[論文レビュー] Auction-based Incentive Mechanisms for Dynamic Mobile Ad-Hoc Crowd Service

Honggang Zhang, Benyuan Liu+2 more|arXiv (Cornell University)|Mar 23, 2015

Mobile Crowdsensing and Crowdsourcing参考文献 17被引用数 3

ひとこと要約

本稿では、動的モバイルアドホックコラボレートサービス（DMACS）システム向けに、真実性があり計算効率の高いマルチマーケット動的デュアルオークションメカニズムM-CHAINを提案する。このメカニズムは、無線の近接性（例：Bluetooth/Wi-Fi Direct）によって形成される重複する動的変化するグループにおけるユーザー間の公平な取引を可能にし、マルチグループ・マルチマーケット取引をサポートする。実世界の動的かつ疎なユーザー行動パターンにおいて、最大20%の効率性を達成する。

ABSTRACT

We investigate a type of emerging user-assisted mobile applications or services, referred to as Dynamic Mobile Ad-hoc Crowd Service (DMACS), such as collaborative streaming via smartphones or location privacy protection through a crowd of smartphone users. Such services are provided and consumed by users carrying smart mobile devices (e.g., smartphones) who are in close proximity of each other (e.g., within Bluetooth range). Users in a DMACS system dynamically arrive and depart over time, and are divided into multiple possibly overlapping groups according to radio range constraints. Crucial to the success of such systems is a mechanism that incentivizes users' participation and ensures fair trading. In this paper, we design a multi-market, dynamic double auction mechanism, referred to as M-CHAIN, and show that it is truthful, feasible, individual-rational, no-deficit, and computationally efficient. The novelty and significance of M-CHAIN is that it addresses and solves the fair trading problem in a multi-group or multi-market dynamic double auction problem which naturally occurs in a mobile wireless environment. We demonstrate its efficiency via simulations based on generated user patterns (stochastic arrivals, random market clustering of users) and real-world traces.

研究の動機と目的

• ユーザーがリソースを提供すると同時に消費する動的かつモバイルなアドホックコラボレートサービスにおいて、参加を促す仕組みの課題に対処すること。
• モバイルアドホックネットワークに一般的なマルチマーケット・重複グループ環境において、公平性、真実性、計算効率を保証するメカニズムを設計すること。
• 実世界の極めて動的かつ変化の激しいユーザー環境において、従来の単一マーケット動的デュアルオークションメカニズムに見られる限界を克服すること。
• 合成データおよび実世界のユーザートレースを用いて、マルチマーケット動的デュアルオークションにおける真実性と効率性のトレードオフを評価すること。

提案手法

• 無線の近接性（例：Bluetooth/Wi-Fi Direct）によって形成される重複するユーザーグループをサポートするマルチマーケット・動的デュアルオークションメカニズム（M-CHAIN）を設計する。
• 各時間帯を実世界のトレースから得た5分間隔の近接データに対応させる時間帯ごとのユーザー相互作用をモデル化する。
• MyersonおよびSatterthwaiteの不可能性結果に基づく真実性のあるオークションメカニズムを用い、入札者が真実の評価を報告するインcentiveが与えられるようにする。
• 真実性の保証を持つグリーディオンラインマッチングアルゴリズムを実装し、動的環境における効率性と戦略的行動のバランスをとる。
• 合成ユーザー行動パターン（確率的到着およびランダムクラスタリング）とMIT Reality Miningプロジェクトから得た実世界データの両方を用いてメカニズムを適用する。
• システムのダイナミクスおよびスパarsityの度合いが異なる状況下で、効率性、真実性コスト、市場参加度などの指標を用いて性能を評価する。

実験結果

リサーチクエスチョン

• RQ1 どのようにして、モバイルアドホック環境における複数の重複するユーザーグループをサポートする動的デュアルオークションメカニズムを設計できるか？
• RQ2 マルチマーケット動的デュアルオークションにおいて、真実性と効率性の間にはどのようなトレードオフがあり、それはどのように定量的に測定できるか？
• RQ3 真実性と計算効率を兼ね備えたオークションメカニズムは、極めて動的かつ疎な実世界のユーザー移動パターンにおいても、妥当な効率性を維持できるか？
• RQ4 現実のユーザー行動を想定した条件下で、M-CHAINの効率性および公平性は非真実性ベースラインと比べてどのように異なるか？

主な発見

• M-CHAINは真実性、実現可能性、個人的合理性、赤字なし、計算効率という、オークションメカニズムに求められる経済的およびアルゴリズム的性質をすべて満たしている。
• 合成シミュレーションにおいて、M-CHAINはさまざまなユーザー到着およびクラスタリングパターンにおいて高い効率性を維持しており、動的メンバー変化に対して強い耐性を示している。
• 真実性の保証に伴うコストは顕著であり、真実の入札を促すために、効率性の損失が大きくなることがある。これはMyersonおよびSatterthwaiteの不可能性結果と整合的である。
• MIT Reality Miningプロジェクトの実世界トレースにおいて、極めて疎で動的変化の激しい環境でも、M-CHAINは約20%の妥当な効率性を維持している。
• 2004年10月のデータではグループあたり2人以下のユーザーが70%の時間にわたり存在するが、そのような状況下でもM-CHAINは可能な限り取引を可能にしている。
• グループ構造が頻繁に変化し、ユーザークラスタが小さい状況でも、M-CHAINは依然として効果的であり、実世界の移動パターンに対する耐性があることが示された。