Resumen

La era del IoT observa la creciente demanda de datos para respaldar diversas aplicaciones y servicios. Entonces surgió el sistema de Crowdsensing Móvil (MCS). Al utilizar la inteligencia híbrida de humanos y sensores, es significativamente beneficioso para seguir recolectando datos de sensores de alta calidad para todo tipo de aplicaciones de IoT, como monitoreo ambiental, servicios de salud inteligente y gestión de tráfico. Sin embargo, la calidad del servicio de los sistemas MCS depende de un marco de asignación de tareas diseñado específicamente, que debe considerar el cuello de botella de recursos de los participantes y la utilidad del sistema al mismo tiempo. Estudios recientes tienden a utilizar una solución diferente para resolver los dos desafíos. El mecanismo de incentivos es para resolver el problema de escasez de participantes, y se estudian métodos de asignación de tareas para encontrar la mejor coincidencia de participantes y objetivo de utilidad del sistema de MCS. Por lo tanto, los marcos de asignación de tareas existentes fallan en considerar las

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:IoT; Crowdsensing móvil; Marco de asignación de tareas; Escasez de participantes; Mecanismo de incentivos; Utilidad del sistema
• Keywords:Iot; Mobile crowdsensing; Task allocation framework; Participant shortage; Incentive mechanism; System utility