CN106161508A - 一种参与感知系统中信息质量的动态价格激励方法 - Google Patents

Abstract

本发明涉及一种参与感知系统中信息质量的动态价格激励方法，消费者将感知任务推送至参与感知系统的服务器端，服务器端将感知任务分配给参与者端，参与者从服务器端接收到感知任务信息后，向感知任务所在的兴趣点方向移动，参与者在到达兴趣点后进行感知数据的采集活动并将数据上传至服务器，服务器端在接收到参与者上传的感知数据后，通过动态价格激励机制对感知数据进行衡量和评估操作，消费者支付给参与者相应的报酬，本发明大大提高了参与感知系统中的用户积极主动地执行感知任务，增加感知任务完成数量，提高用户的参与热情，减少了感知任务平均支出，同时感知任务平均感知时延上有显著的降低，参与者的能耗有显著的降低。

Description

一种参与感知系统中信息质量的动态价格激励方法

技术领域

本发明涉及一种参与感知系统，尤其涉及一种参与感知系统中信息质量的动态价格激励方法。

背景技术

近些年来，无线移动通信以及互联网逐渐成为全球发展速度最快，市场前景最好的两种业务技术。到目前为止，全球移动设备用户已近20亿，互联网用户也超过了8亿，这一现状反应了技术随时代的快速发展和进步，人们对沟通交流的移动性以及实时信息的需求开始急剧增长。这种由移动通信技术和互联网相结合而发展成的移动互联网越来越成为人们便捷交流与生活的选择，由于移动互联而催生的相应需求也越来越大。

传统的传感器网络需要将具有特定应用功能的传感器部署在一个大型的区域内来监测环境如空气质量或交通流量等。然而，传统的传感器网络的性能取决于传感器节点的个数，并且如果没有有效的算法来降低传感节点的能量开销，那么网络中将没有足够的节点来覆盖整片监测区域。事实上，每天有近几亿人携带着智能移动终端设备，如智能手机，平板电脑等。这些智能终端设备在出厂时往往就配备着各式各样的被用户需求和期望的传感器、处理器以及通讯模块，这使得用移动设备采集并交互实时信息成为现实，并可以将数据信息分类，如视频，图片，声音及文本等。更为重要的是，这些移动设备每时每刻都在人们的手中，而人们可以在不同的领域，不同的场景，任何的时间将这些移动设备互联，形成一个覆盖动态范围的感知网络。人们可以通过参与到这样的一个网络中来，提出数据需求或贡献分享数据信息，这就是我们讨论的参与感知网络。

参与式感知网络具有覆盖面广、数据类型丰富、无需额外基础设施投资等优点，已成为一种城市规模数据采集感知的新的解决方案。较为熟知的相关应用包括LBS，基于内容移动服务，移动社交网络，远程移动医疗等。另外，参与感知网络在某种程度上具有一定的地理区域性，区域内的人们可以通过智能移动终端来共享本地知识库，从而无需去互联网上下载，这也一定程度上减轻了互联网的负荷，使得人们在一个相对灵活自由的环境下享受实时数据为生活带来的便捷。参与感知作为移动互联网中的一个重要元素，已显现出巨大的发展和应用潜力。目前，已出现一些基于参与感知网络相关技术的应用，主要分为两大类，即环境监测应用和个人监护应用。

参与感知系统最重要的因素之一就是用户的参与，用户是系统的核心。如何激励更多的用户完成数据的采集和共享成为系统面临的挑战之一。用户在参与数据采集时，由于需要消耗自身的资源，例如手机电量、计算能力以及时间等，并且用户上传的感知数据有可能暴露用户自身的隐私数据等，这些阻碍了用户的参与度。如何提高用户规模和用户的参与水平，也是目前参与感知系统面临的一个巨大问题。

发明内容

本发明要解决的技术问题是：为了解决参与感知系统中的用户规模和用户参与水平不高的问题，本发明提供了一种参与感知系统中信息质量的动态价格激励方法来解决上述问题。

本发明解决其技术问题所采用的技术方案是：一种参与感知系统中信息质量的动态价格激励方法，消费者将感知任务推送至参与感知系统的服务器端，服务器端将感知任务分配给参与者端，参与者从服务器端接收到感知任务信息后，向感知任务所在的兴趣点方向移动，参与者在到达兴趣点后进行感知数据的采集活动并将数据上传至服务器，服务器端在接收到参与者上传的感知数据后，通过动态价格激励机制对感知数据进行衡量和评估操作，消费者支付给参与者相应的报酬。

消费者根据自己需要选择将感知任务推送至服务器端过程中，消费者需要确定兴趣点信息、数据信息类型以及为本次感知任务能够提供的最大支付金额。

服务器端接收到消费者发送的感知任务请求后，会实时的将感知任务请求信息推送给参与者，参与者从服务器端接收到感知任务后，可决定是否参与感知任务。

所述的动态价格激励机制通过时间、距离以及数据精确性判断参与者上传的数据信息质量，从而动态地决定参与者所获得的效益，由四个部分组成，其中表示为参与者P_i执行感知任务j时上传至服务器的数据流，代表参与者P_i接收到感知任务j的时间，代表参与者P_i完成感知任务j时的时间，代表参与者P_i接收到感知任务j时所在的位置信息，代表参与者P_i为感知任务j采集的感知数据。

参与者在执行感知任务时，由于要改变原来的运动路线去往相应的感知点进行数据采集，所以需要一定的感知时延，公式(1)定义了参与者在时间因素上所获得的值，

$T\left(S_{p_i}^j\right)=\left\{\begin{array}{cc}\frac{{\mathrm{ave}}_{\mathrm{delay}}}{p_i^{e_j}-p_i^{s_j}},& {\mathrm{ave}}_{\mathrm{delay}}<p_i^{e_j}-p_i^{s_j}\\ 1,& \mathrm{others}\end{array}\right.---\left(1\right)$

其中之间的时间差为参与者完成一次感知任务的感知时延，ave_delay表示以往参与者在此感知点完成感知任务的平均感知时间，参与者完成感知任务所花费的时间越短，数据的实时性就越高，那么消费者就能更快的获取到相应的信息。

位置因素表示了参与者在接收到感知任务时的位置与感知任务所在位置之间的距离，参与者,在位置因素上所获得的值，计算如公式(2)，

$D\left(S_{p_i}^j\right)=1-\frac{\left|\right|p_i^{l^i}-{\mathrm{LoI}}_j^l\left|\right|}{s_{d_{\mathrm{th}}}}---\left(2\right)$

其中是感知任务j所在的位置坐标，是参与者P_i与感知点之间的欧拉距离，是服务器设定的兴趣点LoI与能接收到感知任务参与者之间的最大覆盖范围，如果参与者P_i同感知点之间的距离越小，则参与者从接收感知任务到向服务器发送感知数据的时延就越小，实时性就越高，数据可靠性和质量越高，的值就越大。

数据精确性表示参与者上传数据的准确性和精度，公式(3)定义了参与者在感知数据精确性因素上所获得的值，

$A\left(A_{p_i}^j\right)=\left\{\begin{array}{cc}\frac{{\mathrm{Ac}}_{p_i}^{d_j}}{{\mathrm{Ac}}_{c_i}^{d_j}},& {\mathrm{Ac}}_{p_i}^{d_j}<{\mathrm{Ac}}_{c_i}^{d_j}\\ 1,& \mathrm{others}\end{array}\right.---\left(3\right)$

其中是参与者P_i所执行感知任务j时所采集的感知数据精度，为消费者C_k定义的感知数据精度，如果参与者P_i所采集的数据值与消费者C_k要求的感知数据精度之间的差别越小，的数值也就越趋近于1，那么说明参与者上传的感知数据越符合消费者的需求，反之，参与者P_i所采集的数据值与消费者C_k要求的感知数据精度之间的差别越大，就越趋向于0，消费者满意度就越差。

动态价格激励机制利用时间因素、位置因素和感知数据精确性因素来衡量参与者所上传的感知数据的质量水平，公式(4)定义了参与者P_i上传的感知数据质量的量化值，

$\mathrm{QoI}(T,A,D)=\mathrm{\&alpha;}\&times;T\left(S_{p_i}^j\right)+\mathrm{\&beta;}\&times;D\left(S_{p_i}^j\right)+\mathrm{\&gamma;}\&times;A\left(S_{p_i}^j\right)---\left(4\right)$

其中是时间因素，是距离因素，是准确性因素，.α、β和γ分别是上述三种因素所占的权重，且α+β+γ＝1通过上述三种因素计算出QoI的数值越高，说明参与者P_i所采集感知数据的质量就越高，这就能使得参与者P_i获取更高的效益，也就是更高报酬；反之，感知数据量化值QoI越低则说明参与者P_i上传的感知数据质量的越低，消费者就不需要支付较高的费用，减少了消费者的成本。

消费者根据自己的需求向服务器发送一次感知任务，其中包括最大激励值。服务器根据效益函数计算参与者P_i完成一次感知任务所获得的效益，公式(5)定义了参与者P_i执行一次感知任务后最终能获得的效益，

$\mathrm{Reward}=\mathrm{Max}{\mathrm{Re}}_{c_k}^j\&times;{\mathrm{QoI}}_{p_i}^j---\left(5\right)$

其中是消费者c_k为感知任务j可以支付的最高报酬。消费者通过给予较高的激励值来吸引参与者进行任务感知活动和上传数据信息，是参与者P_i在完成感知任务j后，最终能获得的效益，其中的取值范围在0到1之间，的值越趋近于1，那么参与者P_i就越能获得较高的报酬，反之，的数值较低，那么说明参与者P_i上传的感知数据的质量较低，其能获得的报酬也就相对较少。

本发明的有益效果是，本发明大大提高了参与感知系统中的用户积极主动地执行感知任务，增加感知任务完成数量，提高用户的参与热情，减少了感知任务平均支出，感知任务平均感知时延上有显著的降低，参与者的能耗有显著的降低。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1参与感知系统感知任务执行图。

图2基于数据质量的动态价格激励机制流程图。

图3感知任务完成数量图，

图4感知任务平均收益图，

图5感知任务平均感知时延，

图6参与者能耗对比图。

具体实施方式

现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。

如图1-2所示，本发明一种参与感知系统中信息质量的动态价格激励方法，消费者根据自己的需求发布感知任务信息。在这个过程中，消费者需要确定兴趣点(Location of Interesting)信息，即需要哪个地点的感知数据信息；需要什么样类型的数据信息，例如图片，声音，视频等；消费者可以为本次任务提供的最大支付金额，设定好后，消费者将感知任务推送至参与感知系统的服务器端，当消费者在接收到参与者上传的数据信息后，根据参与感知系统中的激励机制支付给参与者相应的报酬。

当参与感知系统的服务器端接收到消费者端推送过来的感知任务请求后，根据服务器提供的智能信息拉推(IIPP)技术，参与者可以有两种方式获得感知任务信息，第一种是参与者可以主动地从服务器端拉取感知任务；第二种是系统服务器端向参与者推送感知任务。为了提高参与感知系统的实时性，我们的服务器端使用实时信息推送技术(Server Push Technology)，只要服务器端接收到消费者发送的感知任务请求，那么就将请求信息推送至参与者。

参与者从服务器端接收到感知任务信息后，会主观决定是否参与感知任务。例如参与者是否有充足的时间去收集感知数据，避免感知任务的报酬值小于自身可以接受的底线值。参与者去确认执行感知任务必须满足：第一消费者提供的大报酬值要大于参与者自身设定的最小阀值；第二参与者当前位置与兴趣点之间的距离差值要小于其自身所设定的最大距离阀值。参与者决定接收感知任务后就要改变其原始的移动路线，转而向感知任务所在的兴趣点方向移动。参与者在到达兴趣点后进行感知数据的采集活动并将数据上传至服务器，然后参与者向原始的目的地点移动。系统服务器在接收到参与者上传的感知数据后，对数据进行衡量和评估操作，消费者支付给参与者相应的报酬，这样参与者就完成了一次感知任务。

根据参与感知系统的体系结构以及上述的分析，由此我们可以将参与感知系统进行相应的模型化。参与感知系统模型主要包括三大部分，分别是消费者、参与者和服务器。根据上述讨论可以得知，在参与感知系统中，消费者的主要功能主要是发布感知任务以及支付报酬，参与者主要功能是感知数据采集和获得相应报酬。服务器作为消费者和参与者之间的中介，其主要功能包括接收消费者上传的感知任务、向参与者发送感知任务，计算参与者可以获得的激励值，也就是报酬。图1为是消费者、参与者和服务器之间在一次感知任务中的交互过程。

动态价格激励机制(DPIM)利用时间、距离以及数据精确性等因素判断参与者上传的数据信息质量，从而动态地决定参与者所获得的效益。每次感知任务，服务器端都会通过参与者的数据流计算出效益值。表示为参与者P_i执行感知任务j时上传至服务器的数据流，它由一个四元组组成， 代表参与者P_i接收到感知任务j的时间。代表参与者P_i完成感知任务j时的时间。代表参与者P_i接收到感知任务j时所在的位置信息。代表参与者P_i为感知任务j采集的感知数据。

时间因素量化函数。参与者在执行感知任务时，由于要改变原来的运动路线去往相应的感知点进行数据采集，所以需要一定的感知时延。公式(1)定义了参与者在时间因素上所获得的值，

$T\left(S_{p_i}^j\right)=\left\{\begin{array}{cc}\frac{{\mathrm{ave}}_{\mathrm{delay}}}{p_i^{e_j}-p_i^{s_j}},& {\mathrm{ave}}_{\mathrm{delay}}<p_i^{e_j}-p_i^{s_j}\\ 1,& \mathrm{others}\end{array}\right.---\left(1\right)$

其中t_s表示参与者接收感知任务的时间，t_e表示为参与者将感知数据上传至服务器的时间。之间的时间差为参与者完成一次感知任务的感知时延。ave_delay表示以往参与者在此感知点完成感知任务的平均感知时间。参与者完成感知任务所花费的时间越短，数据的实时性就越高，那么消费者就能更快的获取到相应的信息。

位置因素量化函数。位置因素表示了参与者在接收到感知任务时的位置与感知任务所在位置之间的距离。参与者P_i在位置因素上所获得的值，计算如公式(2)，

$D\left(S_{p_i}^j\right)=1-\frac{\left|\right|p_i^{l^i}-{\mathrm{LoI}}_j^l\left|\right|}{s_{d_{\mathrm{th}}}}---\left(2\right)$

其中是感知任务j所在的位置坐标。代表参与者P_i与兴趣点j之间的欧拉距离。是服务器设定的兴趣点LoI与能接收到感知任务参与者之间的最大覆盖范围。如果参与者P_i同感知点j之间的距离越小，则参与者从接收感知任务到向服务器发送感知数据的时延就越小，实时性就越高，数据可靠性和质量越高，的值就越大。

数据精确性因素量化函数。数据精确性表示参与者上传数据的准确性和精度。例如图片的像素值，如果参与者上传的图片像素值与消费者给定的标准像素值差距越小，那么表明参与者提供的数据信息质量就越高。公式(3)定义了参与者在感知数据精确性因素上所获得的值，

$A\left(A_{p_i}^j\right)=\left\{\begin{array}{cc}\frac{{\mathrm{Ac}}_{p_i}^{d_j}}{{\mathrm{Ac}}_{c_i}^{d_j}},& {\mathrm{Ac}}_{p_i}^{d_j}<{\mathrm{Ac}}_{c_i}^{d_j}\\ 1,& \mathrm{others}\end{array}\right.---\left(3\right)$

其中是参与者P_i所执行感知任务j时所采集的感知数据精度。为消费者C_k定义的感知数据精度。如果参与者P_i所采集的数据值与消费者C_k要求的感知数据精度之间的差别越小，的数值也就越趋近于1，那么说明参与者上传的感知数据越符合消费者的需求。反之，参与者P_i所采集的数据值与消费者C_k要求的感知数据精度之间的差别越大，就越趋向于0，消费者满意度就越差。

DPIM利用时间因素、位置因素和感知数据精确性因素等来衡量参与者所上传的感知数据的质量水平。公式(4)定义了参与者P_i上传的感知数据质量的量化值，

$\mathrm{QoI}(T,A,D)=\mathrm{\&alpha;}\&times;T\left(S_{p_i}^j\right)+\mathrm{\&beta;}\&times;D\left(S_{p_i}^j\right)+\mathrm{\&gamma;}\&times;A\left(S_{p_i}^j\right)---\left(4\right)$

其中是时间因素，是距离因素，是准确性因素，α、β和γ分别是上述三种因素所占的权重，且α+β+γ＝1通过上述三种因素计算出QoI的数值越高，说明参与者P_i所采集感知数据的质量就越高，这就能使得参与者P_i获取更高的效益，也就是更高报酬。反之，感知数据量化值QoI越低则说明参与者P_i上传的感知数据质量的越低，消费者就不需要支付较高的费用，减少了消费者的成本。

消费者根据自己的需求向服务器发送一次感知任务，其中包括最大激励值。服务器根据效益函数计算参与者P_i完成一次感知任务所获得的效益。公式(5)定义了参与者P_i执行一次感知任务后最终能获得的效益，

$\mathrm{Reward}=\mathrm{Max}{\mathrm{Re}}_{c_k}^j\&times;{\mathrm{QoI}}_{p_i}^j---\left(5\right)$

其中是消费者c_k为感知任务j可以支付的最高报酬。消费者通过给予较高的激励值来吸引参与者进行任务感知活动和上传数据信息。是参与者P_i在完成感知任务j后，最终能获得的效益。其中的取值范围在0到1之间。的值越趋近于1，那么参与者P_i就越能获得较高的报酬。反之，的数值较低，那么说明参与者P_i上传的感知数据的质量较低，其能获得的报酬也就相对较少。如果参与者想要获得较高的效益，那么就必须努力提高感知数据的质量。

参与感知系统中的参与在完整执行一次感知任务中，服务器将为每个任务保存一个数据流，其中由参与者执行感知任务起始时间和结束时间，参与者接收感知任务时的位置信息以及参与者所采集的感知数据等四个主要部分组成。当参与者采集完感知数据并将其上至服务器后，服务器会根据DPIM动态地决定一次感知数据的数据价值，从而计算出参与者最终所能获取的收益价值，也就是报酬值。

感知任务完成数量是衡量激励算法的标准，其中图3感知任务完成数量图是将本专利所提出的DPIM和其他激励方法SenseUtil、RADP逆向拍卖的动态价格激励算法在感知任务完成数量上的优势。

感知任务平均支出是衡量激励算法的标准，图4感知任务平均收益图是本专利所提出的DPIM相比于SenseUtil、RADP逆向拍卖的动态价格激励算法在感知任务完成平均收益上的优势。感知任务平均支出上有明显的降低

感知任务平均感知时延是衡量激励算法的标准，图5感知任务平均感知时延，该图说明本专利中所提出的CBCR技术相比传统修复策略的优势，是将本专利所提出的DPIM相比于SenseUtil、RADP逆向拍卖的动态价格激励算法在感知任务平均感知时延上的优势。

参与者能耗是衡量激励算法的标准，图6参与者能耗对比图是本专利所提出的DPIM算法相比于SenseUtil、RADP逆向拍卖的动态价格激励算法在感知任务完成数量上的优势。

以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。

Claims (9)

1.一种参与感知系统中信息质量的动态价格激励方法，其特征是：消费者将感知任务推送至参与感知系统的服务器端，服务器端将感知任务分配给参与者端，参与者从服务器端接收到感知任务信息后，向感知任务所在的兴趣点方向移动，参与者在到达兴趣点后进行感知数据的采集活动并将数据上传至服务器，服务器端在接收到参与者上传的感知数据后，通过动态价格激励机制对感知数据进行衡量和评估操作，消费者支付给参与者相应的报酬。

2.根据权利要求1所述的一种参与感知系统中信息质量的动态价格激励方法，其特征是：消费者根据自己需要选择将感知任务推送至服务器端过程中，消费者需要确定兴趣点信息、数据信息类型以及为本次感知任务能够提供的最大支付金额。

3.根据权利要求1所述的一种参与感知系统中信息质量的动态价格激励方法，其特征是：服务器端接收到消费者发送的感知任务请求后，会实时的将感知任务请求信息推送给参与者，参与者从服务器端接收到感知任务后，可决定是否参与感知任务。

4.根据权利要求1所述的一种参与感知系统中信息质量的动态价格激励方法，其特征是：所述的动态价格激励机制通过时间、距离以及数据精确性判断参与者上传的数据信息质量，从而动态地决定参与者所获得的效益，由四个部分组成，其中表示为参与者P_i执行感知任务j时上传至服务器的数据流，代表参与者P_i接收到感知任务j的时间，代表参与者P_i完成感知任务j时的时间，代表参与者P_i接收到感知任务j时所在的位置信息，代表参与者P_i为感知任务j采集的感知数据。

5.根据权利要求4所述的一种参与感知系统中信息质量的动态价格激励方法，其特征是：参与者在执行感知任务时，由于要改变原来的运动路线去往相应的感知点进行数据采集，所以需要一定的感知时延，公式(1)定义了参与者在时间因素上所获得的值，

$T\left(S_{p_i}^j\right)=\left\{\begin{array}{cc}\frac{{\mathrm{ave}}_{\mathrm{delay}}}{p_i^{e_j}-p_i^{s_j}},& {\mathrm{ave}}_{\mathrm{delay}}<p_i^{e_j}-p_i^{s_j}\\ 1,& \mathrm{others}\end{array}\right.---\left(1\right)$

其中之间的时间差为参与者完成一次感知任务的感知时延，ave_delay表示以往参与者在此感知点完成感知任务的平均感知时间，参与者完成感知任务所花费的时间越短，数据的实时性就越高，那么消费者就能更快的获取到相应的信息。

6.根据权利要求4或5所述的一种参与感知系统中信息质量的动态价格激励方法，其特征是：位置因素表示了参与者在接收到感知任务时的位置与感知任务所在位置之间的距离，参与者,在位置因素上所获得的值，计算如公式(2)，

$D\left(S_{p_i}^j\right)=1-\frac{\left|\right|p_i^{l^j}-{\mathrm{LoI}}_j^l\left|\right|}{s_{d_{\mathrm{th}}}}---\left(2\right)$

其中是感知任务j所在的位置坐标，是参与者P_i与感知点之间的欧拉距离，是服务器设定的兴趣点LoI与能接收到感知任务参与者之间的最大覆盖范围，如果参与者P_i同感知点之间的距离越小，则参与者从接收感知任务到向服务器发送感知数据的时延就越小，实时性就越高，数据可靠性和质量越高，的值就越大。

7.根据权利要求6所述的一种参与感知系统中信息质量的动态价格激励方法，其特征是：数据精确性表示参与者上传数据的准确性和精度，公式(3)定义了参与者在感知数据精确性因素上所获得的值，

$A\left(S_{p_i}^j\right)=\left\{\begin{array}{cc}\frac{{\mathrm{Ac}}_{p_i}^{d_j}}{{\mathrm{Ac}}_{c_i}^{d_j}},& {\mathrm{Ac}}_{p_i}^{d_j}<{\mathrm{Ac}}_{c_i}^{d_j}\\ 1,& \mathrm{others}\end{array}\right.---\left(3\right)$

其中是参与者P_i所执行感知任务j时所采集的感知数据精度，为消费者C_k定义的感知数据精度，如果参与者P_i所采集的数据值与消费者C_k要求的感知数据精度之间的差别越小，的数值也就越趋近于1，那么说明参与者上传的感知数据越符合消费者的需求，反之，参与者P_i所采集的数据值与消费者C_k要求的感知数据精度之间的差别越大，就越趋向于0，消费者满意度就越差。

8.根据权利要求7所述的一种参与感知系统中信息质量的动态价格激励方法，其特征是：动态价格激励机制利用时间因素、位置因素和感知数据精确性因素来衡量参与者所上传的感知数据的质量水平，公式(4)定义了参与者P_i上传的感知数据质量的量化值，

$\mathrm{QoI}(T,A,D)=\mathrm{\&alpha;}\&times;T\left(S_{p_i}^j\right)+\mathrm{\&beta;}\&times;D\left(S_{p_i}^j\right)+\mathrm{\&gamma;}\&times;A\left(S_{p_i}^j\right)---\left(4\right)$

其中是时间因素，是距离因素，是准确性因素，.α、β和γ分别是上述三种因素所占的权重，且α+β+γ＝1通过上述三种因素计算出QoI的数值越高，说明参与者P_i所采集感知数据的质量就越高，这就能使得参与者P_i获取更高的效益，也就是更高报酬；反之，感知数据量化值QoI越低则说明参与者P_i上传的感知数据质量的越低，消费者就不需要支付较高的费用，减少了消费者的成本。

9.根据权利要求8所述的一种参与感知系统中信息质量的动态价格激励方法，其特征是：消费者根据自己的需求向服务器发送一次感知任务，其中包括最大激励值。服务器根据效益函数计算参与者P_i完成一次感知任务所获得的效益，公式(5)定义了参与者P_i执行一次感知任务后最终能获得的效益，

$\mathrm{Reward}={\mathrm{MaxRe}}_{c_k}^j\&times;{\mathrm{QoI}}_{p_i}^j---\left(5\right)$

其中是消费者c_k为感知任务j可以支付的最高报酬。消费者通过给予较高的激励值来吸引参与者进行任务感知活动和上传数据信息，是参与者P_i在完成感知任务j后，最终能获得的效益，其中的取值范围在0到1之间，的值越趋近于1，那么参与者P_i就越能获得较高的报酬，反之，的数值较低，那么说明参与者P_i上传的感知数据的质量较低，能获得的报酬也就相对较少。