李静老师团队在人工智能与智慧交通领域顶级期刊《IEEE Transactions on Intelligent Transportation Systems》发表论文

通讯员：贾凌 桑启华 责任编辑：李嘉倩

近日，计算机科学与技术学院李静老师团队在人工智能与智慧交通领域顶级期刊、中科院一区刊物《IEEE Transactions on IntelligentTransportation Systems》上发表论文《Crowdsourcing Regional CoverageBalancing Method Based on Transfer Learning in Taxi Service》。该论文的第一作者为我院2022级硕士研究生杨艳玲，通讯作者为李静老师，山东理工大学计算机科学与技术学院为第一单位。

文章概要：

随着对出租车服务的深入研究，移动众包已成为解决基于位置的分配任务的新兴范式。但是，仅考虑任务完成和区域覆盖率平衡可能会降低用户的满意度。因此，不仅要解决覆盖率平衡问题，还要考虑用户满意度。本文研究了区域覆盖与用户满意度的平衡问题，提出了一种基于迁移学习的服务选择方法。该方法包括用户的轨迹预测和服务的声誉，以向用户推荐服务。在用户的轨迹预测部分，考虑了一种激励机制，以确保出租车服务在每个子区域的均匀分布。以服务提供商的移动为输入设计了一种自适应蚁群算法，该算法结合了迁移学习，为用户提供最优服务。最后使用从现实世界收集的数据验证了这种方法的有效性，并将性能与现有的区域覆盖平衡策略进行比较。实验结果表明，用户的满意度提高了53%，不平衡性降低了24%。

期刊介绍：

《IEEE Transactions on IntelligentTransportation Systems》是智能交通系统领域的顶级期刊，SCI中科院一区收录，影响因子9.551（截至2022年6月）。

文章链接：Crowdsourcing Regional Coverage Balancing Method Based on TransferLearning in Taxi Service

https://ieeexplore.ieee.org/document/10624682