[論文レビュー] CENTURION: Incentivizing Multi-Requester Mobile Crowd Sensing

Haiming Jin, Lü Su+1 more|arXiv (Cornell University)|Jan 6, 2017

Mobile Crowdsensing and Crowdsourcing参考文献 22被引用数 7

ひとこと要約

CENTURIONは、二重オークションに基づくインcentiveメカニズムと信頼性を考慮したデータ集約手法を統合した、複数のリクエスタを想定したモバイルクラウドセンシングのためのフレームワークを提案する。シミュレーションにおいて、ベースラインと比較して、データの正確性と社会的総余剰を著しく向上させつつ、真実性、個々の合理性、計算効率性を確保する。

ABSTRACT

The recent proliferation of increasingly capable mobile devices has given rise to mobile crowd sensing (MCS) systems that outsource the collection of sensory data to a crowd of participating workers that carry various mobile devices. Aware of the paramount importance of effectively incentivizing participation in such systems, the research community has proposed a wide variety of incentive mechanisms. However, different from most of these existing mechanisms which assume the existence of only one data requester, we consider MCS systems with multiple data requesters, which are actually more common in practice. Specifically, our incentive mechanism is based on double auction, and is able to stimulate the participation of both data requesters and workers. In real practice, the incentive mechanism is typically not an isolated module, but interacts with the data aggregation mechanism that aggregates workers' data. For this reason, we propose CENTURION, a novel integrated framework for multi-requester MCS systems, consisting of the aforementioned incentive and data aggregation mechanism. CENTURION's incentive mechanism satisfies truthfulness, individual rationality, computational efficiency, as well as guaranteeing non-negative social welfare, and its data aggregation mechanism generates highly accurate aggregated results. The desirable properties of CENTURION are validated through both theoretical analysis and extensive simulations.

研究の動機と目的

• 既存のインセンティブメカニズムが単一のデータリクエスタを仮定しているというギャップを埋めるために、複数の競合するリクエスタを想定したシステムの設計。
• 作業者選定とデータ信頼性を共同最適化するため、インセンティブとデータ集約メカニズムの統合。
• インセンティブメカニズムが、真実性、個々の合理性、計算効率性、非負の社会的総余剰といった重要なゲーム理論的性質を満たすように保証。
• 作業者の信頼性に基づいて重みを付けることで、データ集約の正確性を向上させ、最終結果の誤差を低減。
• 理論的分析と多数のシミュレーションを用いて、異なる作業者数およびリクエスタ数の下でのフレームワークの妥当性を検証。

提案手法

• 両方のリクエスタと作業者が入札を行う二重オークションに基づくインセンティブメカニズム（MELON）を提案。勝者選定は、限界社会的総余剰の最大化に基づく。
• 作業者の信頼性が高いほど重みが高くなるように設計された重み付きデータ集約メカニズムを考案。信頼性推定値は、履歴的パフォーマンスから導出。
• インセンティブと集約メカニズムを統合し、作業者の信頼性が選定と報酬決定の両方に影響を与えるように設計。
• タスクカバレッジ制約を満たす作業者-タスク割り当てを計算するために、妥当なカバー法を用いる。
• 真実性と個々の合理性を保証する価格設定メカニズムを実装。勝者選定は、限界社会的総余剰が高い順に優先。
• 2つのベースライン（MSW-Greedy（限界社会的総余剰順にソート）およびAIR（全作業者集合を用いる））と比較。両者とも既存の二重オークションモデルから適応。

実験結果

リサーチクエスチョン

• RQ1 MCSシステムにおいて、複数の競合するデータリクエスタと大規模なモバイル作業者プールを公平かつ効率的に調整するためのインセンティブメカニズムは、どのように設計できるか？
• RQ2 作業者の信頼性をインセンティブプロセスとデータ集約プロセスの両方に統合することで、システムの正確性と社会的総余剰にどのような影響を与えるか？
• RQ3 提案された二重オークションメカニズムは、真実性、個々の合理性、計算効率性の観点で、既存のメカニズムをどの程度上回るか？
• RQ4 重み付きデータ集約メカニズムは、平均値および中央値集約と比較して、平均絶対誤差と誤差確率をどの程度低減できるか？
• RQ5 現実的なシミュレーション設定下で、統合されたCENTURIONフレームワークを用いることで、社会的総余剰とデータ正確性にどの程度の定量的利点が得られるか？

主な発見

• シミュレーション設定IおよびIIの両方において、CENTURIONのMELON二重オークションは、MSW-GreedyおよびAIRベースラインと比較して著しく高い社会的総余剰を達成している。
• 重み付き集約メカニズムは、平均値および中央値集約と比較して平均絶対誤差（MAE）を顕著に低減しており、全テスト設定でMAE値が一貫して低く保たれている。
• 集約結果の実験的誤差確率（EP）は、全設定で必要な上限βjを下回っており、平均値および中央値集約手法と比較して顕著に低い水準を維持している。
• フレームワークは非負の社会的総余剰を維持しており、真実性、個々の合理性、計算効率性といった望ましいすべてのゲーム理論的性質を満たしている。
• 設定I（作業者数90～150の変動）において、作業者数が増加してもCENTURIONは高い社会的総余剰と低いMAEを維持しており、耐障害性を示している。
• 設定II（リクエスタ数20～80の変動）において、CENTURIONは強力なパフォーマンスを維持しており、高リクエスタ環境下でもスケーラビリティと有効性を示している。