[論文レビュー] Behavior-Based online Incentive Mechanism for Crowd Sensing with Budget Constraints

Jiajun Sun|arXiv (Cornell University)|Oct 21, 2013

Mobile Crowdsensing and Crowdsourcing参考文献 27被引用数 10

ひとこと要約

本稿は、予算制約下でのモバイルソーシャルネットワークにおけるクラウドセンシングにおいて、行動ベースのオンラインインcentiveメカニズムを提案する。順次全ペイオークションを用いて、ユーザー参加の促進とセンシングデータ品質の両方を同時に最大化する。ユーザーが順次到着する中で、ユーザーの入札行動を動的にモデル化することで、インcentive互換性と個人的合理性を保証し、予算制約下でもベンチマークを上回る参加度とデータ品質を達成する。

ABSTRACT

Crowd sensing is a new paradigm which leverages the ubiquity of sensor-equipped mobile devices to collect data. To achieve good quality for crowd sensing, incentive mechanisms are indispensable to attract more participants. Most of existing mechanisms focus on the expected utility prior to sensing, ignoring the risk of low quality solution and privacy leakage. Traditional incentive mechanisms such as the Vickrey-Clarke-Groves (VCG) mechanism and its variants are not applicable here. In this paper, to address these challenges, we propose a behavior based incentive mechanism for crowd sensing applications with budget constraints by applying sequential all-pay auctions in mobile social networks (MSNs), not only to consider the effects of extensive user participation, but also to maximize high quality of the context based sensing content submission for crowd sensing platform under the budget constraints, where users arrive in a sequential order. Through an extensive simulation, results indicate that incentive mechanisms in our proposed framework outperform the best existing solution.

研究の動機と目的

• 予算制約下でのクラウドセンシングアプリケーションにおいて、広範なユーザー参加と高品質なデータ提出を促進する課題に対処すること。
• 従来のメカニズム（VCGや逆オークション）が、動的かつ順次的なユーザー到着と予算制約の下で失敗するという限界を克服すること。
• リアルタイムかつオンライン環境において、個人的合理性とインcentive互換性の両方を保証するインcentiveメカニズムを設計すること。
• 固定された予算を尊重しつつ、ユーザーの努力、カバレッジ、データ品質のバランスを取ること。
• 参加度、努力、データ品質の観点から、既存のベンチマークと比較してメカニズムのパフォーマンスを評価すること。

提案手法

• ユーザーが到着する順次的に入札する中で、クラウドセンシングプロセスを順次全ペイオークションとしてモデル化する。
• 過去の提出物と予算制約に基づいて、各ユーザーの最適応答の努力入札関数を導出する。
• 勝者間での報酬配分に比例配分ルールを適用することで、継続的な高い努力を促進する。
• 高い努力が、予算制限下でも当選確率を高めるように、行動的インcentiveを統合する。
• 残りの予算とその努力入札に基づいて、どのユーザーが受け入れられるかを決定するための動的しきい値を用いる。
• シミュレーションを用いた評価により、オフラインベンチマークおよび完全知識スキームと性能を比較する。

実験結果

リサーチクエスチョン

• RQ1 どのような方法で、厳密な予算制約下でユーザー参加度とデータ品質を最大化できるか？
• RQ2 オンラインかつ順次的なユーザー到着環境において、個人的合理性とインcentive互換性を両立するインcentiveメカニズムは何か？
• RQ3 順次全ペイオークションフレームワークは、従来の逆オークションやVCGメカニズムと比較して、データ品質と参加度の観点でどのように異なるか？
• RQ4 ユーザーの到着数が増加するに従い、提案されたメカニズムがどの程度、しきい値努力レベルの安定化を実現するか？
• RQ5 動的環境下で、努力、カバレッジ、予算配分のバランスを取る上で、このメカニズムはどのように機能するか？

主な発見

• 提案されたBBSメカニズムは、個人的合理性とインcentive互換性を両立させ、継続的なユーザー参加と高い努力を実現する。
• しきい値努力レベルは素早く収束し、メカニズムの実行中も安定を保つため、ユーザー数の変化に対して高いロバスト性を示す。
• BBSメカニズムは、比例配分ルールよりも低い平均誤差を達成しており、より高いデータ品質を示している。
• BBSメカニズム下での総合的ユーティリティ値は、参加者数の増加に対しても高い水準を維持し、ウィンナートークールやマルチプルウィンナーズ方式を上回る。
• 予算制約下でも、BBSメカニズムは優れたパフォーマンスを維持しており、入札が安定し、参加度も高い。逆オークションやVCGベースの方式とは異なり、性能が低下しない。
• シミュレーションの結果、BBSメカニズムは参加度とデータ品質の両方において、オフラインベンチマークおよび完全知識スキームを上回ることが確認された。