CN113592610A - 基于模糊控制的信誉更新移动群智感知激励方法 - Google Patents

Abstract

本发明公开一种基于模糊控制的信誉更新移动群智感知激励方法，方法包括：获胜者选择：综合用户的信誉与报价得到综合报价，对其采用逆向拍卖算法选择获胜者执行感知任务；数据质量评估：对获胜者执行任务采集的数据通过模糊逻辑控制系统进行质量评估；信誉更新：根据数据质量是否达标去动态更新用户信誉，任务失败者不予更新信誉；报酬支付：根据数据质量是否达标决定在预算内给予获胜者报价的多少，为避免系统中用户流失，失败者可以得到少量补偿。直到所有的任务都被覆盖，拍卖结束。本发明将用户信誉、采集数据质量与用户最终报酬相结合，可以达到很好的激励目标，提升用户参与积极性，实现长久激励；提升数据采集质量，使系统效益最大化。

Description

基于模糊控制的信誉更新移动群智感知激励方法

技术领域

本发明涉及移动群智感知技术领域，特别是涉及结合信息更新的移动群智感知激励方法。

背景技术

移动群智感知是参与者借助移动智能终端设备(手机，电脑，智能可穿戴设备等)进行有意识或无意识的数据采集。为了提升感知数据质量传统的方式采取部署大量传感器来实现取样地区的全覆盖，但是该方式会导致高额的采集成本，与传统方式相比，群智感知具有部署灵活经济、感知数据多源异构、覆盖范围广泛均匀和高扩展多功能等诸多优点，因此群智感知系统被广泛应用于智能交通、环境监测、噪声检测、移动社交、公共服务、智能医疗等各种领域。近年来一些移动群智感知平台的建立也越来越完善。

群智感知系统最终效果会受到用户感知数据采集质量的直接影响。由于参与者都是具有自私性、个体理性、不诚实性以及不确定性，在数据采集过程中可能遇到的数据隐私泄露风险、手机电量的消耗、设备内存空间的占用以及数据流量的损耗等一系列问题，就会产生用户采集感知数据质量不高以及参与积极性不够的情况。

为了解决该问题，目前已提出许多激励政策。这些激励机制主要分为两类，一类是金钱激励，另一类是非经济激励。从现有研究来看，以拍卖机制为基础的报酬支付最为广泛。激励机制中的核心研究问题有：参与水平、完成质量、金钱支付、效率能耗、隐私安全、线上实时。本发明着重针对完成质量以及金钱支付进行研究，发现现有的激励机制仍然存在一些问题。首先在评估数据质量方面不具有多元性，考虑因素单一，得到的数据质量不够精确。其次，选取获胜者采用逆向拍卖只考虑选择最低报价，将报价最低作为选择获胜者的唯一条件，这样可能会造成恶意低价竞标，针对以上存在的问题，本发明做出了如下改进。

第一，针对数据质量不精确的问题，本发明采用模糊逻辑控制机制。模糊逻辑控制是模拟人的思维并将专家知识转化为启发式控制算法。模糊逻辑控制具有较强的自学习和联想能力，人工干预少，精度较高，对专家知识的利用也较好，目前已广泛应用于导航、医疗、食品、自动化等行业。考虑到现实中参与者采集数据质量是非线性且复杂的，很难将高数据质量与低数据质量进行区分，为了获得数据质量的精确值，本发明决定采用模糊逻辑控制去评估数据质量。

第二，为了改进了选取获胜者的条件，本发明提出了一种基于参与者的报价以及其可靠性的综合出价，对综合出价采用逆向拍卖算法，既可以最大化用户利益又可以保证平台收益以及数据质量。

在本发明中，选择任务执行者时不但考虑了用户的报价还考虑了用户的信誉，并且将用户的最终报酬与用户采集的数据质量挂钩，并且给予竞拍失败者一定的补偿，这样能极大提升用户参与积极性，激励用户采集高质量数据，能在最大程度上使系统效益最大化。

发明内容

本发明为了获取数据质量的精确值以及改进获胜者选择的条件，以达到提升用户参与积极性，提升数据质量，使系统效益最大化的目的，提出了基于模糊逻辑的信誉更新群智感知激励方法，该方法提出了综合了信誉与报价的综合报价，对综合报价采用逆向拍卖算法，选取获胜者；对获胜者采集的数据利用模糊推理算法进行数据评估，得到数据质量精确值；根据数据质量是否达标更新用户信誉并给予其相应报酬，对失败者给予补偿。如图1所示，本发明公开的基于模糊逻辑的信誉更新群智感知激励方法，包括以下步骤：

步骤1：系统建模。移动群智感知系统由顾客，系统，用户三部分组成。顾客向系统提出任务需求，系统将感知任务发布后，用户参与任务竞拍，获胜者去完成任务，根据完成质量给予报酬，竞拍失败者给予一定补偿。

步骤2：获胜者选择。系统依据用户的报价及其信誉计算得到综合报价，对综合报价采用逆向拍卖算法，算法目的是选择综合报价最小的用户，该用户即为获胜者。

步骤3：数据质量评估。当用户完成任务，向系统上传感知数据，根据用户采集的时效性、采集数据率以及顾客满意度指数这三个指标对数据进评估，数据评估采用模糊逻辑控制系统。

步骤4：信誉更新。根据用户采集数据质量是否达到数据质量基准对其信誉进行更新。如果超过基准信誉则增加，否则降低。竞拍失败者信誉不更新。

步骤5：支付机制。根据用户采集数据质量是否超过基准给予用户不同的报酬，对于在竞拍中的失败者系统会给予其一定的补偿。

步骤6：直到所有的任务被覆盖，拍卖结束。如果还有任务未选择用户去完成，则直接跳转步骤2，重复执行步骤2-6。

本发明的有益效果：本发明与现有的群智感知激励机制相比，具有更好的激励效果，可以有效提升用户积极性，提升采集数据质量，使系统效益最大化。实验结果证明：本发明提出的基于模糊逻辑的信誉更新群智感知激励方法优于其他的激励算法。

附图说明

图1为移动群智感知系统模型；

图2为本发明基于模糊逻辑的信誉更新群智感知激励方法流程图；

图3为本发明获胜者选择算法伪代码；

图4为本发明数据质量计算采用的模糊逻辑推理模型结构；

图5为本发明信誉更新算法伪代码；

具体实施方式

下面结合附图，对本发明基于模糊逻辑的信誉更新群智感知激励方法进行详细说明。

如图2所示，本发明中提出基于模糊逻辑的信誉更新群智感知激励方法，包括以下步骤：

步骤1：本发明的系统建模如图1所示，具体来说系统由顾客，系统，用户三部分组成。顾客向系统提出任务需求，系统将感知任务发布后，用户参与任务竞拍，获胜者去完成任务，根据完成质量给予报酬，竞拍失败者给予一定补偿。任务集为Task＝{task₁，task₂，...，task_n}，对该任务感兴趣的用户集为User＝ {user₁，user₂，...，user_m}，每项任务都有相应预算，预算集为Value＝ {value₁，value₂，...，value_n}。系统为首次到达系统参与竞拍的用户设定一个初始信誉R₀，为采集数据质量设定一个基准Q₀，对于第x个任务，用户i的报价为bid_i，系统为该任务设定的预算为value，系统的总预算为V。

步骤2：本发明的获胜者选择算法如图3所示，具体包括以下步骤：

首先系统获得用户的报价与信誉，计算求得每个用户的综合报价。综合报价计算公式如下：

cost(i)＝F(R_i)*b(i)

其中cost(i)为用户i的综合报价；R_i为用户i的信誉；F(R_i)为用户i的信誉经箕舌线函数映射得到的值，当信誉越高时取值越小。b(i)为用户i的报价；a为对高信誉者出高价的容忍度，为确保激励效果，a∈[0.4，0.7]。

然后在所有用户中选取综合报价最小的用户作为获胜者去执行任务。当有多个用户综合报价相同且均为最小则选取信誉最高的为获胜者。

步骤3：计算用户i采集数据的时效性Timeliness_i以及数据采集率DCR_i，计算公式如下：

其中Data，Time分别表示系统设定的采集数据量、采集时间基准；data_i为用户i的数据采集量；time_i为用户i的数据采集时间。

顾客会对用户采集的数据相关性打分，即顾客满意度指数CSI。计算数据质量时采用的模糊推理系统如图4所示。首先将该用户的数据采集时效性、数据采集率和顾客满意度指数作为输入，将输入模糊化；然后通过推理机制将输入输出与规则库进行匹配；最后是去模糊化，将数据质量精确值输出。数据质量Q计算如下公式：

其中u(Q_i)为数据质量为Q_i时的隶属度值。

步骤4：本发明的信誉更新算法如图5所示，具体包括以下步骤：

首先判断用户提交的数据质量是否符合数据质量基准，如果超过了基准则信誉增大，否则信誉降低。用户信誉按照如下公式更新：

R_r＝R_r-1+ΔR_r

其中，ΔR_r表示用户i第r轮信誉变化量，R_r表示用户i第r轮的信誉，Q_r表示用户i第r轮拍卖的数据质量，根据其数据质量是否超过数据质量基准决定ΔR_r的正负，即决定本轮拍卖结束用户信誉是增加还是减少。为避免因用户信誉太低长时间无法竞拍成功导致的用户流失，本发明为用户信誉界定了信誉上界R_max和下界R_min，更新后的信誉不会超过该区间。竞拍失败者不予更新信誉。

步骤5：本发明的支付机制具体包括以下步骤：

首先判断用户提交的数据质量是否符合数据质量基准，如果用户提交的数据质量超过数据质量基准，则支付其全部报价，否则支付部分报价，对获胜者支付依据的公式如下：

其中，payWinner(i)为支付给获胜者i的报酬，根据获胜者i采集数据质量Q_i是否超过数据质量基准Q₀，决定给予获胜者i多少报酬。

本发明在提升用户积极性方面做到给予竞拍失败者一定补偿，这可以防止用户流失和感知成本爆炸。给予每个失败者的补偿都为支付完获胜者余下的部分预算的平均值。依据公式如下：

其中，payLoser为对失败者的补偿，N为竞拍用户人数，α为系统确定的介于0到1之间的比例系数，value_x为任务x的预算。

步骤6：判断所有任务是否已经全部找到用户去完成。若还没有将任务全覆盖，则直接跳转步骤2，重复执行步骤2-6；否则，退出循环。

下面讲述本发明所进行的实验过程及结果。

为了验证算法的性能，首先我们将本发明所提出的算法与相关激励方法相对比。因为报酬的多少直接影响用户参与积极性的高低，而且用户信誉也将影响数据采集质量的优劣，所以我们将用户得到的报酬、用户信誉和采集数据质量相对比，得出本发明提出的激励算法可以达到很好的激励目标，提升用户参与积极性，实现长久激励；提升数据采集质量，使系统效益最大化。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (6)

1.基于模糊控制的信誉更新移动群智感知激励方法，其特征在于，包括以下步骤：

步骤1：系统建模：移动群智感知系统由顾客，系统，用户三部分组成；顾客向系统提出任务需求，系统将感知任务发布后，用户参与任务竞拍，获胜者去完成任务，根据完成质量给予报酬，竞拍失败者给予一定补偿；

步骤2：获胜者选择：系统依据用户的报价及其信誉计算得到综合报价，对综合报价采用逆向拍卖算法，算法目的是选择综合报价最小的用户，该用户即为获胜者；

步骤3：数据质量评估：当用户完成任务后，向系统上传感知数据，根据用户采集数据时效性、采集数据率以及顾客满意度指数这三个指标对数据进评估，数据评估采用模糊逻辑控制系统；

步骤4：信誉更新：根据用户采集数据质量是否达到数据质量基准对其信誉进行更新，如果超过基准信誉则增加，否则降低，竞拍失败者信誉不更新；

步骤5：支付机制：根据用户采集数据质量是否超过基准给予用户不同的报酬，对于在竞拍中的失败者系统会给予其一定的补偿；

步骤6：直到所有的任务被覆盖，拍卖结束；如果还有任务未选择用户去完成，则直接跳转步骤2，重复执行步骤2-6。

2.如权利要求1所述基于模糊控制的信誉更新移动群智感知激励方法，其特征在于，所述步骤1中，本群智感知系统中任务集为Task＝{task₁，task₂，...，task_n}；对该任务感兴趣的用户集为User＝{user₁，user₂，...，user_m}；每项任务都有相应预算，预算集为Value＝{value₁，value₂，...，value_n}；系统为首次到达系统参与竞拍的用户设定一个初始信誉R₀，为采集数据质量设定一个基准Q₀，系统的总预算为V；本发明考虑的是在系统预算V内将所有任务全覆盖的群智感知系统，用户i的报价bid_i不得超过任务x的预算value_x且不得低于该用户采集数据的任务成本，每项任务的预算和不得超过总预算。用以下公式表示：

value_x≥bid_i

本发明的激励目标是激励用户积极参与任务，提升数据质量，防止用户流失，实现长久激励，并最大化系统利益。

3.如权利要求1所述基于模糊逻辑的信誉更新群智感知激励方法，其特征在于，所述步骤2中，本发明提出了一种综合用户信誉和报价的综合报价，采用逆向拍卖算法选择综合报价最小的作为获胜者，去执行感知任务；综合报价依据以下公式进行计算：

cost(i)＝F(R_i)*b(i)

其中cost(i)为用户i的综合报价；R_i为用户i的信誉；F(R_i)为用户i的信誉经箕舌线函数映射得到的值，当信誉越高时取值越小；b(i)为用户i的报价；a为对高信誉者出高价的容忍度，为确保激励效果，a∈[0.4，0.7]；本发明采用逆向拍卖算法选取综合报价最小值，即综合选取信誉高且报价较低的用户，极大提升数据采集质量，实现平台效益最大化；当多个用户综合报价相同且均为最低时，则选取信誉高者获胜。

4.如权利要求1所述基于模糊逻辑的信誉更新群智感知激励方法，其特征在于，所述步骤3中，对用户采集的感知数据进行质量评估；评估方法采用模糊逻辑控制系统，与传统模糊逻辑控制机制相同，首先是模糊化，将用户采集时效性Timeliness、数据采集率DCR和顾客满意度指数CSI的精确值作为模糊输入，得到模糊值；接下通过推理机制将输入输出与规则库进行匹配；最后是去模糊化，将数据质量精确值输出；CSI为顾客对数据是否符合要求的主观评价，是一个介于0-1之间的数值，Timeliness、DCR计算公式如下：

其中Data，Time分别表示系统设定的采集数据量、采集时间基准；data_i为用户i的数据采集量；time_i为用户i的数据采集时间。

数据质量Q计算如下公式：

其中u(Q_i)为数据质量为Q_i时的隶属度值。

5.如权利要求1所述基于模糊逻辑的信誉更新群智感知激励方法，其特征在于，所述步骤4中，根据用户提交的数据质量进行信誉值更新；用户信誉按照如下公式更新：

R_r＝R_r-1+ΔR_r

其中，ΔR_r表示用户i第r轮信誉变化量，R_r表示用户i第r轮的信誉，Q_r表示用户i第r轮拍卖的数据质量，根据其数据质量是否超过数据质量基准决定ΔR_r的正负，即决定本轮拍卖结束用户信誉是增加还是减少；为避免因用户信誉太低长时间无法竞拍成功导致的用户流失，本发明为用户信誉界定了信誉上界R_max和下界R_min，更新后的信誉不会超过该区间；竞拍失败者不予更新信誉。

6.如权利要求1所述基于模糊逻辑的信誉更新群智感知激励方法，其特征在于，所述步骤5中，根据用户提交的数据质量进行报酬支付，依据公式如下：

其中，payWinner(i)为支付给获胜者i的报酬，根据获胜者i采集数据质量Q_i是否超过数据质量基准Q₀，决定给予获胜者i多少报酬；

本发明在提升用户积极性方面做到给予竞拍失败者一定补偿，这可以防止用户流失和感知成本爆炸；给予每个失败者的补偿都为支付完获胜者余下的部分预算的平均值，依据公式如下：

其中，payLoser为对失败者的补偿，N为竞拍用户人数，α为系统确定的介于0到1之间的比例系数，value_x为任务x的预算。

Images