一种基于供需关系的带预算的移动群智感知激励方法

摘要

本发明公开一种基于供需关系的带预算的移动群智感知激励方法，提出了一种在群智感知系统中平台和智能手机用户的交互方案，每个用户对系统的贡献被认为是用户进行感知而消耗的资源，并且每个感知任务具有一个预算。该方法基于供需关系的带预算的移动群智感知激励机制，资源价格和用户的贡献由供需关系决定。本发明所提的一种基于供需关系的移动群智感知激励方法具有计算有效性、个人理性、收益性、防欺骗性和非垄断性等特性。

说明书

技术领域

本发明涉及一种基于供需关系的带预算的移动群智感知激励方法，属于移动互联网和算法博弈论的交叉领域。

背景技术

当前智能手机已经集成许多传感器，如摄像头、光传感器、GPS、加速度计、数字罗盘、陀螺仪、麦克风、接近传感器等，这些传感器可以共同监控人类活动和周边环境。利用普遍存在的智能手机用户感知和收集大规模的数据已经成为一种新型的感知方式。目前已有一些项目基于移动群智感知实现了健康护理、污染监控、噪音监控、智能交通、行为监控、室内定位等领域中的不同应用。群智感知应用的成功实施取决于参与者数量以及数据质量。因此，对用户的激励机制的设计在群智感知应用中十分重要。

然而，现有的研究并没有考虑移动群智感知系统中的定价问题，在基于反向拍卖的激励机制中，系统对入选者的支付数额有用户的报价和机制本身决定。在这类激励机制中，用户的报价往往没有参考依据，是通过经验决定的。因此，用户存在报价偏离市场预期的风险。在基于Stackelberg博弈的激励机制中，用户的成本是固定并且已知的。在基于质量的定价机制中，根据用户质量支付不同的数额，但并没有给出基本支付额的设置方法。

设计基于供需关系的移动群智感知激励机制是具有挑战的。首先，资源价格由市场供需关系决定，因此，不能再使用偏离市场的价格来激励用户。这就需要设计一个定价方法来刺激用户贡献更多的资源到系统中；其次，用户可能会采取策略行为来最大化自身的效用，如，不诚实地提交可用资源数；进一步地，感知任务具有一些约束，如每个任务有一个最小资源需求，用户贡献的资源总数需不少于最小资源需求。本发明提供一种基于供需关系的移动群智感知激励方法。

发明内容

本发明的目的是提供移动群智感知中一种基于供需关系的带预算的激励方法，解决在一类移动群智感知系统中资源定价、选择用户和计算支付数额的问题。本发明将移动群智感知系统看作为一个资源市场。在这个资源市场中，移动群智感知系统为资源需求方，用户为资源供应方。每个用户对系统的贡献就是用户进行感知而消耗的资源。资源价格和用户的贡献由供需关系决定。每个用户的资源供应由资源定价函数决定。每个感知任务具有一个预算约束，即完成该任务所支付的总额不应超过该预算。

本发明首先提出了平台和智能手机用户的交互方法；其次，提出了一种基于供需关系的资源定价函数；然后，提出了一个基于供需关系的带预算的移动群智感知激励机制，最后，对所提供的一种基于供需关系的带预算的移动群智感知激励方法的有益效果进行了说明。

本发明的技术解决方案是：

本发明所述一种基于供需关系的带预算的移动群智感知激励方法中，包含平台和智能手机用户的交互方法，步骤如下：

步骤201：平台发布一个任务集合T＝{1，2，...，m}，每个任务都有一个最小资源需求B_k,k∈T，所有任务的预算定义为向量B＝(B₁，B₂，...，B_m)。每个任务都需要在特定的地点才能完成；

步骤202：设智能手机用户集合为U＝{1,2,...,n}，对于每个任务k，每个用户i向平台提交一个有限的可感知时间所有用户提交的可感知时间构成一个n×m的矩阵AT；

步骤203：平台选择所有用户的子集作为入选者，计算每个入选者i对任务k的感知时间以及每个入选者对任务k获得的报酬平台将计算结果通知入选者；

步骤204：入选者执行感知任务，提交感知数据到平台；

步骤205：平台对每个任务k，支付给入选者i。

在步骤203中，设计一个基于供需关系的带预算的移动群智感知激励机制返回入选者集合W，一个n×m的感知时间矩阵ST，以及一个n×m的支付额矩阵P，基于供需关系的带预算的移动群智感知激励机制的步骤如下：

步骤301：初始化ST＝0,P＝0,其中为当前未被机制考虑的可感知时间矩阵；

步骤302：对于每个任务k∈T，令P_W＝0，其中P_W为当前入选者的支付总额，执行步骤303；如果每个任务都已经被计算过，则执行步骤310；

步骤303：若B_k＞P_W，则执行步骤304，否则，执行步骤302；

步骤304：在矩阵中寻找具有最大

步骤305：计算资源单价其中函数p()为基于供需关系的资源定价函数；

步骤306：如果则执行步骤307；否则，如果B_k-P_W≥p(1)(a+bp(1))，则执行步骤308；否则，执行步骤302；

步骤307：令执行步骤309；

步骤308：令执行步骤309；

步骤309：令将用户i并入入选者集合中：W＝W∪{i}，执行步骤303；

步骤310：返回入选者集合W，感知时间矩阵ST，以及支付额矩阵P，结束。

在步骤305中，基于供需关系的资源定价函数p()的计算步骤为：

步骤401：设为任务k对用户i的资源需求，为用户i对任务k的资源供应，α，β，a，b是常量，其中α＞a，b＞0，β＞0，则有：

步骤402：令得到均衡价格

步骤403：设在感知时间时刻，资源价格的变化正比于超额需求，则有：

步骤404：将公式1和公式2代入公式3，得到公式4，其中λ＝(b+β)h＞0；

步骤405：解公式4，得到公式5所示的定价函数，其中

有益效果

本方法可用于移动群智感知系统中的用户激励，从而形成该类应用的市场化机制，具有以下显著的优点：

首次采用市场供需关系进行移动群智感知系统的激励机制设计，使得感知资源的定价符合市场供需规律；

所提供的基于市场供需关系的资源定价函数能激励用户贡献更多资源；

计算时间复杂度低，该激励方法总的时间复杂度为O(mn²)，其中n为用户数，m为任务数。是一个完全多项式时间方法，具有实际应用的价值；

该激励方法是个人理性的，即平台支付给每个入选用户的报酬数额一定大于等于该用户所需耗费的真实代价，因此对于吸引大量智能手机用户以及提高数据质量有积极作用；

该激励方法对于平台来说是可收益的，即平台获得的效用大于等于总支付额；

该激励方法是防欺骗的，即使智能手机用户采取某种策略虚报可感知时间，也不是使得该用户的效益变高，因此用户倾向于报自身的真实可感知时间。防欺骗性对于防止市场垄断或者串通具有重要作用；

当B_k≥p_e(α-βp_e)，该激励机制是非垄断的，即每个任务都至少需要两个用户才能完成。非垄断性能改善感知数据质量和数据多样性。

附图说明

图1是平台和智能手机用户的交互方法的执行流程；

图2是基于供需关系的带预算的移动群智感知激励机制执行流程；

图3基于供需关系的资源定价函数p()的计算执行流程；

具体实施方式

下面结合附图详细说明本发明的优选实施例。

平台和智能手机用户的交互方法的执行流程如图1所示，步骤如下：

步骤201：平台发布一个任务集合T＝{1，2，...，m}，每个任务都有一个最小资源需求B_k,k∈T，所有任务的预算定义为向量B＝(B₁，B₂，...，B_m)。每个任务都需要在特定的地点才能完成；

步骤202：设智能手机用户集合为U＝{1,2,...,n}，对于每个任务k，每个用户i向平台提交一个有限的可感知时间所有用户提交的可感知时间构成一个n×m的矩阵AT；

步骤203：平台选择所有用户的子集作为入选者，计算每个入选者i对任务k的感知时间以及每个入选者对任务k获得的报酬平台将计算结果通知入选者；

步骤204：入选者执行感知任务，提交感知数据到平台；

步骤205：平台对每个任务k，支付给入选者i。

在步骤203中，设计一个基于供需关系的带预算的移动群智感知激励机制返回入选者集合W，一个n×m的感知时间矩阵ST，以及一个n×m的支付额矩阵P，基于供需关系的带预算的移动群智感知激励机制的流程如图2所示，步骤如下：

步骤301：初始化ST＝0,P＝0,其中为当前未被机制考虑的可感知时间矩阵；

步骤302：对于每个任务k∈T，令P_W＝0，其中P_W为当前入选者的支付总额，执行步骤303；如果每个任务都已经被计算过，则执行步骤310；

步骤303：若B_k＞P_W，则执行步骤304，否则，执行步骤302；

步骤304：在矩阵中寻找具有最大

步骤305：计算资源单价其中函数p()为基于供需关系的资源定价函数；

步骤306：如果则执行步骤307；否则，如果B_k-P_W≥p(1)(a+bp(1))，则执行步骤308；否则，执行步骤302；

步骤307：令执行步骤309；

步骤308：令执行步骤309；

步骤309：令将用户i并入入选者集合中：W＝W∪{i}，执行步骤303；

步骤310：返回入选者集合W，感知时间矩阵ST，以及支付额矩阵P，结束。

在步骤306中，基于供需关系的资源定价函数p()的执行流程如图3所示，计算步骤为：

步骤401：设为任务k对用户i的资源需求，为用户i对任务k的资源供应，α，β，a，b是常量，其中α＞a，b＞0，β＞0，则有：

步骤402：令得到均衡价格

步骤403：设在感知时间时刻，资源价格的变化正比于超额需求，则有：

步骤404：将公式1和公式2代入公式3，得到公式4，其中λ＝(b+β)h＞0；

步骤405：解公式4，得到公式5所示的定价函数，其中