移动群智感知中分阶式激励与惩罚机制研究

摘要

在物联网的大背景下，移动智能设备、无线通信以及互联网技术得到了快速发展。移动终端具备了强大的感知、计算和信息传输能力。在此基础上，结合“众包”思想，吸引移动用户利用移动设备共同对物理世界进行感知，完成大规模复杂感知任务的新型感知形式被称为移动群智感知。感知任务需要移动移动用户参与完成，在参与的过程中会消耗移动终端的资源甚至造成移动用户的隐私泄露。移动用户往往都是理性且逐利的，所以不愿意无偿地参与感知任务，因而导致感知任务无法完成。此外，一些恶意移动用户的参与会导致对感知任务造成负面影响并产生资源浪费。因此，合理的激励与惩罚机制对于移动群智感知至关重要。
　　本文针对移动群智感知中激励与惩罚机制的研究主要开展以下四个方面工作:
　　(1)利用LBSN（Location-based Social Network）数据分析移动群体特点，建立感知任务模型;结合移动群体特点，将移动群智感知流程分为参与者征募阶段和参与者感知阶段两个主要阶段，进而建立移动群智感知的分阶式激励框架。
　　(2)在参与者征募阶段，通过感知任务评估，分析感知任务的时段热度和任务点热度，计算支付激励系数，设计基于斯塔克尔伯格（Stackelberg Game）的博弈模型，通过博弈交互进行参与者征募，一系列仿真实验对激励机制有效性进行验证。
　　(3)在参与者感知阶段，引入感知数据效用，在充分考虑数据时空相关性的基础上，设计数据时间相关度、距离相关度计算方法，提出任务点方向信息量的概念及其计算方法，设计感知数据效用算法和感知交互过程，通过仿真实验数据验证激励机制的有效性。
　　(4)在感知任务结束后，基于支付激励系数和感知数据效用进行支付报酬计算，并利用感知数据效用筛选胜出者;同时，利用感知数据效用对参与者进行信誉累积，引入惩罚策略并设计恶意参与者惩罚机制。仿真实验数据表明:信誉累积和惩罚机制可以较好地降低恶意参与者造成的支付成本的浪费。

目录

声明

致谢

摘要

1．1 研究背景与意义

1．2 移动群智感知网络

1．2．1 结构及基本特点

1．2．2 发展现状及热点问题

1．3 研究内容及贡献

1．4 论文结构安排

2 相关研究及技术介绍

2．1 移动群智感知

2．1．1 感知模式分类

2．1．2 移动群智感知的过程及存在问题

2．2 激励机制介绍

2．2．1 研究概述

2．2．2 激励方式分类

2．2．3 研究现状

2．3 惩罚机制介绍

2．4 本章小结

3 移动群体分析与激励机制框架

3．1 移动群体分析

3．1．1 移动群体时空分布分析

3．1．2 支付系数与移动群体积极性的关系

3．2 感知任务模型

3．3 激励机制框架

3．4 本章小结

4 参与者征募阶段激励机制

4．1 问题描述

4．2 支付激励系数计算

4．2．1 感知任务评估

4．2．2 支付激励系数

4．3 基于Strackelberg Game的博弈模型

4．3．1 Strackelberg Game博弈

4．3．2 博弈模型建立

4．4 实验仿真

4．5 本章小结

5 参与者感知阶段激励机制

5．1 问题描述

5．2 感知数据相关度

5．2．1 时间相关度

5．2．2 距离相关度

5．3 任务点方向信息量

5．4 感知数据效用值和感知交互过程

5．4．1 感知数据效用值

5．4．2 交互过程

5．5 实验仿真

5．6 本章小结

6 支付报酬与惩罚机制

6．1 问题描述

6．2 支付报酬计算

6．3 用户信誉累积与惩罚机制

6．3．1 用户信誉累积

6．3．2 惩罚机制

6．4 实验仿真

6．5 本章小结

7 总结与展望

7．1 工作总结

7．2 工作展望

参考文献

作者简历及攻读硕士学位期间取得的研究成果

学位论文数据集