CN110210903A - 一种基于用户位置与信誉度的群智感知激励方法 - Google Patents

Abstract

本发明公开了一种基于用户位置与信誉度的群智感知激励方法，包括如下步骤：平台根据用户的心理阈值定义用户的信誉度初值，以及用户前一轮感知任务中的表现对用户的信誉度进行重新评估；平台根据用户上报的位置信息，计算出每一个用户感知的有效面积以及其相应的报酬；依次发送感知请求；用户决策：计算出执行感知任务的效用值，并与自己的心理预期值结合进行思考，若效用值符合自己的心理预期，则接受任务请求，执行感知任务；否则拒绝任务请求。本发明通过用户覆盖面积和信誉度这两方面的激励调控，在相同预算的前提下可以显著提升检测覆盖面积；并且由于信誉度的影响，随着任务轮次的增加，用户质量将不断提高，任务完成效率也将随之提高。

Description

一种基于用户位置与信誉度的群智感知激励方法

技术领域

本发明属于通信技术领域，具体涉及一种基于用户位置与信誉度的群智感知激励方法。

背景技术

随着集成了多传感器的移动设备的飞速发展，移动群智感知正在成为一个新的热门研究领域。群智感知由众包、参与感知等相关概念发展而来，是一种新的生产组织形式，具体就是平台利用互联网将工作分配出去，利用大量用户的移动设备所提供的感知、计算、无线通信能力解决问题。移动群智感知成功地将传统感知的传感范围从单一的物理空间拓展到社区与城市的规模，并且大大丰富了所能感知的数据种类，几乎所有关乎人群集体行为的数据都可以被方便地采集，同时也大大降低了感知成本。

在群智感知中，如何根据应用场景，建立合理的激励方法，激励更多的用户参与群智感知，提供可靠的感知数据，是群智感知发展的重点。目前常见的群智感知激励模型为逆向拍卖模型，但多数算法只能适用于最普通的感应场景。在一些诸如感知基站信号强度分布的感知任务中，如何获得最大的感知覆盖面积才是感知任务所要解决的第一目标，而不仅仅是吸引更多用户参与。

所以，需要一个新的技术方案来解决上述问题。

发明内容

发明目的：为了克服现有技术中存在的不足，提供一种基于用户位置与信誉度的群智感知激励方法，其能够在预算有限的情况下扩大感知覆盖面积，并且由于信誉度的影响，随着任务轮次的增加，用户质量将不断提高，任务完成效率也将随之提高。

技术方案：为实现上述目的，本发明提供一种基于用户位置与信誉度的群智感知激励方法，包括如下步骤：

S1：平台根据用户的心理阈值定义用户的信誉度初值，以及用户前一轮感知任务中的表现对用户的信誉度进行重新评估；

S2：平台根据用户上报的位置信息，计算出每一个用户感知的有效面积以及其相应的报酬；

S3：依次发送感知请求：平台在有剩余预算的前提下，向当前未参与感知的用户中信誉度最高的用户发送感知请求与报价p_i，若用户成功参与感知则向其发放报酬，直至预算不足；

S4：用户决策：用户在接受到感知请求与报酬值p_i后，计算出执行感知任务的效用值，并与自己的心理预期值结合进行思考，若效用值符合自己的心理预期，则接受任务请求，执行感知任务，并将感知结果上传至平台；否则拒绝任务请求。

进一步的，所述步骤S1中用户的信誉度的重新评估具体为：假设用户i的心理阈值为Thres_i，根据其他用户的心理阈值计算出其初始信誉度在上一轮感知任务中，如果用户有意愿参与感知并上报了自己的位置信息，但是在平台公布报价之后选择放弃参与，则信誉度下降；若在平台公布报价之后选择继续参与，则信誉度上升；若平台预算耗尽提前结束感知任务而未向用户发布报价及任务请求，则信誉度不变。

进一步的，所述步骤S2中每一个用户感知的有效面积以及其相应的报酬的具体计算方式为：假设用户i能对半径为R_i的范围进行感知，则最大感知面积为若用户i的最大感知面积未与其他用户的最大感知面积重叠，则其感知有效面积Area_i＝Areamax_i；若与其他用户发生重叠，则重叠面积视为信誉度较高的用户的感知有效面积；根据每个用户的感知有效面积计算出每个用户对平台产生的效用值其中，N为用户总数，根据平台效用与信誉度计算出应付给用户的报酬其中，β和γ为常系数，并且0＜γ＜1。

进一步的，所述步骤S4中执行感知任务的效用值u_i＝p_i-α×Areamax_i，其中α为常量，用户的代价函数c_i＝α×Areamax_i。

本发明方法在初始时为每个用户设置一个信誉度，在平台发布群智感知任务并有用户竞争任务时，平台根据用户的信誉度确定用户的优先级，优先选择信誉值高的用户进行任务分配，并计算出相应的任务报酬。在计算任务报酬时，根据用户的位置分布情况，计算出每个用户的检测有效范围并进而决定其相应的报酬，并结合用户的信誉度进行调整。在一轮感知任务结束之后，根据参与情况对用户的信誉度进行更新。通过这两方面的激励调控，在相同预算的前提下可以显著提升检测覆盖面积；并且由于信誉度的影响，随着任务轮次的增加，用户质量将不断提高，任务完成效率也将随之提高。

本发明通过把用户覆盖面积作为感知效用的主要考虑因素，使得平台优先选取相隔距离较远的用户参与感知，提高感知覆盖度；通过对每一个用户信誉度的评估，筛选出更高质量的用户，提高了感知效率。初始时设置用户的信誉度，在任务分配过程中根据用户分布位置计算出每个用户感知的有效范围，由有效范围决定用户感知数据的价值，并通过用户的信誉度调整优先级与报酬。

有益效果：本发明与现有技术相比，具备如下优点：

1、考虑了决策第一目标为面积覆盖率，避免了选择的感知用户距离太近、重叠面积太大而带来的感知有效范围小的问题，使选择的用户更为分散，提高了感知覆盖面积。

2、考虑了用户的信誉度信息并在每次感知后对其进行调整，避免了选择的用户心理预期太大带来的预算消耗过快的问题，提高了用户质量，并大大降低了预算消耗，提高了感知效率。

附图说明

图1为本发明方法的流程示意图；

图2为感知覆盖率随报酬变化图；

图3为感知覆盖率随人数变化图。

具体实施方式

下面结合附图和具体实施例，进一步阐明本发明。

如图1所示，本发明提供一种基于用户位置与信誉度的群智感知激励方法，包括如下步骤：

S1：平台根据用户的心理阈值定义用户的信誉度初值，以及用户前一轮感知任务中的表现对用户的信誉度进行重新评估：

假设用户i的心理阈值为Thres_i(阈值相互独立，且不会被其他用户知晓)在心理阈值的基础上，计算每个用户初始的信誉度Credit_i为

在此系统中，信誉度反映的是用户在逆向拍卖过程中的守信情况。如果用户在第一轮平台发布任务请求中选择了参与感知，但是在平台公布报价之后选择放弃参与，则信誉度下降；若在平台公布报价之后选择继续参与，则信誉度上升；若平台预算耗尽提前结束感知任务而未向用户发布第二轮任务请求，则信誉度不变。即在每一轮感知任务结束后，用户的更新后的信誉度Credit'_i为

此处的信誉度很大程度上受用户信誉度的影响，因此，根据用户的信誉度可以判断其心理阈值的高低，并从而适当减少对高信誉度用户的花费，从而筛选出高质量用户群体，提高感知效率。

S2：平台根据用户上报的位置信息，计算出每一个用户感知的有效面积以及其相应的报酬：

假设用户i能对半径为R_i的范围进行感知，则最大感知面积为若用户i的最大感知面积未与其他用户的最大感知面积重叠，则其感知有效面积Area_i＝Areamax_i；若与其他用户发生重叠，则重叠面积视为信誉度较高的用户的感知有效面积。用户的检测面积越大，则用户对平台的效用越大，得到的回报也越多。

由于感知的目标是使感知覆盖面积尽可能大，因此，用户所能检测到的有效面积越大，则对平台的效用也越高，基于这一点，计算每个用户对平台产生的效用值us_i为

当进行任务处理时，平台每次选取信誉度最高的用户(即Credit_i最大者)优先进行任务分配。用户在对任务进行感知时，自身会花费一定的代价(如移动数据流量等)。由于用户无论自身感知范围是否与其他竞争者重叠，都需要感知所有范围，因此计算用户的代价函数为

c_i＝α×Areamax_i (4)

其中α为一个常系数。Areamax_i只与用户的R_i相关，因此，不管用户处于什么位置，检测半径越大，则其代价值也越大。

平台为了激励更多用户进行感知，会给被选中的完成任务的用户一定的报酬。在每个感知任务开始前，平台根据用户的感知效用与用户的信誉度对其报酬进行分配，报酬p_i为

其中，β和γ为常系数，并且0＜γ＜1。该函数表明了用户得到的报酬受其感知任务的效用值与用户的信誉度影响，与感知任务的效用值成正比关系，与用户的信誉度成反比关系。

S3：依次发送感知请求：平台在有剩余预算的前提下，向当前未参与感知的用户中信誉度最高的用户发送感知请求与报价p_i，若用户成功参与感知则向其发放报酬，直至预算不足。

S4：用户决策：根据平台支付的报酬与自身花费的代价，可以得到用户自身的效用u_i为

每个用户根据平台对自己的报价u_i与自己的心理阈值Thres_i，最终决定是否接受本次感知任务的处理请求。用户的判断函数J_i为

其中，J_i为1表示用户接受该任务，反之则用户拒绝该任务。用户将平台的报价u_i与自己的心理阈值Thres_i比较，如果报价高于用户心理阈值，则用户接受本次任务处理请求，否则用户拒绝本次请求。

上述方法可归纳成如下过程：首先向感知区域内所有用户发送第一次感知请求，若用户愿意参与感知则上报自己的感知半径与所处位置；否则拒绝此次感知请求。平台收集到用户信息后计算出用户的任务代价与应付给用户的报酬。接着，若为第一次进行感知，则平台生成用户的信誉度；否则根据前次感知情况计算出用户调整过后的信誉度，并按照信誉度从大到小对用户进行排序，然后依次向用户推送第二次感知请求与报酬值。用户在接受到第二次感知请求与报酬值后，计算出执行感知任务的效用值，并与自己的心理预期值结合进行思考，若效用值符合自己的心理预期，则接受任务请求，执行感知任务，并将感知结果上传至平台；否则拒绝任务请求。平台在接受到用户上传的感知数据后，向用户支付约定的报酬，并对用户的信誉度进行重新评价。对完整完成感知任务的用户，增加其信誉度；对接受了第一次任务请求但拒绝了第二次任务请求的用户，减少其信誉度。

本实施例中利用本发明方法和传统的两种方法分别进行仿真对比试验，具体结果如下：

如图2可知，本发明方法在对比其他两种算法时，在报酬较低时感知覆盖率大致相同。然而随着报酬的提升，在报酬相等的前提下，感知覆盖面积比例逐渐领先，并且在预算为7000左右时就能达到最高效率，领先近一倍，而此时其他两种算法的效率仍在缓慢提升中。

如图3可知，可以看出在人数较少时，只考虑信誉度因素的算法效率最低；随着人数的提升，本发明方法效率快速提升，只考虑信誉度因素的算法逐渐提升，而只考虑位置因素的算法则几乎没有提升。造成这种结果的原因为本发明方法引入的信誉度因素，能在一轮感知结束后对用户的信誉度进行重新评估，并进而对激励策略进行调整，随着轮次的增加，系统将逐渐筛选出高质量用户，进而显著提高感知效率。此外，在将检测有效范围作为效用值的主导因素时，平台在选择用户时会优先考虑重叠面积尽量小的用户群体，以提高感知效率。

Claims (5)

1.一种基于用户位置与信誉度的群智感知激励方法，其特征在于：包括如下步骤：

S1：平台根据用户的心理阈值定义用户的信誉度初值，以及用户前一轮感知任务中的表现对用户的信誉度进行重新评估；

S2：平台根据用户上报的位置信息，计算出每一个用户感知的有效面积以及其相应的报酬；

S3：依次发送感知请求：平台在有剩余预算的前提下，向当前未参与感知的用户中信誉度最高的用户发送感知请求与报价p_i，若用户成功参与感知则向其发放报酬，直至预算不足；

S4：用户决策：用户在接受到感知请求与报酬值p_i后，计算出执行感知任务的效用值，并与自己的心理预期值结合进行思考，若效用值符合自己的心理预期，则接受任务请求，执行感知任务，并将感知结果上传至平台；否则拒绝任务请求。

2.根据权利要求1所述的一种基于用户位置与信誉度的群智感知激励方法，其特征在于：所述步骤S1中用户的信誉度的重新评估具体为：假设用户i的心理阈值为Thres_i，根据其他用户的心理阈值计算出其初始信誉度在上一轮感知任务中，如果用户有意愿参与感知并上报了自己的位置信息，但是在平台公布报价之后选择放弃参与，则信誉度下降；若在平台公布报价之后选择继续参与，则信誉度上升；若平台预算耗尽提前结束感知任务而未向用户发布报价及任务请求，则信誉度不变。

3.根据权利要求1所述的一种基于用户位置与信誉度的群智感知激励方法，其特征在于：所述步骤S2中每一个用户感知的有效面积以及其相应的报酬的具体计算方式为：假设用户i能对半径为R_i的范围进行感知，则最大感知面积为若用户i的最大感知面积未与其他用户的最大感知面积重叠，则其感知有效面积Area_i＝Areamax_i；若与其他用户发生重叠，则重叠面积视为信誉度较高的用户的感知有效面积；根据每个用户的感知有效面积计算出每个用户对平台产生的效用值其中，N为用户总数，根据平台效用与信誉度计算出应付给用户的报酬其中，β和γ为常系数，并且0＜γ＜1。

4.根据权利要求1所述的一种基于用户位置与信誉度的群智感知激励方法，其特征在于：所述步骤S4中执行感知任务的效用值u_i＝p_i-α×Areamax_i，其中α为常量，用户的代价函数c_i＝α×Areamax_i。

5.根据权利要求1所述的一种基于用户位置与信誉度的群智感知激励方法，其特征在于：所述骤S4中用户的判断函数J_i为

其中，J_i为1表示用户接受该任务，反之则用户拒绝该任务，用户将平台的报价u_i与自己的心理阈值Thres_i比较，如果报价高于用户心理阈值，则用户接受本次任务处理请求，否则用户拒绝本次请求。