In this paper, we address the problem of task allocation in Mobile Crowdsensing (MCS) by means of forming tasks publisher coalition taking into consideration workers' route preferences. In prior research works, only one of the MCS components (either task publishers, contributors or platform) dominates the task allocation process. Currently, other approaches have investigated tasks coalition based on their geographical locations. In this paper, we address the aforementioned problem by proposing a new scheme taking into accounts the interest of all the participating parties. To this end, our approach provides (1) strategies for selecting the best routes for workers with better long-term earnings and (2) task publishers' coalition formation based on worker's routes selection and preferences regardless of the order of individual execution of tasks. We proposed two models for the coalition formation: i) a centralized approach to solve the problem of the coalition formation together with the route selection, and ii) a simplified heuristic version that first determines disjoint tasks' coalitions based on the preferred routes selected by workers, then, MCS platform sorts the coalitions with best quality of information and selects the best routes for each ordered coalition. Simulation results with real data-set show that the coalition of task publishers together with the distributed route selection per worker does guarantee the quality of information satisfaction of the sensing tasks while enhancing the worker payment.

在本文中，我们通过考虑工人的路线偏好形成任务发布者联盟来解决移动人群感知（MCS）中的任务分配问题。在先前的研究工作中，只有一个 MCS 组件（任务发布者、贡献者或平台）主导任务分配过程。目前，其他方法已经根据其地理位置调查了任务联盟。在本文中，我们通过提出一个考虑到所有参与方利益的新方案来解决上述问题。为此，我们的方法提供了 (1) 为具有更好长期收入的工人选择最佳路线的策略和 (2) 任务发布者基于工人的联盟形成 s 路由选择和偏好，不管单个任务执行的顺序如何。我们提出了两种联盟形成模型：i）一种集中解决联盟形成问题的方法以及路线选择，以及 ii）一种简化的启发式版本，首先根据工人选择的首选路线确定不相交任务的联盟，然后，MCS 平台对信息质量最好的联盟进行排序，并为每个有序联盟选择最佳路线。真实数据集的模拟结果表明，任务发布者的联盟以及每个工人的分布式路线选择确实保证了感知任务的信息满意度，同时提高了工人的报酬。i) 一种集中式方法来解决联盟形成和路线选择的问题，以及 ii) 一种简化的启发式版本，首先根据工人选择的首选路线确定不相交任务的联盟，然后 MCS 平台将联盟与最好的信息质量，并为每个有序联盟选择最佳路线。真实数据集的模拟结果表明，任务发布者的联盟以及每个工人的分布式路线选择确实保证了感知任务的信息满意度，同时提高了工人的报酬。i) 一种集中式方法来解决联盟形成和路线选择的问题，以及 ii) 一种简化的启发式版本，首先根据工人选择的首选路线确定不相交任务的联盟，然后 MCS 平台将联盟与最好的信息质量，并为每个有序联盟选择最佳路线。真实数据集的模拟结果表明，任务发布者的联盟以及每个工人的分布式路线选择确实保证了感知任务的信息满意度，同时提高了工人的报酬。然后，MCS 平台对信息质量最好的联盟进行排序，并为每个有序联盟选择最佳路线。真实数据集的模拟结果表明，任务发布者的联盟以及每个工人的分布式路线选择确实保证了感知任务的信息满意度，同时提高了工人的报酬。然后，MCS 平台对信息质量最好的联盟进行排序，并为每个有序联盟选择最佳路线。真实数据集的模拟结果表明，任务发布者的联盟以及每个工人的分布式路线选择确实保证了感知任务的信息满意度，同时提高了工人的报酬。