[論文レビュー] Can Early Joining Participants Contribute More? - Timeliness Sensitive Incentivization for Crowdsensing

Yuedong Xu, Yifan Zhou+3 more|arXiv (Cornell University)|Oct 5, 2017

Mobile Crowdsensing and Crowdsourcing参考文献 18被引用数 3

ひとこと要約

本稿では、2段階のトゥルロック競争フレームワークを用いて、早期参加者に高い報酬を支払うことでより高い努力を促す、タイムリネスに敏感なインcentiveメカニズムを提案する。リクエスターの調整をスタックルベルクベイジアンゲームとしてモデル化することで、ベイジアンナッシュ均衡の存在および一意性を証明し、報酬対象者の最適選択（最も早いn人）または終了時刻の最適選択が、予算制約下でセンシング効率を著しく向上させることを示している。

ABSTRACT

This paper investigates the incentive mechanism design from a novel and practically important perspective in which mobile users as contributors do not join simultaneously and a requester desires large efforts from early contributors. A two-stage Tullock contest framework is constructed:at the second stage the potential contributors compete for splittable reward by exerting efforts, and at the first stage the requester can orchestrate the incentive mechanism to maximize his crowdsensing efficiency given the rewarding budget. A general reward discrimination mechanism is developed for timeliness sensitive crowdsensing where an earlier contributor usually has a larger maximum achievable reward and thus allocates more efforts. Owning to the lack of joining time information, two practical implementations, namely earliest-n and termination time, are announced to the contributors. For each of them, we formulate a Stackelberg Bayesian game in which the joining time of a contributor is his type and not available to his opponents. The uniqueness of Bayesian Nash equilibrium (BNE) is proved in each strategy. To maximize the requester's efficiency, we compute the optimal number of rewarded contributors in the earliest-n scheme and the optimal deadline in the termination time scheme. Our contest framework is applicable not only to the closed crowdsensing with fixed number of contributors, but also to the open crowdsensing that the arrival of contributors is governed by a stochastic process. Extensive simulations manifest that with appropriate reward discriminations, the requester is able to achieve a much higher efficiency with the optimal selection of the number of rewarded contributiors and the termination time.

研究の動機と目的

• タイムリーなデータがより価値のある状況において、参加の早期化を促すインcentiveの課題に対処すること。
• 参加時刻に基づいて報酬を分配し、早期参加者を優遇するインcentiveメカニズムを設計すること。
• 参加者の参加時刻に関する不完全情報のもとで、固定された予算のもとでリクエスターのセンシング効率を最大化すること。
• 最適な報酬差別化を実現できる実用的で実装可能な手法——最も早いn人（earliest-n）および終了時刻（termination time）——を構築すること。
• 提案されたゲーム理論的枠組みにおけるベイジアンナッシュ均衡の存在および一意性を証明すること。

提案手法

• 参加者が努力に基づいて分割可能な報酬を競う2段階のトゥルロック競争を定式化し、最初の段階でリクエスターがインセンティブを設定する。
• 参加時刻をスタックルベルクベイジアンゲームにおける非公開タイプ（private type）としてモデル化し、参加者は互いのタイプを観測できないものとする。
• 早期参加者に高い最大報酬を割り当てる一般的な報酬差別化メカニズムを開発し、より高い努力を誘発する。
• 2つの実用的実装を提案する：最も早いn人を報酬対象とする「earliest-n」方式と、報酬資格の期限を設定する「終了時刻」方式。
• 両方式におけるベイジアンナッシュ均衡（BNE）の解析的表現を導出し、その一意性を証明する。
• 予算制約と期待支出モデルを用いて、最適な報酬対象者数（n）および最適な終了時刻（T）を計算することで、リクエスターの効率を最適化する。

実験結果

リサーチクエスチョン

• RQ1 参加者による参加時刻に関する不完全情報のもとで、リクエスターはどのようにして早期参加者を優遇するインセンティブメカニズムを設計できるか？
• RQ2 固定された予算のもとでセンシング効率を最大化するための最適な報酬パラメータ設定（例：報酬対象者数や終了時刻）は何か？
• RQ3 スタックルベルクベイジアンゲームフレームワークは、タイムリーなセンシングにおいて参加者とリクエスターの戦略的相互作用を効果的にモデル化できるか？
• RQ4 提案された報酬差別化メカニズムは、参加者の行動に対して一意的かつ安定した均衡をもたらすか？
• RQ5 提案されたメカニズムは、参加者数が固定された閉鎖型システムおよび確率的到着を示すオープン型システムの両方で、どのように機能するか？

主な発見

• 提案された報酬差別化メカニズムにより、早期参加者に高い努力を促すことで、センシング効率が著しく向上する。
• 最も早いn人方式および終了時刻方式の両方において、ベイジアンナッシュ均衡（BNE）が一意に定まるため、戦略的行動が安定する。
• 最も早いn人方式において、最適な報酬対象者数（n）を選択することで、均等報酬方式と比較して著しい効率改善が達成される。
• 終了時刻方式においては、予算制約を満たしつつ効率を最大化する最適なデッドライン（T）が導出され、シミュレーションにより最適でない設定と比較して性能が向上することが示された。
• 本フレームワークは、参加者数が固定された閉鎖型システムおよび確率的到着を示すオープン型システムの両方へ適用可能であり、広範な実用的意義を有する。
• 広範なシミュレーションにより、適切な報酬差別化がなされれば、特に最適なnまたはTが選択された場合、リクエスターはより高い効率を達成できることを確認した。