CN103955802A - 一种参与式感知数据系统及其促进用户贡献数据的方法 - Google Patents

Abstract

本发明公开了一种参与式感知数据系统及其促进用户贡献数据的方法，该系统包括：多个移动终端，用于选择感知过程，收集和发送对应的感知数据；参与式感知平台，包括多个感知过程的感知过程存储单元、设有与各感知过程相应的报酬分配计划并按照报酬分配计划向移动终端用户执行与感应任务对应的报酬的报酬分配计划单元、存放每一感知过程的参与移动终端数的人数比例统计单元以及确定每个感知过程对移动终端的吸引力概率的吸引力概率确定单元，本发明能够在感知过程的预算极其有限的情况下也能促进有限理性的移动终端来完成对应的任务，使移动终端用户在很快的时间能就能够迅速稳定下来，提高预算的利用率。

Description

一种参与式感知数据系统及其促进用户贡献数据的方法

技术领域

本发明涉及一种参与式感知数据系统及方法，特别是涉及一种基于进化博弈模型的参与式感知数据系统及其促进用户贡献数据的方法。

背景技术

智能手机在今天对于绝大多数人来说变得愈发重要。加速度计、陀螺仪、麦克风、GPS和摄像头的存在使得智能手机的用户能够轻易地收集周围的感知数据，并与其他人分享。出于这样的原因，参与式感知作为一种大规模收集感知数据的方法，其优势愈发凸显。参与式感知在许多方面有所作为，包括健康、商业、社交、环境监控、交通、安全和隐私。

一个常见的参与式感知系统包括一个参与式感知平台，和一大群使用智能终端的参与用户。参与式感知平台拥有一系列的持续感知过程，并招募用户来贡献特定的感知数据以支持一项监控应用(交通拥堵状况监控、噪音监控等)。一个拥有智能终端的参与用户能够通过收集和发送对应感知数据的方法来参加对应的感知过程。

由于用户参与感知数据的收集过程会消耗可观的智能终端资源(CPU，带宽和电量)，人力并可能导致隐私泄露，如何促进用户贡献感知数据对于参与式感知系统来说非常重要。在参与式感知系统中，一种常见的假设是，用户是完全理性的。这意味着用户在特定的条件下总是追究最优策略，以最大化自己的收益。为了达成完全理性，需要有两个条件：用户必须拥有整个系统的完整信息，同时具有足够的计算能力来获取最优策略。在现实世界中，用户要想获得系统的完整信息是非常困难的，因此用户更多是有限理性的。这意味着用户不会改变自己的策略，除非其效益非常低。当用户改变策略时，用户通常只能获得不完全的系统信息，并用于指导自己改变策略的过程。另一方面，决定用户参与感知过程的因素往往还包括社群贡献、锻炼自身能力、有趣等，因此，金钱奖励对用户来说相对并不重要。有限理性相对于完整理性，更适用于刻画现实参与式感知系统中的用户。

因此，需要一种参与式感知系统及其方法，针对有限理性的智能终端用户，促进其贡献感知数据。

发明内容

为克服上述现有技术存在的不足，本发明之一目的在于提供一种参与式感知数据系统及其促进用户贡献数据的方法，能够在感知过程的预算极其有限的情况下也能促进有限理性的移动终端来完成对应的任务，使移动终端用户在很快的时间能就能够迅速稳定下来，提高了预算的利用率，避免了传统分配感知过程需要将完整的系统信息分发给每个移动终端用户，时间较长的缺点，同时，本发明能够有效避免参与式感知平台成为性能瓶颈的问题，且不需要任何涉及隐私的移动终端用户信息。

为达上述及其它目的，本发明提出一种参与式感知数据系统，至少包括：

多个移动终端，所述移动终端用于选择感知过程，收集对应的感知数据，向参与式感知平台发送感知数据；

参与式感知平台，所述参与式感知平台包括感知过程存储单元、报酬分配计划单元，吸引力概率确定单元和人数比例统计单元，其中，所述感知过程存储单元设置有多个感知过程，所述报酬分配计划单元设置有与各感知过程相应的报酬分配计划，并在各移动终端执行其选择的感应任务后，按照报酬分配计划向移动终端用户执行与感应任务对应的报酬，所述人数比例统计单元用于存放每一感知过程的参与移动终端数，所述吸引力概率确定单元用于与所述人数比例统计单元、各移动终端进行配合，确定每个感知过程对移动终端的吸引力概率。

进一步地，所述吸引力概率确定单元的吸引力概率的确定过程如下：移动终端首先获取平均报酬信息，并针对其他感知过程的报酬P_n(m,x(t))计算其与平均报酬之间的差值，并乘以正在参与该感知过程的移动终端比例x_m(t)，移动终端则通过一吸引力概率计算公式来确定每个感知过程对移动终端的吸引力概率。

进一步地，所述吸引力概率计算公式为

$E_m=\frac{x_m\left(t\right)\max \{(P_n(m,x\left(t\right))-\stackrel{\‾}{P}\left(x\left(t\right)\right)),0\}}{{\mathrm{\Σ}}_{i=1}^M{x}_i\left(t\right)\max \{(P_n(i,x\left(t\right))-\stackrel{\‾}{P}\left(x\left(t\right)\right)),0\}}$

其中，x_m(t)为正在参与该感知过程的移动终端比例，为系统的平均报酬，P_n(m,x(t))为移动终端n参与感知过程m的报酬，P_n(i,x(t))为移动终端n参与感知过程i的报酬。

进一步地，所述人数比例统计单元基于移动终端的感知过程对所述参与移动终端数进行更新。

进一步地，所有移动终端的初始状态为随机选择任一感知过程。

进一步地，所述移动终端为手机、平板电脑或车载终端。

为达到上述目的，本发明还提供一种参与式感知数据系统中促进用户贡献数据的方法，包括如下步骤：

步骤一，参与式感知平台公布所有可用的感知过程；

步骤二，所有感兴趣的移动终端在所述参与式感知平台上注册；

步骤三，所有移动终端并行工作，确定每个感知过程对移动终端的吸引力概率，根据确定的吸引力概率重复本步骤的过程直到找到所述参与式感知系统的进化均衡。

进一步地，步骤三还包括如下步骤：

(1)使用移动终端执行选择的感知过程，获取对应的感知数据；

(2)将收集到的感知数据发送给参与式感知平台，并获取对应的报酬，以及平台统计的平均报酬信息；

(3)比较自己所获报酬与平均报酬大小，如果所获报酬小于平均报酬，以一概率δ决定是否更改自己的参与感知过程；若更改，则根据所有感知过程的吸引力概率来选择更改后的感知过程，直到最终找到参与式感知系统模型的进化均衡。

进一步地，所述吸引力概率的获得方法如下：

移动终端首先获取系统的平均报酬信息，并针对其他感知过程的报酬计算其与平均报酬信息之间的差值，并乘以正在参与该感知过程的移动终端用户比例，移动终端则通过如下公式来确定每个感知过程对移动终端的吸引力概率，

$E_m=\frac{x_m\left(t\right)\max \{(P_n(m,x\left(t\right))-\stackrel{\‾}{P}\left(x\left(t\right)\right)),0\}}{{\mathrm{\Σ}}_{i=1}^M{x}_i\left(t\right)\max \{(P_n(i,x\left(t\right))-\stackrel{\‾}{P}\left(x\left(t\right)\right)),0\}}$

其中，x_m(t)为正在参与该感知过程的移动终端比例，为系统的平均报酬，P_n(m,x(t))为移动终端n参与感知过程m的报酬，P_n(i,x(t))为移动终端n参与感知过程i的报酬。

进一步地，于步骤三之前还包括如下步骤：所有移动终端在所有感知过程中随机选择一个感知过程。

与现有技术相比，本发明提供了一种参与式感知数据系统及其促进用户贡献数据的方法，其通过于感知过程存储单元设置多个感知过程，利用报酬分配计划单元设置与感知过程相应的报酬分配计划，并在移动终端执行其选择的感应任务后，按照报酬分配计划向移动终端用户执行与该感应任务对应的报酬，利用人数比例确定单元存放每一感知过程的参与移动终端用户数，并且参与的移动终端数可基于所述移动终端用户的感知过程进行更新，利用吸引力概率确定单元用于与人数比例统计单元、移动终端进行配合，确定每个感知过程对移动终端的吸引概率，实现了在感知过程的预算极其有限的情况下也能够促进有限理性的移动终端用户来完成对应的任务的目的，使移动终端用户在很快的时间能就能够迅速稳定下来，提高了预算的利用率，避免了传统分配感知过程需要将完整的系统信息分发给每个移动终端用户，时间较长的缺点，利用本发明的技术方案能够有效避免参与式感知平台成为性能瓶颈的问题，且不需要任何涉及隐私的移动终端用户信息。

附图说明

图1为本发明一种参与式感知数据系统的系统架构图；

图2为本发明一种参与式感知数据系统中促进用户贡献数据的方法的步骤流程图。

具体实施方式

以下通过特定的具体实例并结合附图说明本发明的实施方式，本领域技术人员可由本说明书所揭示的内容轻易地了解本发明的其它优点与功效。本发明亦可通过其它不同的具体实例加以施行或应用，本说明书中的各项细节亦可基于不同观点与应用，在不背离本发明的精神下进行各种修饰与变更。

图1为本发明一种参与式感知数据系统的系统架构图。如图1所示，本发明一种参与式感知数据系统，包括：参与式感知平台10以及多个参与式移动终端N＝{1,2,3,...,N}，各移动终端用于选择感知过程，其可以为智能手机、平板电脑或车载终端，图中示出了移动终端1，移动终端2，移动终端3和移动终端4。

具体地，参与式感知平台10还包括感知过程存储单元11、报酬分配计划单元13、吸引力概率确定单元12和人数比例统计单元14，其中，感知过程存储单元11设置有多个感知过程M＝{1,2,3,...,M}；报酬分配计划单元13设置有与各感知过程相应的报酬分配计划P_n(m,x(t))，在移动终端执行其选择的感应任务后，按照报酬分配计划向移动终端执行与该感应任务对应的报酬；人数比例统计单元14用于存放每一感知过程的参与移动终端比例x_m(t)，并且参与移动终端的比例可基于移动终端的感知过程进行更新；吸引力概率单元12用于与人数比例统计单元14、移动终端进行配合，确定移动终端选择的新感知过程。

本发明之参与式感知数据系统的工作过程如下:(1)感知过程存储单元11公布所有可用的感知过程M＝{1,2,3,...,M}，所有感兴趣的移动终端N＝{1,2,3,...,N}在参与式感知平台10上注册。所有移动终端的初始状态为随机参与一个感知过程，并基于此计算人数比例统计单元14的初始值x_m(t)。

(2)人数比例统计单元14计算所有感知过程的参与移动终端比例x_m(t)，同时每个移动终端n收集对应的感知数据，向平台发送感知数据，并收到报酬分配计划单元13计算出的报酬P_n(m,x(t))和系统的平均报酬

(3)吸引力概率计算单元12计算针对每个感知过程的吸引力概率E_m。每个移动终端检查自己收到的报酬P_n(m,x(t))是否小于系统的平均报酬若小于，则以一概率δ决定是否改变当前参与的感知过程。若改变，则根据E_m决定自己将会改变至的新感知过程。在本发明较佳实施例中，概率δ的对应公式如下：

$\mathrm{\δ}=\mathrm{\α}(1-\frac{P_n(m,x\left(t\right))}{\stackrel{\‾}{P}\left(x\left(t\right)\right)}),$

其中α∈(0,1]为一系统设定的常数。

所有移动终端向参与式感知平台10汇报自己的感知过程更新，人数比例统计单元14对其中移动终端数x_m(t)进行更新。然后并返回继续执行步骤(2)，吸引力概率确定单元12用于与人数比例统计单元14、移动终端进行配合；当任何感知过程的吸引力概率都为0时，参与式感知平台10即找到了参与式感知数据系统的进化均衡x^*。

其中，吸引力概率计算单元12吸引力概率的计算方法如下：

该移动终端首先获取平均报酬信息，并针对其他感知过程的报酬P_n(m,x(t))计算其与平均报酬之间的差值，并乘以正在参与该感知过程的移动终端比例x_m(t)。移动终端用户会以如下吸引力概率计算公式计算吸引力概率，并以该吸引力概率选择对应的感知过程。

$E_m=\frac{x_m\left(t\right)\max \{(P_n(m,x\left(t\right))-\stackrel{\‾}{P}\left(x\left(t\right)\right)),0\}}{{\mathrm{\Σ}}_{i=1}^M{x}_i\left(t\right)\max \{(P_n(i,x\left(t\right))-\stackrel{\‾}{P}\left(x\left(t\right)\right)),0\}}$

其中x_m(t)为正在参与该感知过程的移动终端比例，为系统的平均报酬，P_n(m,x(t))为移动终端n参与感知过程m的报酬，P_n(i,x(t))为移动终端n参与感知过程i的报酬。

图2为本发明一种参与式感知数据系统中促进用户贡献数据的方法的步骤流程图。如图2所示，本发明一种参与式感知数据系统中促进用户贡献数据的方法，包括如下步骤：

步骤201，参与式感知平台公布所有可用的感知过程M＝{1,2,3,...,M}。

步骤202，所有感兴趣的移动终端N＝{1,2,3,...,N}在该参与式感知平台上注册。

步骤203，所有移动终端在感知过程M＝{1,2,3,...,M}中随机选择一个感知过程。

步骤204，所有移动终端并行地同时进行如下步骤：

(1)使用移动终端执行选择的感知过程，获取对应的感知数据；

(2)将收集到的感知数据发送给参与式感知平台，并获取对应的报酬P_n(m,x(t))，以及平台统计的平均报酬信息

(3)比较自己所获报酬与平均报酬大小，如果所获报酬小于平均报酬，以一概率δ决定是否更改自己的参与感知过程；若更改，则根据所有感知过程的吸引力概率E_m来选择更改后的感知过程，直到最终找到参与式感知系统的进化均衡。在本发明较佳实施例中，概率δ的对应公式如下：

$\mathrm{\δ}=\mathrm{\α}(1-\frac{P_n(m,x\left(t\right))}{\stackrel{\‾}{P}\left(x\left(t\right)\right)}),$

其中α∈(0,1]为一系统设定的常数。

其中，吸引力概率E_m的获得方法如下：

该移动终端首先获取平均报酬信息并针对其他感知过程的报酬P_n(m,x(t))计算其与平均报酬之间的差值，并乘以正在参与该感知过程的移动终端用户比例x_m(t)。移动终端会以如下吸引力概率计算公式计算吸引力概率，并以该吸引力概率选择对应的感知过程：

$E_m=\frac{x_m\left(t\right)\max \{(P_n(m,x\left(t\right))-\stackrel{\‾}{P}\left(x\left(t\right)\right)),0\}}{{\mathrm{\Σ}}_{i=1}^M{x}_i\left(t\right)\max \{(P_n(i,x\left(t\right))-\stackrel{\‾}{P}\left(x\left(t\right)\right)),0\}}$

其中，x_m(t)为正在参与该感知过程的移动终端比例，为系统的平均报酬，P_n(m,x(t))为移动终端n参与感知过程m的报酬，P_n(i,x(t))为移动终端n参与感知过程i的报酬。

综上所述，本发明提供了一种参与式感知数据系统及其促进用户贡献数据的方法，其通过于感知过程存储单元设置多个感知过程，利用报酬分配计划单元设置与感知过程相应的报酬分配计划，并在移动终端执行其选择的感应任务后，按照报酬分配计划向移动终端用户执行与该感应任务对应的报酬，利用人数比例确定单元存放每一感知过程的参与移动终端用户数，并且参与的移动终端数可基于所述移动终端用户的感知过程进行更新，利用吸引力概率确定单元用于与人数比例统计单元、移动终端进行配合，确定每个感知过程对移动终端的吸引概率，实现了在感知过程的预算极其有限的情况下也能够促进有限理性的移动终端用户来完成对应的任务的目的，使移动终端用户在很快的时间能就能够迅速稳定下来，提高了预算的利用率，避免了传统分配感知过程需要将完整的系统信息分发给每个移动终端用户，时间较长的缺点，利用本发明的技术方案能够有效避免参与式感知平台成为性能瓶颈的问题，且不需要任何涉及隐私的移动终端用户信息。

上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何本领域技术人员均可在不违背本发明的精神及范畴下，对上述实施例进行修饰与改变。因此，本发明的权利保护范围，应如权利要求书所列。

Claims (10)

1.一种参与式感知数据系统，至少包括：

多个移动终端，所述移动终端用于选择感知过程，收集对应的感知数据，向参与式感知平台发送感知数据；

参与式感知平台，所述参与式感知平台包括感知过程存储单元、报酬分配计划单元，吸引力概率确定单元和人数比例统计单元，其中，所述感知过程存储单元设置有多个感知过程，所述报酬分配计划单元设置有与各感知过程相应的报酬分配计划，并在各移动终端执行其选择的感应任务后，按照报酬分配计划向移动终端用户执行与感应任务对应的报酬，所述人数比例统计单元用于存放每一感知过程的参与移动终端数，所述吸引力概率确定单元用于与所述人数比例统计单元、各移动终端进行配合，确定每个感知过程对移动终端的吸引力概率。

2.如权利要求1所述的一种参与式感知数据系统，其特征在于：所述吸引力概率确定单元的吸引力概率的确定过程如下：移动终端首先获取平均报酬信息，并针对其他感知过程的报酬P_n(m,x(t))计算其与平均报酬之间的差值，并乘以正在参与该感知过程的移动终端比例x_m(t)，移动终端则通过一吸引力概率计算公式来确定每个感知过程对移动终端的吸引力概率。

3.如权利要求2所述的一种参与式感知数据系统，其特征在于，所述吸引力概率计算公式为

$E_m=\frac{x_m\left(t\right)\max \{(P_n(m,x\left(t\right))-\stackrel{\‾}{P}\left(x\left(t\right)\right)),0\}}{{\mathrm{\Σ}}_{i=1}^M{x}_i\left(t\right)\max \{(P_n(i,x\left(t\right))-\stackrel{\‾}{P}\left(x\left(t\right)\right)),0\}}$

其中，x_m(t)为正在参与感知过程m的移动终端比例，为系统的平均报酬，P_n(m,x(t))为移动终端n参与感知过程m的报酬，P_n(i,x(t))为移动终端n参与感知过程i的报酬。

4.如权利要求1所述的一种参与式感知数据系统，其特征在于：所述人数比例统计单元基于移动终端的感知过程对所述参与移动终端数进行更新。

5.如权利要求1所述的一种参与式感知数据系统，其特征在于：所有移动终端的初始状态为随机选择任一感知过程。

6.如权利要求1所述的一种参与式感知数据系统，其特征在于：所述移动终端为手机、平板电脑或车载终端。

7.一种参与式感知数据系统中促进用户贡献数据的方法，包括如下步骤：

步骤一，参与式感知平台公布所有可用的感知过程；

步骤二，所有感兴趣的移动终端在所述参与式感知平台上注册；

步骤三，所有移动终端并行工作，确定每个感知过程对移动终端的吸引力概率，根据确定的吸引力概率重复本步骤的过程直到找到所述参与式感知系统的进化均衡。

8.如权利要求7所述的一种参与式感知数据系统中促进用户贡献数据的方法，其特征在于，步骤三还包括如下步骤：

(1)使用移动终端执行选择的感知过程，获取对应的感知数据；

(2)将收集到的感知数据发送给参与式感知平台，并获取对应的报酬，以及平台统计的平均报酬信息；

(3)比较自己所获报酬与平均报酬大小，如果所获报酬小于平均报酬，以一概率δ决定是否更改自己的参与感知过程；若更改，则根据所有感知过程的吸引力概率来选择更改后的感知过程，直到最终找到参与式感知系统模型的进化均衡。

9.如权利要求8所述的一种参与式感知数据系统中促进用户贡献数据的方法，其特征在于，所述吸引力概率的获得方法如下：

移动终端首先获取系统的平均报酬信息，并针对其他感知过程的报酬计算其与平均报酬信息之间的差值，并乘以正在参与该感知过程的移动终端用户比例，移动终端则通过如下公式来确定每个感知过程对移动终端的吸引力概率，

$E_m=\frac{x_m\left(t\right)\max \{(P_n(m,x\left(t\right))-\stackrel{\‾}{P}\left(x\left(t\right)\right)),0\}}{{\mathrm{\Σ}}_{i=1}^M{x}_i\left(t\right)\max \{(P_n(i,x\left(t\right))-\stackrel{\‾}{P}\left(x\left(t\right)\right)),0\}}$

其中，x_m(t)为正在参与该感知过程的移动终端比例，为系统的平均报酬，P_n(m,x(t))为移动终端n参与感知过程m的报酬，P_n(i,x(t))为移动终端n参与感知过程i的报酬。

10.如权利要求7所述的一种参与式感知数据系统中促进用户贡献数据的方法，其特征在于，于步骤三之前还包括如下步骤：所有移动终端在所有感知过程中随机选择一个感知过程。