[論文レビュー] A Socially-Aware Incentive Mechanism for Mobile Crowdsensing Service Market

Jiangtian Nie, Zehui Xiong+3 more|arXiv (Cornell University)|Nov 3, 2017

Mobile Crowdsensing and Crowdsourcing参考文献 18被引用数 5

ひとこと要約

本稿では、ローカルなソーシャルネットワーク効果を活用してユーザ参加を促進し、サービスプロバイダの収益を向上させる社会的配慮型インcentiveメカニズムを提案する。完全情報下での最適な差別的・均一的報酬と、不完全情報下での近似解を導出する2段階のゲーム理論的モデルを用い、ソーシャル効果が参加率とCSP収益を顕著に向上させることを示し、差別的価格設定がより高い余剰抽出を実現することを明らかにする。

ABSTRACT

Mobile Crowdsensing has shown a great potential to address large-scale problems by allocating sensing tasks to pervasive Mobile Users (MUs). The MUs will participate in a Crowdsensing platform if they can receive satisfactory reward. In this paper, in order to effectively and efficiently recruit sufficient MUs, i.e., participants, we investigate an optimal reward mechanism of the monopoly Crowdsensing Service Provider (CSP). We model the rewarding and participating as a two-stage game, and analyze the MUs' participation level and the CSP's optimal reward mechanism using backward induction. At the same time, the reward is designed taking the underlying social network effects amid the mobile social network into account, for motivating the participants. Namely, one MU will obtain additional benefits from information contributed or shared by local neighbours in social networks. We derive the analytical expressions for the discriminatory reward as well as uniform reward with complete information, and approximations of reward incentive with incomplete information. Performance evaluation reveals that the network effects tremendously stimulate higher mobile participation level and greater revenue of the CSP. In addition, the discriminatory reward enables the CSP to extract greater surplus from this Crowdsensing service market.

研究の動機と目的

• インcentiveが不十分であるため、モバイルクラウドセンシングにおけるユーザ参加率の低さを是正すること。
• ソーシャルネットワーク効果を組み込んだ2段階ゲームとして、クラウドセンシングサービスプロバイダ（CSP）とモバイルユーザ（MUs）の相互作用をモデル化すること。
• 完全情報と不完全情報の状況下で最適な報酬メカニズム（差別的および均一的）を設計すること。
• ローカル（ソーシャル）ネットワーク効果が参加レベルとCSP収益に与える影響を定量化すること。
• ソーシャルネットワーク効果がユーザ参加とCSPの収益性の両方を向上させることを実証すること。

提案手法

• CSP-MUの相互作用を、CSPが報酬を最初に設定し、MUsがそれに応じて参加レベルを決定する2段階のスタックルベルクゲームとして定式化する。
• ソーシャルネットワーク効果を重み付き隣接行列Gを用いてモデル化し、各MUの利得が社会的に関連する仲間の参加に影響を受けるようにする。
• 後退帰納法を適用してゲームを解き、均衡参加レベルと最適報酬戦略を導出する。
• 完全情報下での最適な差別的および均一的報酬の閉形式表現を導出する。
• CSPがソーシャルネットワーク構造の詳細を不完全に把握している場合の最適報酬の近似手法を開発する。
• 隣接行列Gのパラメトリックモデルを用いて、現実的なソーシャルインフルエンスのパターンをシミュレートし、ネットワーク内での位置に応じた非対称なインフルエンスを反映させる。

実験結果

リサーチクエスチョン

• RQ1 ローカルなソーシャルネットワーク効果は、モバイルクラウドセンシングプラットフォームにおけるユーザ参加にどのように影響するか？
• RQ2 完全情報下での独占的CSPに対して、最適な報酬メカニズム（差別的対均一的）は何か？
• RQ3 CSPがソーシャルネットワーク構造について不完全な知識を持つ場合、どのようにして効果的なインセンティブを設計できるか？
• RQ4 ソーシャルネットワーク効果は、参加率とCSP収益をどの程度向上させるか？
• RQ5 ソーシャルネットワーク効果下で、差別的価格設定と均一的価格設定を用いた場合、CSPの収益はどのように変化するか？

主な発見

• ソーシャルネットワーク効果により、社会的に関連する仲間の貢献を受けて、モバイルユーザの参加率が顕著に向上する。
• 強いソーシャルネットワーク効果があると、報酬コストの増加に見合わぬほど参加率が上昇するため、CSPの収益は著しく増加する。
• 差別的報酬メカニズムにより、高インパクトユーザにのみ高い報酬を提供することで、全体のコストを削減しつつ、より大きな余剰を抽出できる。
• 完全情報下では、最も社会的インパクトを持つユーザに焦点を当てることで、差別的報酬が均一的報酬よりも高い収益向上効果を示す。
• 不完全情報下でも、導出された最適報酬の近似手法は依然として優れた性能を示し、高い参加率と収益を維持する。
• ネットワーク例における27番目のMUは、対称的なソーシャルインフルエンスのおかげで最高の参加レベルを示す。一方、1番目と51番目のMUが最もインパクトが大きく、差別的報酬設定において高い報酬が正当化される。