Centre de documentation
scientifique

Task selection in spatial crowdsourcing from worker’s perspective / Dingxiong Deng in Geoinformatica, vol 20 n° 3 (July - September 2016)  

Public [article]  inGeoinformatica > vol 20 n° 3 (July - September 2016) . - pp 529 – 568 Titre : Task selection in spatial crowdsourcing from worker’s perspective Type de document : Article/Communication Auteurs : Dingxiong Deng, Auteur ; Cyrus Shahabi, Auteur ; Ugur Demiryurek, Auteur ; Linhong Zhu, Auteur Année de publication : 2016 Article en page(s) : pp 529 – 568 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique web [Termes IGN] appareil portable [Termes IGN] approximation [Termes IGN] données localisées des bénévoles [Termes IGN] données spatiotemporelles [Termes IGN] géopositionnement [Termes IGN] ordonnancement de tâches [Termes IGN] programmation dynamique [Termes IGN] prospective [Termes IGN] téléphonie mobile [Termes IGN] travail coopératif Résumé : (auteur) With the progress of mobile devices and wireless broadband, a new eMarket platform, termed spatial crowdsourcing is emerging, which enables workers (aka crowd) to perform a set of spatial tasks (i.e., tasks related to a geographical location and time) posted by a requester. In this paper, we study a version of the spatial crowdsourcing problem in which the workers autonomously select their tasks, called the worker selected tasks (WST) mode. Towards this end, given a worker, and a set of tasks each of which is associated with a location and an expiration time, we aim to find a schedule for the worker that maximizes the number of performed tasks. We first prove that this problem is NP-hard. Subsequently, for small number of tasks, we propose two exact algorithms based on dynamic programming and branch-and-bound strategies. Since the exact algorithms cannot scale for large number of tasks and/or limited amount of resources on mobile platforms, we propose different approximation algorithms. Finally, to strike a compromise between efficiency and accuracy, we present a progressive algorithms. We conducted a thorough experimental evaluation with both real-world and synthetic data on desktop and mobile platforms to compare the performance and accuracy of our proposed approaches. Numéro de notice : A2016-380 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article DOI : 10.1007/s10707-016-0251-4 En ligne : http://dx.doi.org/10.1007/s10707-016-0251-4 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=81147 [article]

Recherche opérationnelle et réseaux / G. Finke (2002)

Public Titre : Recherche opérationnelle et réseaux : méthodes d'analyse spatiale Type de document : Monographie Auteurs : G. Finke, Éditeur scientifique Editeur : Paris : Hermès - Lavoisier Année de publication : 2002 Collection : Information Géographique et Aménagement du Territoire Sous-collection : Aspects fondamentaux de l'analyse spatiale Importance : 271 p. Format : 15 x 23 cm ISBN/ISSN/EAN : 978-2-7462-0363-1 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Algorithmique [Termes IGN] aménagement [Termes IGN] analyse spatiale [Termes IGN] graphe [Termes IGN] méthode heuristique [Termes IGN] ordonnancement de projet [Termes IGN] prise de vues [Termes IGN] programmation linéaire [Termes IGN] recherche opérationnelle [Termes IGN] réseau [Termes IGN] transport Résumé : (Auteur) Ce recueil présente les principaux outils de la recherche opérationnelle (RO), outils d'aide à la planification et à la gestion de réseaux de toutes sortes, physiques comme les réseaux routiers ou ferroviaires ou logiques comme ceux utilisés pour la planification de projets complexes. Dans ce cas, les éléments du réseau correspondent à des activités et les interconnexions décrivent des relations temporelles. La recherche opérationelle aborde les problèmes réels en deux temps : une phase de modélisation est suivie d'une procédure de résolution, exacte ou approchée et, en général, algorithmique. Les modèles peuvent être classés en deux grandes catégories, ceux basés sur un formalisme algébrique et ceux fondés sur la notion de graphe. Ces deux types de modélisation sont présentées ainsi que les approches générales de résolution. Puis, des applications choisies sont détaillées. Numéro de notice : 69889 Affiliation des auteurs : non IGN Thématique : MATHEMATIQUE Nature : Recueil / ouvrage collectif Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=44955

Analyse et mesure de l'incertitude dans un modèle de simulation / F. Leurent (1997)

Public Titre : Analyse et mesure de l'incertitude dans un modèle de simulation : les principes, une méthode et l'exemple de l'affectation bicritère du trafic Type de document : Thèse/HDR Auteurs : F. Leurent, Auteur Editeur : Paris : Ecole Nationale des Ponts et Chaussées ENPC Année de publication : 1997 Importance : 302 p. Format : 21 x 30 cm Note générale : Bibliographie Thèse de doctorat de l'Ecole nationale des ponts et chaussées, spécialité transport Langues : Français (fre) Descripteur : [Vedettes matières IGN] Mathématique [Termes IGN] analyse systémique [Termes IGN] audit [Termes IGN] économétrie [Termes IGN] erreur [Termes IGN] incertitude des données [Termes IGN] logique [Termes IGN] modèle de simulation [Termes IGN] recherche opérationnelle [Termes IGN] simulation [Termes IGN] trafic routier Index. décimale : THESE Thèses et HDR Résumé : (Auteur) Problématique: un modèle est-il proche de la réalité ? Un modèle est une représentation d'un système. Dans cette représentation, figurent des éléments, entre lesquels s'exercent des interactions. Le modèle sert à analyser (fonction de connaissance) et simuler les interactions entre éléments. La simulation peut être qualitative ou quantitative : il s'agit de déduire les conséquences "rationnelles" d'hypothèses sur les variables d'état du système, ou sur des variables de contrôle ou de perturbation. Comment juger, ou mieux mesurer, si le modèle est proche de la réalité ? L'audit technique d'un modèle consiste à détecter, identifier, et si possible réduire, les erreurs et les incertitudes attachées au modèle. Objectif : un audit pour porter un jugement technique J'ai élaboré une méthode systématique d'audit d'un modèle, afin de donner ou refuser des garanties techniques. Un tel audit nécessite la transparence tant des hypothèses internes au modèle, que des hypothèses externes liées à une application particulière. Méthode : entreprendre l'audit dans autant de dimensions que de types d'erreur dans un modèle L'erreur dans un modèle est de nature plurielle : nous la décomposons en (1) erreur de conception (quels mécanismes explicatifs constituent la composition conceptuelle, quelles approximations dans la définition des variables ?), (2) erreur formelle (la synthèse en langage mathématique des mécanismes explicatifs dans une formule caractéristique, doit être conforme au contenu conceptuel et cohérente), (3) erreur algorithmique (le dispositif de résolution fournit-il vraiment une solution ? Avec quelle précision ?), (4) enfin une incertitude de type économétrique qui englobe l'erreur d'estimation et l'erreur exogène a priori sur les inputs. L'incertitude de type économétrique peut être quantifiée, après propagation de l'erreur exogène à travers le modèle de simulation. Les quatre types d'erreur relèvent chacun d'une discipline scientifique appropriée, d'où la nécessité d'entreprendre l'audit dans autant de dimensions : conceptuelle, formelle, algorithmique, économétrique. S'appuyant sur notre analyse théorique de l'erreur dans un modèle, nous avons développé une méthode pluridimensionnelle d'audit (tableau 2). Les tentatives antérieures se cantonnaient aux aspects algorithmiques ou économétriques, avec parfois une allusion au "jugement a priori" pour évaluer le contenu conceptuel. Nous avons démontré le bien fondé d'un audit selon les quatre dimensions, en traitant l'exemple de l'affectation du trafic. Car un tel modèle représente un équilibre entre offre et demande, équilibre dont la formulation et la résolution nécessitent validation. Après audit d'un modèle, on peut : apprécier la portée explicative, éliminer l'erreur formelle, annuler l'erreur de résolution, quantifier l'erreur exogène propagée, donc évaluer le risque statistique. L'audit se prépare utilement par une capitalisation des concepts, des formulations, des algorithmes et des méthodes d'estimation. Une telle capitalisation produit de grandes économies d'échelle pour l'audit de modèles particuliers. Note de contenu : Introduction CONTEXTE ET PREMICES 1. L'exemple de l'affectation 2. Pourquoi auditer ? 3. Antécédents et ressources THEORIE ET METHODE 4. Analyse théorique de l'erreur 5. Une méthode systématique d'audit APPLICATION A L'AFFECTATION BICRITERE 6. Plan d'audit de l'affectation bicritère 7. L'audit sémantique : un diagnostic 8. L'audit formel : une vérification 9. L'audit algorithmique : une vérification 10. L'audit économétrique : une quantification 11. Bilan et perspectives En conclusion Numéro de notice : 59522 Affiliation des auteurs : non IGN Thématique : MATHEMATIQUE Nature : Thèse française Note de thèse : Thèse de doctorat : Transport : Champs sur Marne, ENPC : 1997 nature-HAL : Thèse DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=45820

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
59522-01	THESE	Livre	Centre de documentation	Thèses	Disponible