基于眾包模式的POI數(shù)據(jù)采集方案研究

嚴(yán)宏基，李 兵，詹 偉，舒 紅，耿 晴，趙 晶

（1.湖北省測(cè)繪成果檔案館 湖北省地理信息數(shù)據(jù)交換中心 ，湖北 武漢 430074； 2.武漢大學(xué) 測(cè)繪遙感信息工程國(guó)家重點(diǎn)實(shí)驗(yàn)室，湖北 武漢 430079；3.湖北省地圖院 湖北省地理數(shù)據(jù)應(yīng)用中心,湖北 武漢 430074）

基于眾包模式的POI數(shù)據(jù)采集方案研究

嚴(yán)宏基1,2，李 兵3，詹 偉1，舒 紅2，耿 晴1，趙 晶1

（1.湖北省測(cè)繪成果檔案館 湖北省地理信息數(shù)據(jù)交換中心 ，湖北 武漢 430074； 2.武漢大學(xué) 測(cè)繪遙感信息工程國(guó)家重點(diǎn)實(shí)驗(yàn)室，湖北 武漢 430079；3.湖北省地圖院 湖北省地理數(shù)據(jù)應(yīng)用中心,湖北 武漢 430074）

針對(duì)小城市（鎮(zhèn)）POI數(shù)量的高速擴(kuò)張以及傳統(tǒng)采集方式的滯后，提出基于眾包模式的POI數(shù)據(jù)采集思路，并以POI屬性及分類為依據(jù)，對(duì)眾包中的任務(wù)設(shè)計(jì)、分配以及質(zhì)量控制提出具體方案。

眾包模式；POI采集；任務(wù)分配；質(zhì)量控制

POI（point ofinterest）是指與人們?nèi)粘Ｉ蠲芮邢嚓P(guān)的，可以抽象為點(diǎn)的地理實(shí)體[1]，如公司、學(xué)校、酒店等。對(duì)于一個(gè)POI來(lái)說(shuō)，它的主要內(nèi)容包括4個(gè)方面：名稱、類別、經(jīng)緯度、附近地物信息。按照對(duì)POI需求程度的不同，有時(shí)還會(huì)附以電話、E-mail、圖片、語(yǔ)音介紹等多媒體信息。通過(guò)將POI點(diǎn)融入電子地圖、數(shù)字城市框架和各類基于位置的服務(wù)（LBS），并以可視化技術(shù)直觀表達(dá)，可以實(shí)現(xiàn)智慧POI服務(wù)。

小城市（鎮(zhèn)）在GIS建設(shè)方面較為落后，POI數(shù)據(jù)庫(kù)完備性差，更新周期長(zhǎng)，且POI具有一定的地域分布式特性。為應(yīng)對(duì)小城市（鎮(zhèn)）可持續(xù)發(fā)展對(duì)規(guī)劃建設(shè)與監(jiān)督管理中數(shù)據(jù)平臺(tái)的迫切需要，本文提出一種基于眾包模式的POI數(shù)據(jù)采集方案。通過(guò)大眾的廣泛參與，實(shí)現(xiàn)POI數(shù)據(jù)的社會(huì)化采集[2]，為小城市（鎮(zhèn)）智慧規(guī)劃決策支持提供數(shù)據(jù)服務(wù)。同時(shí)針對(duì)POI眾包采集的任務(wù)設(shè)計(jì)、分配、質(zhì)量控制作了相關(guān)敘述，并通過(guò)實(shí)驗(yàn)驗(yàn)證了方案的可行性。

1 眾包模式

1.1 眾包模式的定義

2006年，Howe首次提出眾包這一概念：眾包是指一個(gè)公司或機(jī)構(gòu)將過(guò)去由特定人員執(zhí)行的工作任務(wù)外包給非特定的大眾網(wǎng)絡(luò)的做法[3]。眾包模式通常包括三類角色：任務(wù)參與者，眾包平臺(tái)，任務(wù)發(fā)起者，如圖1所示。

任務(wù)發(fā)起者是整個(gè)流程的首要環(huán)節(jié)。發(fā)起者所上傳任務(wù)的類型與內(nèi)容決定了任務(wù)分配以及質(zhì)量控制的方式。任務(wù)參與者泛指一切網(wǎng)民，他們是眾包模式中的潛在生產(chǎn)力，相比外包模式的高專業(yè)性，具有更高的上限和不確定性。眾包平臺(tái)是建立在互聯(lián)網(wǎng)環(huán)境下的眾包模式樞紐，按照其經(jīng)營(yíng)理念的差異可以分為兩類：一類是企業(yè)或者機(jī)構(gòu)基于自身發(fā)展需求而建立的眾包平臺(tái)。這類眾包平臺(tái)目的性強(qiáng)，主要以有償?shù)姆绞轿巳骸Ａ硪活惐姲脚_(tái)通常扮演著虛擬的知識(shí)中介平臺(tái)的角色，通過(guò)互聯(lián)網(wǎng)聚合分布式大眾，以多樣化的任務(wù)搭建需求者之間的溝通橋梁。

圖1 眾包模式

1.2 眾包模式的影響因素

一方面，從眾包模式的不同角色來(lái)思考，對(duì)于發(fā)包者的主要影響因素是創(chuàng)新與知識(shí)經(jīng)濟(jì)；對(duì)于參與者而言，興趣愛(ài)好以及物質(zhì)獎(jiǎng)勵(lì)等是主要驅(qū)動(dòng)力；對(duì)于眾包平臺(tái)，作為發(fā)包者與參與者的橋梁與容器，隨著“容器中化學(xué)反應(yīng)的需要”，其整合組織能力相應(yīng)提高[4]。另一方面，從整個(gè)模式的流程出發(fā)，最大化眾包績(jī)效是目的，可以視為目標(biāo)函數(shù)。而任務(wù)設(shè)計(jì)（任務(wù)難度，賞金值，任務(wù)時(shí)間期限）、參與者屬性（參與人數(shù)，人員專業(yè)性）以及眾包平臺(tái)的任務(wù)調(diào)度是相互影響的變量，一般采用控制變量的思想研究不同變量對(duì)眾包績(jī)效的影響[5]。

眾包績(jī)效通過(guò)單位成本下的方案數(shù)量和平均質(zhì)量體現(xiàn)出來(lái)。為了使績(jī)效期望達(dá)值到最大，發(fā)包方需注意以下幾點(diǎn)：

1） 建立績(jī)效與各變量間非線性關(guān)系，在滿足一定質(zhì)量閾值的情況下，得到成本績(jī)效比的最小值。

2） 設(shè)計(jì)任務(wù)時(shí)以激發(fā)參與者的內(nèi)在動(dòng)機(jī)為主，外在動(dòng)機(jī)為輔，且在面向大眾的模式下保持一定的針對(duì)性。

3） 因任務(wù)而異，設(shè)計(jì)質(zhì)檢環(huán)節(jié)以及采用一定的質(zhì)量控制策略。

2 POI數(shù)據(jù)采集技術(shù)現(xiàn)狀

POI數(shù)據(jù)采集包括新POI的采集與原始POI的更新。隨著移動(dòng)定位技術(shù)的發(fā)展以及WebGIS的普及，近年來(lái)相關(guān)技術(shù)層出不窮。可分為以下幾類：

1） 采用與現(xiàn)有POI數(shù)據(jù)庫(kù)中有重疊信息的數(shù)據(jù)信息，通過(guò)重疊的信息實(shí)現(xiàn)已有POI與其他屬性信息的匹配，以達(dá)到更新的效果。戴冬冬提出基于地址匹配方法的POI數(shù)據(jù)更新[6]，利用電信企業(yè)庫(kù)的大量客戶信息資源，通過(guò)電話號(hào)碼定位相關(guān)分線盒得到客戶位置，然后與GIS庫(kù)中的地址庫(kù)進(jìn)行匹配，實(shí)現(xiàn)POI采集與更新。

2）基于帶有位置信息的網(wǎng)絡(luò)平臺(tái)進(jìn)行采集。陳睿嘉、康志忠提出基于網(wǎng)絡(luò)爬蟲(chóng)的導(dǎo)航深度服務(wù)信息自動(dòng)采集，使用網(wǎng)絡(luò)爬蟲(chóng)與DOM技術(shù)抓取網(wǎng)站信息，進(jìn)而與已有POI庫(kù)匹配[7]。此類技術(shù)獲取數(shù)據(jù)量大而雜，對(duì)數(shù)據(jù)處理與匹配算法要求較高。

3） 基于眾包思想的POI采集。曾李陽(yáng)、齊華等提出基于天地圖的POI數(shù)據(jù)采集系統(tǒng)[8]，邢廷炎等提出基于Wiki的POI數(shù)據(jù)更新[9]，均著重介紹了系統(tǒng)的架構(gòu)與Web前后端技術(shù)，未涉及眾包機(jī)制的研究與POI質(zhì)量的控制。

上述方法均在不同層次涉及到眾包思想。但是，關(guān)于眾包模式中的各個(gè)模塊與POI采集的深度結(jié)合，需要進(jìn)一步研究。

3 眾包機(jī)制下的POI采集

眾包機(jī)制的具體架構(gòu)如圖2所示。

POI是具有多類型復(fù)雜屬性的地理實(shí)體。考慮到POI的分類屬性以及具有位置特征的地理特性，結(jié)合眾包任務(wù)中的任務(wù)描述信息和基于多準(zhǔn)則的判斷方式，以湖北省神農(nóng)架林區(qū)為例，提出以下方案。

圖2 眾包架構(gòu)圖

3.1 任務(wù)設(shè)計(jì)

對(duì)于每個(gè)待發(fā)布的POI采集任務(wù)，其任務(wù)描述信息包括目標(biāo)區(qū)域W，花費(fèi)時(shí)間期限T，獎(jiǎng)勵(lì)積分值S。劃分任務(wù)時(shí)，按照神農(nóng)架區(qū)域行政等級(jí)（區(qū)、鄉(xiāng)、鎮(zhèn)、村、社區(qū)等）分為多級(jí)子任務(wù)，且按照POI數(shù)據(jù)的一、二級(jí)分類劃分平級(jí)任務(wù)，如圖3所示。

圖3 任務(wù)劃分

目標(biāo)區(qū)域可按照行政邊界線劃分；時(shí)間期限按照不同區(qū)域或不同類的POI密集程度設(shè)定；對(duì)于任務(wù)積分，按照所采集POI數(shù)量動(dòng)態(tài)積分，單位POI積分按照類別的重要程度提前設(shè)定。在此基礎(chǔ)上，參與者通過(guò)區(qū)域、時(shí)間、積分以及關(guān)鍵字查找自己感興趣的任務(wù)，按需申請(qǐng)任務(wù)。此外，對(duì)于所有新用戶，采用問(wèn)卷調(diào)查的方式獲取區(qū)域、時(shí)間、積分的期望數(shù)據(jù)以保證分配任務(wù)時(shí)的高匹配度。提交后端審核申請(qǐng)時(shí)，將一定時(shí)段內(nèi)同時(shí)提交的申請(qǐng)比較分析，作出最優(yōu)化的任務(wù)調(diào)度與分配。

3.2 任務(wù)分配

設(shè)任務(wù)列M={M1,M2,…,Mi}，對(duì)應(yīng)申請(qǐng)人數(shù)列N={N1,N2,…,Ni}，Ni大于等于1。任務(wù)范圍中心位置列{(X1,Y1), (X2,Y2),…,(Xi,Yi)}，參與者位置列{(P1,Q1),(P2,Q2)…(Pj,Qj)}， 任 務(wù) 積 分 值 列C={C1,C2,…,Ci}，參與者期望積分值列S={S1,S2,…,Sj}，任務(wù)時(shí)間列G={G1,G2,…,Gi}，參與者期望時(shí)間列T={T1,T2,…,Tj}，Kij為參與者j的任務(wù)期望與任務(wù)Mi的匹配度：

式中，L1、L2、L3為距離差、時(shí)間差、積分差對(duì)應(yīng)的權(quán)值，由先驗(yàn)數(shù)據(jù)得到。

按照同一時(shí)段下任務(wù)申請(qǐng)人數(shù)量，可將任務(wù)分配類型分為兩種：①N中元素均等于1；②N中有至少一個(gè)元素大于1。對(duì)于第一種情況，后端直接通過(guò)任務(wù)申請(qǐng)。對(duì)于第二種情況，對(duì)N等于1的任務(wù)M申請(qǐng)直接通過(guò)，而N大于1的任務(wù)按以下步驟分配：

1）將參與者分為有中標(biāo)歷史用戶A與新用戶B，計(jì)算A的歷史平均任務(wù)完成度Arg：

式中，Sum為完成次數(shù)。

2）采用A優(yōu)于B的原則。若任務(wù)Mi的參與者中A的數(shù)量為1，則選擇A為任務(wù)獲得者；若A的數(shù)量大于1，則選擇完成度Arg最大的A為任務(wù)獲得者；若A的數(shù)量為0，從B中選取匹配度Kij最大的參與者j為任務(wù)獲得者。

3）對(duì)于剩余的A與B申請(qǐng)者，將其視為一個(gè)整體R，設(shè)其數(shù)量為n，按照其申請(qǐng)任務(wù)的最優(yōu)相關(guān)匹配補(bǔ)充數(shù)量為n的任務(wù)列RM，計(jì)算R與RM的匹配度倒數(shù)矩陣即匹配差矩陣：

其中A類申請(qǐng)者的期望積分與時(shí)間用最近一次完成任務(wù)的數(shù)據(jù)代替。采用最小匹配差和為目標(biāo)函數(shù)，用匈牙利算法[10]處理矩陣此算法的基本原理為對(duì)矩陣的某一行或一列同加同減不影響獲取最優(yōu)解。步驟如下：

1）對(duì)每一行減去每一行中最小的數(shù)。

2）對(duì)每一列減去每一列中最小的數(shù)。

3）使用盡可能少的水平線與垂直線將所有0覆蓋。若線的總數(shù)等于n，調(diào)換行列順序，使其對(duì)角線為0。對(duì)角線為所得任務(wù)匹配算法結(jié)束。若線的總數(shù)小于n，進(jìn)入第4步。

4）對(duì)于沒(méi)有線覆蓋的行，減去這些行中的最小值。對(duì)于沒(méi)有線覆蓋的列，加上此最小值，然后返回第3步。

3.3 質(zhì)量控制

質(zhì)量是眾源數(shù)據(jù)中難以消除的問(wèn)題，通常情況下只能采取一定的機(jī)制去識(shí)別欺騙者，通過(guò)不同的質(zhì)量控制手段削弱多樣化帶來(lái)的數(shù)據(jù)質(zhì)量問(wèn)題。對(duì)于POI采集，可以將質(zhì)量問(wèn)題分為以下3個(gè)方面：

1）POI空間位置坐標(biāo)的精度。

2）POI位置與POI名稱的匹配性。

3）POI名稱與圖片、語(yǔ)音和其他相關(guān)屬性信息的匹配性。

對(duì)于這3類問(wèn)題，從整體上看，適當(dāng)?shù)娜蝿?wù)設(shè)計(jì)、友好的交互機(jī)制和一定的報(bào)酬獎(jiǎng)勵(lì)，可以吸引足夠大的人群參與進(jìn)來(lái)，然后通過(guò)一定的機(jī)制控制用戶的信譽(yù)等級(jí)、操作上的一些限制和采集結(jié)果的檢測(cè)，從源頭、過(guò)程和結(jié)果分別進(jìn)行質(zhì)量控制，如圖4所示。

圖4 質(zhì)量控制

首先，采用一定的用戶等級(jí)機(jī)制、錯(cuò)誤反饋機(jī)制以及獎(jiǎng)罰機(jī)制來(lái)控制和提高用戶自身質(zhì)量。將用戶信譽(yù)等級(jí)分為一二三級(jí)，高等級(jí)的用戶可以領(lǐng)取質(zhì)檢任務(wù)這種相對(duì)簡(jiǎn)單的任務(wù)，并且可以獲取相對(duì)更高的報(bào)酬。而用戶等級(jí)提升的方式只有完成一定數(shù)量的采集和更新任務(wù)后才可以實(shí)現(xiàn)。用戶在質(zhì)檢過(guò)程中發(fā)現(xiàn)其他用戶的違規(guī)行為可上報(bào)，經(jīng)過(guò)后端審核后，對(duì)于舉報(bào)行為給予一定獎(jiǎng)勵(lì)，并對(duì)有違規(guī)行為的用戶給予扣除積分、降低用戶等級(jí)、封號(hào)等懲罰。

其次，通過(guò)一定的操作限制在過(guò)程中控制質(zhì)量。對(duì)于POI的采集與更新任務(wù)，要求用戶到實(shí)地去完成任務(wù)，通過(guò)讀取用戶的GPS信息判斷用戶是否在任務(wù)范圍內(nèi)，只有在任務(wù)范圍內(nèi)才可以提交成果。對(duì)于POI采集任務(wù)，還需要在地圖上標(biāo)出POI的具體位置，消除GPS誤差，滿足空間坐標(biāo)的精度要求。

對(duì)于在A地上傳B地的POI這種匹配性問(wèn)題，目前只能依靠用戶實(shí)地采集機(jī)制、錯(cuò)誤反饋機(jī)制以及后期人工檢測(cè)來(lái)控制，這也是眾源數(shù)據(jù)的弊端所在。

最后，通過(guò)即時(shí)發(fā)布質(zhì)檢任務(wù)，判斷POI名稱與圖片、語(yǔ)音和其他屬性的匹配性問(wèn)題。質(zhì)檢任務(wù)較為簡(jiǎn)單，僅需要判斷數(shù)據(jù)的對(duì)與錯(cuò)，因此單個(gè)質(zhì)檢任務(wù)可以重復(fù)發(fā)布，只有一定比例的質(zhì)檢員任務(wù)合格時(shí)認(rèn)定數(shù)據(jù)合格。同時(shí)，采集數(shù)據(jù)的用戶不能質(zhì)檢同一項(xiàng)數(shù)據(jù)，這里通過(guò)用戶ID與采集的POI/ID進(jìn)行唯一標(biāo)識(shí)。

用戶領(lǐng)取質(zhì)檢任務(wù)后，即可直接對(duì)已采集的數(shù)據(jù)進(jìn)行評(píng)價(jià)，服務(wù)器根據(jù)質(zhì)檢結(jié)果將合格的數(shù)據(jù)錄入分布式數(shù)據(jù)庫(kù)，將不合格的數(shù)據(jù)重新發(fā)布任務(wù)。

3.4 實(shí)驗(yàn)分析

以神農(nóng)架林區(qū)為實(shí)驗(yàn)區(qū)，采用湖北省測(cè)繪成果檔案館發(fā)布的神農(nóng)架18～20級(jí)ArcGIS地圖服務(wù)為底圖，并基于以上任務(wù)設(shè)計(jì)、任務(wù)分配以及質(zhì)量控制思想，開(kāi)發(fā)出一套基于Android系統(tǒng)的眾包數(shù)據(jù)采集APP軟件，如圖5、6所示。

圖5 任務(wù)設(shè)計(jì)

圖6 數(shù)據(jù)采集

系統(tǒng)按照神農(nóng)架林區(qū)行政區(qū)劃和POI分類標(biāo)準(zhǔn)設(shè)置多類別子任務(wù)，用戶可根據(jù)自己的地理位置與興趣愛(ài)好申請(qǐng)相應(yīng)的采集任務(wù)，實(shí)現(xiàn)友好交互。用戶在申請(qǐng)任務(wù)后，服務(wù)器根據(jù)任務(wù)分配算法將任務(wù)分配至最佳任務(wù)。在進(jìn)行新增數(shù)據(jù)點(diǎn)采集過(guò)程中，首先在地圖上顯示當(dāng)前用戶的GPS定位（紅色標(biāo)記），不在任務(wù)范圍內(nèi)的用戶無(wú)法開(kāi)始采集。用戶通過(guò)放大地圖并手觸選點(diǎn)進(jìn)行定點(diǎn)操作，通過(guò)設(shè)置移動(dòng)步長(zhǎng)、上下左右移動(dòng)微調(diào)位置從而提高采集精度。最后，服務(wù)器發(fā)布質(zhì)檢任務(wù)對(duì)已采集數(shù)據(jù)進(jìn)行質(zhì)量篩選，最終實(shí)現(xiàn)從過(guò)程、結(jié)果兩個(gè)層次的質(zhì)量控制。采集的部分POI數(shù)據(jù)通過(guò)Web展示，如圖7所示。

圖7 數(shù)據(jù)展示

4 結(jié) 語(yǔ)

本文基于小城市（鎮(zhèn)）規(guī)劃建設(shè)的POI需求，針對(duì)眾包模式下的POI采集，探討了其關(guān)鍵技術(shù)與相關(guān)影響因素，提出具體的POI采集任務(wù)設(shè)計(jì)、任務(wù)分配、質(zhì)量控制方法，并在神農(nóng)架林區(qū)實(shí)驗(yàn)驗(yàn)證了眾包模式采集POI的可行性。但是，關(guān)于POI多媒體數(shù)據(jù)的采集與處理、POI的可視化技術(shù)等方面依舊存在技術(shù)難點(diǎn)。如何將POI數(shù)據(jù)采集與眾包式規(guī)劃結(jié)合，從而實(shí)現(xiàn)眾源GIS，按百姓的意愿建設(shè)小城市（鎮(zhèn)），將是下一步的主要研究方向。

[1]周春輝,朱欣焰,蘇科華,等.基于LBS的興趣點(diǎn)查詢與更新機(jī)制研究[J].微計(jì)算機(jī)信息,2009,25(19):143-145

[2]林丹.POI數(shù)據(jù)采集的社會(huì)化模式[J].福州建筑,2010(9):112-114

[3]HOWE J.The Rise of Crowdsourcing[J].Wired Magazine,2006,14(6):176-183

[4]夏恩均,趙軒維,李森.國(guó)外眾包研究現(xiàn)狀和趨勢(shì)[J].技術(shù)經(jīng)濟(jì),2015,34(1):28-36

[5]王桂云.眾包競(jìng)賽中任務(wù)設(shè)計(jì)對(duì)參與者行為的影響研究[J].山東社會(huì)科學(xué),2015,243(11):188-192

[6]戴冬冬.基于地址匹配方法的POI數(shù)據(jù)更新研究[J].電腦知識(shí)與技術(shù),2010,6(1):1-3

[7]陳睿嘉,康志忠.基于網(wǎng)絡(luò)爬蟲(chóng)的導(dǎo)航深度服務(wù)信息自動(dòng)采集[J].測(cè)繪工程,2015,24(1):17-24

[8]曾李陽(yáng),齊華,譚明建,等.基于天地圖的POI數(shù)據(jù)采集系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].測(cè)繪與空間地理信息,2016,39(3):55-58

[9]邢廷炎,陶留峰,繆謹(jǐn)勵(lì),等.POI數(shù)據(jù)Wiki更新模式研究與實(shí)踐[J].測(cè)繪通報(bào),2014(4):113-115

[10]匈 牙 利 算 法 [EB/OL].https://baike.baidu.com/item/,2017-04-21/2017-06-28

P208

B

1672-4623（2017）12-0041-04

10.3969/j.issn.1672-4623.2017.12.013

2017-10-13。

國(guó)家科技支撐計(jì)劃資助項(xiàng)目（2015BAJ05B00）。

嚴(yán)宏基，研究生，研究方向?yàn)榭臻g數(shù)據(jù)挖掘與統(tǒng)計(jì)分析。