CN107248092A - 一种基于供需关系的移动群智感知激励方法 - Google Patents

Abstract

本发明公开了一种基于供需关系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法，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最小资源需求；并在此基础上提供了一种基于供需关系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。

Description

一种基于供需关系的移动群智感知激励方法

技术领域

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

背景技术

随着移动互联网、嵌入式传感器等技术的发展，智能手机已经十分普及。利用普遍存在的智能手机用户感知和收集大规模的数据是一种新型的感知方式。移动群智感知由于其广泛的时空覆盖、低廉的成本、优秀的可扩展性以及普遍存在的应用场景而被认为是一种具有巨大潜力的新型数据感知和收集模式。目前已有一些项目基于移动群智感知实现了健康护理、智能交通、社交网络、环境监控等领域中的不同应用。

但目前的这些应用都是假设参与者能自愿地积极的参加数据感知，这往往不切实际。因为参与者需要消耗设备的能量、计算能力、存储空间、数据流量等完成群智感知任务，参与者需要得到一定数量的激励以抵消这些损失。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，没有激励上述两点都得不到保证。因此，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

本发明所要解决的技术问题是针对背景技术中所涉及到的缺陷，提供一种基于供需关系的移动群智感知激励方法。

本发明的技术解决方案是：

一种基于供需关系的移动群智感知激励方法，包含一种平台和智能手机用户的交互方法，步骤如下：

步骤1)，平台发布一个任务集合T＝{T₁,T₂,…,T_m}，其中，m为大于2的自然数，任务T_k的最小资源需求为L_k,k为大于等于1小于等于m的自然数，任务集合T对应的最小资源需求为L＝(L₁，L₂，…，L_m)；

步骤2)，令智能手机用户的集合为U＝{U₁,U₂,…,U_n}，n为大于2的自然数，对于任务T_k，用户U_i向平台提交一个有限的可感知时间i为大于等于1小于等于n的自然数，所有用户提交的可感知时间构成n×m的矩阵AT；

步骤3)，平台在集合U中选择入选者，将入选者放入集合W中，并计算每个入选者U_j∈W对任务T_k的感知时间以及每个入选者对任务T_k获得的报酬然后通知每个入选者其对应各个任务的感知时间、报酬，其中，j为大于等于1的自然数；

步骤3.1)，建立n×m的感知时间矩阵ST和n×m的支付额矩阵P，初始化ST＝0、P＝0、其中为当前未考虑的可感知时间矩阵；

步骤3.2)，令S_W＝0，其中S_W为已贡献的资源，判断对于每个任务T_k是否都执行过步骤3.3)，如果没有，则执行步骤3.3)；否则，则执行步骤3.12)；

步骤3.3)，若L_k＞S_W，则执行步骤3.4)，否则，执行步骤3.2)；

步骤3.4)，在矩阵中寻找最大的其中为矩阵中用户U_i对任务k的可感知时间；

步骤3.5)，将用户U_i并入入选者集合中；

步骤3.6)，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3.7)，若执行步骤3.8)；若且执行步骤3.9)；若且执行步骤3.10)；

步骤3.8)，令并执行步骤3.11)；

步骤3.9)，令S_W＝S_W+(a+bp(1))，并执行步骤3.11)；

步骤3.10)，令S_W＝L_k，并执行步骤3.11)；

步骤3.11)，令并执行步骤3.3)；

步骤3.12)，通知每个入选者U_j∈W其对应各个任务的感知时间、报酬；

步骤4)，入选者U_j∈W执行感知任务，提交感知数据到平台；

步骤5)，平台对每个任务T_k，支付给执行任务T_k的入选者U_j。

作为本发明一种基于供需关系的移动群智感知激励方法进一步的优化方案，所述步骤

3.6)中基于供需关系的资源定价函数p()的计算步骤为：

步骤3.6.1)，令为任务T_k对用户U_i的资源需求，为用户U_i对任务T_k的资源供应，α、β、a、b均为预先设定的系数，α＞a，b＞0，β＞0，则：

步骤3.6.2)，令得到均衡价格

步骤3.6.3)，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3.6.4)，将式1和式2代入式3，得到式4：

式中，λ＝(b+β)h＞0；

步骤3.6.5)，解式4得到式5所示的定价函数：

式中，

本发明采用以上技术方案与现有技术相比，具有以下技术效果：

1.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；

2.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；

3.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；

4.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；

5.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；

6.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；

7.当L_k≥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是本发明中平台和智能手机用户的交互方法的执行流程；

图2是本发明中基于供需关系的移动群智感知激励机制执行流程；

图3本发明中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

下面结合附图对本发明的技术方案做进一步的详细说明：

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最小资源需求。

名词说明：

移动群智感知系统：一种利用大量智能手机感知数据的大型数据采集系统，移动群智感知系统由处于云端的移动群智感知平台(本发明中简称为平台)和一批智能手机用户(本发明中简称为用户)组成。

用户：对感知任务感兴趣的智能手机的持有者。

入选者：由本发明基所提激励方法选择出来的用户，是移动群智感知最终参与者。

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1)，平台发布一个任务集合T＝{T₁,T₂,…,T_m}，其中，m为大于2的自然数，任务T_k的最小资源需求为L_k,k为大于等于1小于等于m的自然数，任务集合T对应的最小资源需求为L＝(L₁，L₂，…，L_m)；

步骤2)，令智能手机用户的集合为U＝{U₁,U₂,…,U_n}，n为大于2的自然数，对于任务T_k，用户U_i向平台提交一个有限的可感知时间i为大于等于1小于等于n的自然数，所有用户提交的可感知时间构成n×m的矩阵AT；

步骤3)，平台在集合U中选择入选者，将入选者放入集合W中，并计算每个入选者U_j∈W对任务T_k的感知时间以及每个入选者对任务T_k获得的报酬然后通知每个入选者其对应各个任务的感知时间、报酬，其中，j为大于等于1的自然数；

步骤4)，入选者U_j∈W执行感知任务，提交感知数据到平台；

步骤5)，平台对每个任务T_k，支付给执行任务T_k的入选者U_j。

在步骤3中，设计一个基于供需关系的移动群智感知激励机制M，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，基于供需关系的移动群智感知激励机制执行流程如图2所示，步骤如下：

步骤3.1)，建立n×m的感知时间矩阵ST和n×m的支付额矩阵P，初始化ST＝0、P＝0、其中为当前未考虑的可感知时间矩阵；

步骤3.2)，令S_W＝0，其中S_W为已贡献的资源，判断对于每个任务T_k是否都执行过步骤3.3)，如果没有，则执行步骤3.3)；否则，则执行步骤3.12)；

步骤3.3)，若L_k＞S_W，则执行步骤3.4)，否则，执行步骤3.2)；

步骤3.4)，在矩阵中寻找最大的其中为矩阵中用户U_i对任务k的可感知时间；

步骤3.5)，将用户U_i并入入选者集合中；

步骤3.6)，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3.7)，若执行步骤3.8)；若且执行步骤3.9)；若且执行步骤3.10)；

步骤3.8)，令并执行步骤3.11)；

步骤3.9)，令S_W＝S_W+(a+bp(1))，并执行步骤3.11)；

步骤3.10)，令S_W＝L_k，并执行步骤3.11)；

步骤3.11)，令并执行步骤3.3)；

步骤3.12)，通知每个入选者U_j∈W其对应各个任务的感知时间、报酬。

在步骤3.6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3.6.1)，令为任务T_k对用户U_i的资源需求，为用户U_i对任务T_k的资源供应，α、β、a、b均为预先设定的系数，α＞a，b＞0，β＞0，则：

步骤3.6.2)，令得到均衡价格

步骤3.6.3)，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3.6.4)，将式1和式2代入式3，得到式4：

式中，λ＝(b+β)h＞0；

步骤3.6.5)，解式4得到式5所示的定价函数：

式中，

本技术领域技术人员可以理解的是，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (2)

1.一种基于供需关系的移动群智感知激励方法，其特征在于，包含一种平台和智能手机用户的交互方法，步骤如下：

步骤1)，平台发布一个任务集合T＝{T₁,T₂,…,T_m}，其中，m为大于2的自然数，任务T_k的最小资源需求为L_k,k为大于等于1小于等于m的自然数，任务集合T对应的最小资源需求为L＝(L₁，L₂，…，L_m)；

步骤2)，令智能手机用户的集合为U＝{U₁,U₂,…,U_n}，n为大于2的自然数，对于任务T_k，用户U_i向平台提交一个有限的可感知时间i为大于等于1小于等于n的自然数，所有用户提交的可感知时间构成n×m的矩阵AT；

步骤3)，平台在集合U中选择入选者，将入选者放入集合W中，并计算每个入选者U_j∈W对任务T_k的感知时间以及每个入选者对任务T_k获得的报酬然后通知每个入选者其对应各个任务的感知时间、报酬，其中，j为大于等于1的自然数；

步骤3.1)，建立n×m的感知时间矩阵ST和n×m的支付额矩阵P，初始化ST＝0、P＝0、其中为当前未考虑的可感知时间矩阵；

步骤3.2)，令S_W＝0，其中S_W为已贡献的资源，判断对于每个任务T_k是否都执行过步骤3.3)，如果没有，则执行步骤3.3)；否则，则执行步骤3.12)；

步骤3.3)，若L_k＞S_W，则执行步骤3.4)，否则，执行步骤3.2)；

步骤3.4)，在矩阵中寻找最大的其中为矩阵中用户U_i对任务k的可感知时间；

步骤3.5)，将用户U_i并入入选者集合中；

步骤3.6)，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3.7)，若执行步骤3.8)；若且执行步骤3.9)；若且执行步骤3.10)；

步骤3.8)，令 并执行步骤3.11)；

步骤3.9)，令 S_W＝S_W+(a+bp(1))，并执行步骤3.11)；

步骤3.10)，令S_W＝L_k，并执行步骤3.11)；

步骤3.11)，令并执行步骤3.3)；

步骤3.12)，通知每个入选者U_j∈W其对应各个任务的感知时间、报酬；

步骤4)，入选者U_j∈W执行感知任务，提交感知数据到平台；

步骤5)，平台对每个任务T_k，支付给执行任务T_k的入选者U_j。

2.如权利要求2所述的一种基于供需关系的移动群智感知激励方法，其特征在于，所述步骤3.6)中基于供需关系的资源定价函数p()的计算步骤为：

步骤3.6.1)，令为任务T_k对用户U_i的资源需求，为用户U_i对任务T_k的资源供应，α、β、a、b均为预先设定的系数，α＞a，b＞0，β＞0，则：

<mrow> <msubsup> <mi>D</mi> <mi>i</mi> <mi>k</mi> </msubsup> <mo>=</mo> <mi>&amp;alpha;</mi> <mo>-</mo> <mi>&amp;beta;</mi> <mi>p</mi> <mrow> <mo>(</mo> <msubsup> <mi>st</mi> <mi>i</mi> <mi>k</mi> </msubsup> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow>

<mrow> <msubsup> <mi>S</mi> <mi>i</mi> <mi>k</mi> </msubsup> <mo>=</mo> <mi>a</mi> <mo>+</mo> <mi>b</mi> <mi>p</mi> <mrow> <mo>(</mo> <mrow> <msubsup> <mi>st</mi> <mi>i</mi> <mi>k</mi> </msubsup> </mrow> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow>

步骤3.6.2)，令得到均衡价格

步骤3.6.3)，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3.6.4)，将式1和式2代入式3，得到式4：

式中，λ＝(b+β)h＞0；

步骤3.6.5)，解式4得到式5所示的定价函数：

式中，