承等人[13]提出了一種基于軌跡的任務(wù)分布預(yù)測法，利用圖卷積神經(jīng)網(wǎng)絡(luò)和全連接卷積神經(jīng)網(wǎng)絡(luò)模型進行預(yù)測任務(wù)成本，更加契合時空眾包平臺的時效性。

3 眾包評估

眾包評估是時空眾包工作中的關(guān)鍵步驟，如果評估結(jié)果不可靠，那么眾包平臺不能高效運作。眾包評估主要是針對工作人員的績效進行評估，判斷工作人員的能力和適合的任務(wù)。本節(jié)將討論眾包評估的不同指標和評估的方法，以及眾包評估過程中的隱私保護。

3.1 評估指標

定義1準確性[14]：任務(wù)完成的準確性是眾包中使用最廣泛的指標，通常以0～1的一個數(shù)字來表達準確性。例如，如果一個任務(wù)只有正確和錯誤2種結(jié)果，用1來表示任務(wù)成功，0表示任務(wù)失敗。如果一個任務(wù)分割成不同的問題，工作人員只完成了其中幾個問題，那么完成度可以用0～1的數(shù)來表示。

定義2成本[14]：表示為C=，其中w代表工人信息，t代表任務(wù)信息。w.l和t.l表示工人和任務(wù)的空間信息，w.t和t.t表示工人和任務(wù)的時間信息，如工人到達任務(wù)地點的之間，任務(wù)由任務(wù)請求者上傳的時間。通過工人和任務(wù)的時空信息可以預(yù)算成本。

眾包平臺因為良好的經(jīng)濟性和實用性廣泛流行，其中成本是一項重要的評估指標。一般的眾包平臺中，任務(wù)請求者提交的工作內(nèi)容都有一個預(yù)先指定的成本，工作人員根據(jù)任務(wù)內(nèi)容和成本判斷任務(wù)是否合理。

定義3任務(wù)完成時間[14]：工作人員完成整個任務(wù)花費的時間。眾包平臺一般會向任務(wù)請求者提供任務(wù)時間相關(guān)信息，同時任務(wù)請求者也可以為每個任務(wù)設(shè)置最大的時間限制。

定義4影響因素[14]：長期影響眾包平臺的運行質(zhì)量的因素，是評估指標的一部分，包括任務(wù)請求者的滿意度、工作人員的離職率和工作人員繼續(xù)執(zhí)行任務(wù)的可能性等因素。

此外，還有一些根據(jù)特殊任務(wù)進行特殊考慮的因素，如對隱私保護的力度是音頻轉(zhuǎn)錄任務(wù)的重要評估指標。

3.2 評估方法

工作人員想要繼續(xù)在眾包平臺得到任務(wù)，就必須接受來自平臺的評估，眾包平臺通過評估工作人員的工作表現(xiàn)，來決定如何分配任務(wù)。評估的參考標準可以有多種，例如工作人員得到的總金額、任務(wù)完成的速度以及任務(wù)請求者的滿意度等。本節(jié)給出經(jīng)典的評估方法。

① 金額評估：金額是任務(wù)請求者為任務(wù)設(shè)立的獎勵，一般情況眾包平臺會根據(jù)工作人員獲取的金額數(shù)量來初步判定工作人員的績效如何。Liu等人[15]通過預(yù)測工人能在任務(wù)中獲得的金額數(shù)來判斷工人是否勝任該任務(wù)；Oleson等人[16]提出一種程序化方法，提出了一種名為編程黃金的模型來收集工作人員以前的金額數(shù)據(jù)，判斷任務(wù)是否能夠交給工人完成。

② 資格評估：資格評估是工作人員在接收任務(wù)前需要完成的一些問題，一般包括工作人員的工作經(jīng)驗、工作背景和職業(yè)技能等問題。Stol等人[17]提出在進行翻譯任務(wù)前，可以設(shè)置一些簡單的語言測試來為任務(wù)設(shè)置一個門檻；Gadiraju等人[18]提出考慮設(shè)置一些工作人員的自我評估，通過工作人員的自我評估來判斷任務(wù)能否分配給工作人員。

③ 信譽評估：工作人員在歷史任務(wù)中，任務(wù)請求者對任務(wù)的滿意度也可以作為信譽評估的指標，并且通過分析工作人員之間的關(guān)系也可以為信譽評估加分。例如，Hata等人[19]設(shè)計一種名譽分數(shù)，通過分數(shù)的多少來評估工作人員。這種分數(shù)可以給員工帶來一種榮譽感和成就感，也可以用分數(shù)對員工進行排名。

④ 行為評估：工作人員在工作中的一些行為可以用來預(yù)測工作人員的績效，工作人員的行為因素與工作人員的輸出質(zhì)量有關(guān)。Rzeszotarski等人[20]提出了一種基于用戶行為軌跡捕捉的方法，分析了工作人員在完成任務(wù)期間的一系列動作，用于預(yù)測工作人員的績效。Kazai等人[21]得出結(jié)論：在一些任務(wù)中，相較于用金錢作為指標，Rzeszotarski的方法的準確性幾乎翻了1倍。行為評估是一種有趣的方法，但是由于隱私保護的原因在現(xiàn)實生活中無法大量實施。

3.3 隱私保護

在眾包平臺的評估工作中，工作人員需要向眾包平臺公開自己的位置信息，方便任務(wù)分配。但是位置信息很敏感，容易遭到攻擊，對手可以通過到手的位置信息推斷工作人員的隱私。如外界可以根據(jù)工作人員前往醫(yī)院的次數(shù)，推斷工作人員的職業(yè)或健康信息；根據(jù)工作人員前往休閑場所的位置，推斷工作人員的生活方式和經(jīng)濟情況。即使工作人員使用假身份，位置信息依然可以識別工作人員的移動模式，揭示工作人員的家庭位置或工作場所的信息。本節(jié)將從隱身技術(shù)、差分隱私技術(shù)和加密技術(shù)來對工作人員的隱私保護進行綜述。隱私保護技術(shù)的相關(guān)工作總結(jié)如表1所示。

表1 隱私保護技術(shù)的相關(guān)工作總結(jié)Tab.1 Summary of related works on privacy protection technology

隱身技術(shù)顧名思義就是對工作人員的時空信息進行隱藏。最常用的隱身技術(shù)是空間k匿名(Spatial k-anonymity)，這個方法的原理是考慮反向地理編碼和共享相似地理標識符的個體數(shù)量，減少個體被識別的概率?；诳臻gk匿名產(chǎn)生的隱私框架PiRi(Partial-inclusive and Range independence)[22]，該框架在任務(wù)分配過程中保護員工隱私。

差分隱私技術(shù)是指往原信息內(nèi)人工添加一些信息，讓原信息失真。差分隱私技術(shù)能讓工作人員在發(fā)布任務(wù)時刪除他們自己的敏感數(shù)據(jù)，且發(fā)布的結(jié)果不會受到影響，解決了工作人員對個人信息泄露的擔憂。差分隱私技術(shù)是任務(wù)分配過程中保護工作人員隱私最常用的技術(shù)，經(jīng)過差分隱私技術(shù)處理的信息被獲取后，很難推斷出原信息。Wang等人[23]提出了一種基于霍普菲爾德神經(jīng)網(wǎng)絡(luò)的多策略差分隱私框架，該框架包含3種不同的差分隱私機制，具有較高的安全性。Wei等人[24]提出了一種基于差分隱私的位置保護(Differential Privacy-based Location Protection,DPLP)方案，該方案能同時保護任務(wù)和工作人員的位置隱私，通過自適應(yīng)三層網(wǎng)格分解算法和基于差分隱私技術(shù)的自適應(yīng)全金字塔網(wǎng)格算法，將工人和任務(wù)的準確位置以網(wǎng)格的形式呈現(xiàn)，通過網(wǎng)格來處理工人和人物的信息。

加密技術(shù)是指對工作人員和任務(wù)的時空信息進行編碼，讓敏感信息只能由具有解密密鑰的授權(quán)才能進行解碼。Choudhary等人[25]將橢圓曲線解碼(Elliptic Curve Cryptography,ECC)與高級加密標準(Advanced Encryption Standard,AES)相結(jié)合，實現(xiàn)圖像加密和解密的方法，這種混合過程既有對稱算法的實現(xiàn)速度和易用性，也有非對稱算法的安全性，讓工作人員和任務(wù)的信息更安全。Meng等人[26]提出了一種策略，利用關(guān)鍵字搜索(Keyword Search,KS)技術(shù)保護基于屬性的加密(Attribute-based Encryption，ABE)，防止未經(jīng)授權(quán)的用戶查看敏感信息。Sun等人[27]提出了一種基于區(qū)塊鏈的兩階段隱私保護機制，第1階段提出了一種雙干擾局部差分隱私算法來干擾工作人員的位置。

4 激勵機制

成功的眾包平臺通常集成了較好的激勵機制，激勵機制不僅能夠提高工作人員的積極性，還能吸引更多的工作人員加入眾包平臺。獎勵一般分為內(nèi)部獎勵和外部獎勵2種形式。內(nèi)部獎勵可以加快工作人員完成任務(wù)的速度，而外部獎勵可以提高任務(wù)完成的質(zhì)量。獎勵的形式也有所差別，可以是金錢，也可以社會聲望，如一些虛擬的榮譽勛章。本節(jié)從內(nèi)部獎勵和外部獎勵對以上激勵策略進行綜述。激勵機制的內(nèi)容和適用性如表2所示。

表2 不同激勵機制的內(nèi)容及適用性Tab.2 Contents and applicability of different incentive mechanisms

4.1 內(nèi)部激勵提升

突出貢獻：如果工作人員為了任務(wù)本身而工作而不是為了金錢獎勵，他們便會拿出更高的行動力去執(zhí)行任務(wù)。例如，日常的志愿工作是一種目的性驅(qū)動的例子，工作人員如果能理解和認同任務(wù)，就會積極參與到任務(wù)之中，提高任務(wù)的執(zhí)行速度。Kaufman等人[28]研究表明，具有明確社會目的任務(wù)能吸引更多人無償奉獻，并且如果一個任務(wù)參與的人越少，那么參與的人往往會更愿意做貢獻。

自我競爭：眾包平臺可以把工作人員之間的關(guān)系轉(zhuǎn)變?yōu)橐环N良性競爭模式，設(shè)定一個排行榜讓工人查看，讓他們自發(fā)進行比較，從而推動工作人員更好地完成任務(wù)。目前很多眾包平臺都采用了這種方式，Stepanov等人[29]研究了向工作人員展示分數(shù)以及排行榜的優(yōu)勢。目前的眾包平臺已經(jīng)在廣泛使用排行榜。

工作信任：工作人員之間共享身份和行為等信息，通過這種方法讓工作人員之間建立信任和聯(lián)系，有助于讓工作人員產(chǎn)生歸屬感，從而提高任務(wù)完成速度。Hosseini等人[30]認為，保持員工之間良好的關(guān)系對工作效率會產(chǎn)生積極影響。但因為需要保護隱私，工作人員對這一情況表示支持才能夠?qū)嵤?/p>

4.2 外部激勵提升

合適的獎勵：任務(wù)請求者在設(shè)立任務(wù)時，獎勵是一個必不可少的屬性，合適的獎勵形式和數(shù)量對任務(wù)的順利完成十分重要。Faradani等人[31]研究表明,適當調(diào)整獎勵金額能讓任務(wù)獲得更好的結(jié)果。Singer等人[32]研究了如何利用不同的定價策略在給定的預(yù)算下最大限度地完成任務(wù)。

額外的獎金：獎金是一種附加的獎勵，是平臺獎勵杰出工作人員的獎勵機制，出色的工作人員是指達到預(yù)定設(shè)立的目標或者達到平臺設(shè)立的關(guān)鍵績效指標的人。Difallah等人[33]提出根據(jù)員工的績效來定期授予獎金。Yin等人[34]提出平臺除了設(shè)立一個任務(wù)截至時間，還可以設(shè)立一個更短但合理的時間，如果工人能在這個額外時間內(nèi)完成任務(wù)就能獲得額外的獎勵。

升職的獎勵：升職是指讓一名工作人員提升到比他當前職位更高的位置上去，升職的對象為那些長期為平臺付出的工作人員，這種獎勵能夠提升工作人員的滿足感，同時激勵工作人員更好地完成自己的工作。Dow等人[35]建議將滿足條件的員工從內(nèi)容生產(chǎn)者提升為內(nèi)容管理者。

4.3 激勵機制應(yīng)用

Zhu等人[36]研究了內(nèi)部激勵機制，發(fā)現(xiàn)共享知識提升的績效比私有知識高，從而建立了知識共享激勵機制，這種機制可以實現(xiàn)眾包平臺與工作人員的雙贏。知識共享激勵機制的關(guān)鍵要素包括：① 眾包管理者決定知識共享的獎勵；② 任務(wù)請求者決定自己任務(wù)的知識共享程度;③ 這種機制中存在隨機項εi，用于表明不確定性，例如眾包管理員由于自身習慣不同，在眾包方案上的選擇存在不確定性。Shi等人[37]利用用戶之間的社會影響力作為激勵因素用戶參與眾包任務(wù)，降低招募用戶的成本?？紤]了3種情況:信息共享、、部分信息共享和信息不共享。根據(jù)任務(wù)分配和用戶招聘機制，在降低激勵成本的同時優(yōu)化數(shù)據(jù)質(zhì)量。

5 總結(jié)與展望

本文綜述了時空眾包的相關(guān)技術(shù)，主要包括任務(wù)分配、眾包評估和激勵機制。任務(wù)分配是時空眾包最基礎(chǔ)的問題，以在線場景和離線2種場景概述了任務(wù)分配以及任務(wù)調(diào)度。眾包評估分別概述了評估指標、評估方法和隱私保護。激勵機制從內(nèi)部獎勵和外部獎勵2方面進行概述。眾包技術(shù)未來的發(fā)展方向包括任務(wù)分配和隱私保護。

任務(wù)分配是眾包任務(wù)中最關(guān)鍵的一步，因為時空眾包的任務(wù)帶有時空屬性，工人必須到現(xiàn)實的地點去完成任務(wù)。如果任務(wù)分配不合理，導致工人不愿意去完成任務(wù)，眾包平臺將不能健康長久地運行。未來關(guān)于任務(wù)分配的工作應(yīng)當更多地從任務(wù)分配的合理性出發(fā)，考慮讓員工愿意接受任務(wù)，才能開展下一步工作。

隱私要保護到什么程度，應(yīng)該怎么樣去保護，是每個眾包工作者都應(yīng)該考慮的問題。適當?shù)赝嘎峨[私能增加員工的歸屬感，但會有員工反對這種暴露自己信息的做法。未來可以去嘗試找到隱私保護和眾包發(fā)展的平衡點，讓眾包平臺安全平穩(wěn)地發(fā)展。