[論文レビュー] IncentMe: Effective Mechanism Design to Stimulate Crowdsensing Participants with Uncertain Mobility

Francesco Restuccia, Pierluca Ferraro+3 more|arXiv (Cornell University)|Apr 30, 2018

Mobile Crowdsensing and Crowdsourcing被引用数 5

ひとこと要約

IncentMe は、参加者の不確実な移動性を考慮したモバイルクラウドセンシングのためのゲーム理論的逆オークションメカニズムを提案する。予算の妥当性、真実性、個々の合理性を保証する。サブモジュラ最適化と並列処理可能な近似アルゴリズムを活用することで、サンフアンシスコ、ローマ、北京の実際のタクシー移動トレースを用いて、先行研究に比べて参加者募集効率を30%向上する。

ABSTRACT

Mobile crowdsensing harnesses the sensing power of modern smartphones to collect and analyze data beyond the scale of what was previously possible. In a mobile crowdsensing system, it is paramount to incentivize smartphone users to provide sensing services in a timely and reliable manner. Given sensed information is often valid for a limited period of time, the capability of smartphone users to execute sensing tasks largely depends on their mobility, which is often uncertain. For this reason, in this paper we propose IncentMe, a framework that solves this fundamental problem by leveraging game-theoretical reverse auction mechanism design. After demonstrating that the proposed problem is NP-hard, we derive two mechanisms that are parallelizable and achieve higher approximation ratio than existing work. IncentMe has been extensively evaluated on a road traffic monitoring application implemented using mobility traces of taxi cabs in San Francisco, Rome, and Beijing. Results demonstrate that the mechanisms in IncentMe outperform prior work by improving the efficiency in recruiting participants by 30%.

研究の動機と目的

• 交通状況やルート変更による移動の不確実性がある中で、信頼できるクラウドセンシング参加者をどのように効率的に確保するかという課題に対処すること。
• 参加者が参加する動機付けが真実であることを保証するとともに、予算が妥当なままであるインcentiveメカニズムを設計すること。
• 大規模なモバイルクラウドセンシングシステムにスケーラブルな計算効率の高い並列処理可能なメカニズムを開発すること。
• 時間制約のある条件下で、動的な参加者利用可能性を考慮しつつ、得られたセンシングデータの価値を最大化すること。

提案手法

• モバイルクラウドセンシングにおける参加者募集をモデル化するため、逆オークション理論に基づく新規フレームワーク IncentMe を提案する。
• 問題を予算制約付き価値最大化（BVM）問題としてモデル化し、NP困難であることが示された。
• 目的関数のサブモジュラリティを活用して、性能保証付きの2つの近似メカニズムを設計する。
• 参加者が自身の真の評価を報告し、継続的に参加意欲を保てるように、真実性と個々の合理性を保証するメカニズムを設計する。
• 大規模展開に適した多項式時間計算量を達成するため、並列処理可能なアルゴリズムを採用する。
• サンフランシスコ、ローマ、北京の実際のタクシー移動トレースを用いて、メカニズムを検証する。

実験結果

リサーチクエスチョン

• RQ1 不確実な移動性がある中でも、予算に制約を受けるインcentiveメカニズムを設計できるか？
• RQ2 動的な参加者利用可能性の下で、真実性と個々の合理性をどのように維持できるか？
• RQ3 移動の不確実性がある状況下で、サブモジュラな目的関数に対するBVM問題で達成可能な近似比はどの程度か？
• RQ4 並列処理可能なメカニズムは、従来の手法と比較して、参加者募集効率をどの程度向上できるか？

主な発見

• 不確実な移動性を伴うモバイルクラウドセンシングにおけるBVM問題は、NP困難であることが証明された。
• サブモジュラリティとゲーム理論的設計を活用することで、従来手法よりも高い近似比を達成するメカニズムが提案された。
• 実際の移動トレースを用いた評価で、IncentMeは先行研究に比べて参加者募集効率を30%向上した。
• メカニズムは予算に妥当であり、真実性と個々の合理性を満たしており、参加者の長期的関与を保証する。
• アルゴリズムの並列処理性のおかげで、大規模なモバイルクラウドセンシングシステムへのスケーラブルな展開が可能である。
• サンフランシスコ、ローマ、北京の実際のタクシートレースを用いた評価により、多様な都市環境において一貫した性能向上が確認された。