[論文レビュー] Truthful Scheduling Mechanisms for Powering Mobile Crowdsensing

Kai Han, Chi Zhang+1 more|arXiv (Cornell University)|Aug 21, 2013

Mobile Crowdsensing and Crowdsourcing参考文献 17被引用数 7

ひとこと要約

本稿は、固定予算下でセンシング収益を最大化するための真実性があり、予算に配慮したモバイルクラウドセンシングスケジューリングメカニズムを提案する。O(1)の性能比を持つ、オフラインおよびオンラインの多項式時間近似メカニズムを導入し、ユーザーが自らのセンシングコストおよび利用可能時間帯を真実に報告するようインcentivizeすることで、真実性および個々の合理性を保証する。

ABSTRACT

Mobile crowdsensing leverages mobile devices (e.g., smart phones) and human mobility for pervasive information exploration and collection; it has been deemed as a promising paradigm that will revolutionize various research and application domains. Unfortunately, the practicality of mobile crowdsensing can be crippled due to the lack of incentive mechanisms that stimulate human participation. In this paper, we study incentive mechanisms for a novel Mobile Crowdsensing Scheduling (MCS) problem, where a mobile crowdsensing application owner announces a set of sensing tasks, then human users (carrying mobile devices) compete for the tasks based on their respective sensing costs and available time periods, and finally the owner schedules as well as pays the users to maximize its own sensing revenue under a certain budget. We prove that the MCS problem is NP-hard and propose polynomial-time approximation mechanisms for it. We also show that our approximation mechanisms (including both offline and online versions) achieve desirable game-theoretic properties, namely truthfulness and individual rationality, as well as O(1) performance ratios. Finally, we conduct extensive simulations to demonstrate the correctness and effectiveness of our approach.

研究の動機と目的

• センシングコストおよび時間的制約によるユーザー参加の促進を妨げるインcentiveメカニズムの欠如に対処すること。
• ユーザーがセンシングコストおよび利用可能時間帯の両方を入札する、新しいモバイルクラウドセンシングスケジューリング（MCS）問題を定式化すること。
• 予算制約下で所有者のセンシング収益を最大化する多項式時間メカニズムを設計すること。
• 多パラメータ環境におけるゲーム理論的性質、たとえば真実性および個々の合理性を保証すること。
• すべてのユーザーが同時に到着するオフライン（すべてのユーザーが同時に到着）およびユーザーが逐次到着するオンライン設定をサポートし、性能保証を伴うこと。

提案手法

• ユーザーの多様な個人情報（コストと時間利用可能性）に基づくスケジューリングを含むNP困難な最適化タスクとしてMCS問題を形式化する。
• 高価値対コスト比の高いユーザーを優先する貪欲近似アルゴリズムを用いたオフラインメカニズムを提案し、臨界支払いルールにより真実性を保証する。
• リアルタイムの入札に基づいて動的にタスクを割り当てる競合分析フレームワークを用いたオンラインメカニズムを設計し、コスト報告における真実性を維持する。
• 真実の入札者に対して非負のユーティリティを保証する支払いルールを採用し、個々の合理性を確保する。
• ゲーム理論的分析を用いて、ユーザーが自らの真実コストや時間利用可能性を不正に報告しても利益を得られないことを証明する。
• シミュレーションベースの評価を通じて、メカニズムの正しさ、効率性、および異なるユーザー到着パターンや入札分布下でのパフォーマンスを検証する。

実験結果

リサーチクエスチョン

• RQ1 固定予算を尊重しつつ、モバイルクラウドセンシングにおけるセンシング収益を最大化するためのインcentiveメカニズムはどのように設計できるか？
• RQ2 ユーザーがセンシングコストおよび利用可能時間帯を個人情報として報告する状況で、真実性を保証するメカニズムは何か？
• RQ3 オフラインおよびオンライン設定の両方でO(1)の性能比を達成できる、MCS問題に対する効率的な近似メカニズムを構築できるか？
• RQ4 ユーザーが非負のユーティリティを得る場合にのみ参加するインcentiveが得られるように、個々の合理性をどのように維持できるか？
• RQ5 動的なユーザーの到着が、モバイルクラウドセンシングにおける真実性のあるスケジューリングメカニズムの設計およびパフォーマンスに与える影響は何か？

主な発見

• MCS問題がNP困難であることが証明され、近似メカニズムの必要性が正当化される。
• 提案されたオフラインメカニズムはO(1)の近似比を達成し、多様な個人情報下でも真実性および個々の合理性を保証する。
• オンラインメカニズムはO(1)の競合比を達成し、動的なユーザーの到着があってもコスト報告における真実性を保証する。
• シミュレーションにより、ユーザーは自らの真実のセンシングコストおよび利用可能時間帯を入札した場合にのみユーティリティを最大化することが確認され、真実性が検証された。
• 計算効率性および予算適合性を保証しながら、強いゲーム理論的性質を維持する。
• 結果から、これらのメカニズムは現実的なモバイルクラウドセンシングシナリオにおいて、収益最大化、真実性、個々の合理性のバランスを効果的に果たしていることが示された。