KDD2019空间众包平台的三维稳定匹配问题-Three-Dimensional Stable Matching Problem for Spatial Crowdsourcing Platforms

研究现状

• 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。
  例如：如下图所示，平台中存在三种类型的点,即user(例如 u1,u2,u3)，worker(例如 w1,w2, w3)和workplace(例如 p1,p2,p3)，我们将距离的倒数视为效用分数。使用song论文中的策略，我们可以获得以红色显示的全局计划线。在此计划中,将 u3 和 w1 匹配在一起，并分配给放置 p2。但是，显然存在另一个地方 p3 与 u3 和 w1 都更近。那么 u3 和 w1 都不高兴：“显然,我们附近有一个工作场所，为什么平台让我们去更远的地方?!”
  

作者贡献

• 提出了一个新的稳定匹配问题,称为三维稳定空间匹配(3D-SSM).；
• 证明了3D-SSM问题是 NP-hard 问题；
• 提出了基于最大加权独立集基于MWIS 算法、贪婪稳定匹配GSM 算法、有界近似度的动态稳定匹配DSM 算法和路径交换Path Swap 算法，以有效地近似求解 3D-SSM 问题；
• 通过对真实数据集和合成数据集的广泛实验,验证了所提出的方法的有效性和效率。

概念定义

首先，下表所示为作者在论文中用到的符号定义：

给定 m 个用户，n 个工人和 t 个工作场所，我们将 U 表示为用户集，W 是工人集，P 是工作场所集。每个用户 u∈U 或工作场所 p∈P 由 二维空间位置 lu描述或 lp。每个工人 用三元组 w <lw,cw>描述. 这里 lw 是 二维空间位置,cw 是可以匹配的用户数量。为了方便起见，每个工人 w∈W(或者用户u∈U),我们使用一组 DWw(或者DWu)升序存储所有工作场所 p∈P中p 与 w 之间的距离(或者u与w距离)。同时,对于每个位置 p 使用一组 DLWp(或者 DLUp)来升序存储所有工人 w∈W(或者用户u∈U)从 w或u到 p 之间的距离。

请注意，一位user只能与一位worker匹配workplace。 一个worker在其能力范围内可以匹配多个user，也可以在一个workplace匹配它们。 匹配项（w，u，p）是三元组，这意味着需要工人 w 和用户 u 去工作场所 p 完成服务。

• 定义 1（稳定三元组）：
  对于工人 w，用户 u 和工作地点 p，（w，u，p）是稳定三元组的条件是没有其他位置 p’∈P 比 p 离w更近，也没有 p’离 u 比 p 更近，不管 p’是否与其他worker/user匹配。

示例 1：如下表2(a)、(b)、©所示工人，用户和工作场所的信息，例如匹配项（w