[논문 리뷰] A Socially-Aware Incentive Mechanism for Mobile Crowdsensing Service Market

Jiangtian Nie, Zehui Xiong외 3명|arXiv (Cornell University)|2017. 11. 03.

Mobile Crowdsensing and Crowdsourcing참고 문헌 18인용 수 5

한 줄 요약

이 논문은 지역 사회 네트워크 효과를 활용하여 사용자 참여와 서비스 제공자 수익을 증가시키는 사회적 인지 기반의 인센티브 메커니즘을 제안한다. 완전 정보 및 부분 정보 조건 하에서 최적의 차별적 및 균일 보상 전략을 도출하기 위해 역추론을 사용하는 이중 단계 게임 이론 모델을 사용하며, 사회적 영향력이 사용자 참여와 CSP 수익을 크게 증가시킴을 보여주며, 특히 차별적 가격 책정이 더 높은 잉여 추출을 가능하게 한다.

ABSTRACT

Mobile Crowdsensing has shown a great potential to address large-scale problems by allocating sensing tasks to pervasive Mobile Users (MUs). The MUs will participate in a Crowdsensing platform if they can receive satisfactory reward. In this paper, in order to effectively and efficiently recruit sufficient MUs, i.e., participants, we investigate an optimal reward mechanism of the monopoly Crowdsensing Service Provider (CSP). We model the rewarding and participating as a two-stage game, and analyze the MUs' participation level and the CSP's optimal reward mechanism using backward induction. At the same time, the reward is designed taking the underlying social network effects amid the mobile social network into account, for motivating the participants. Namely, one MU will obtain additional benefits from information contributed or shared by local neighbours in social networks. We derive the analytical expressions for the discriminatory reward as well as uniform reward with complete information, and approximations of reward incentive with incomplete information. Performance evaluation reveals that the network effects tremendously stimulate higher mobile participation level and greater revenue of the CSP. In addition, the discriminatory reward enables the CSP to extract greater surplus from this Crowdsensing service market.

연구 동기 및 목표

• 부족한 인centive로 인한 낮은 사용자 참여 문제를 해결하기 위해.
• 모바일 사용자(MUs)와 컬러스ensing 서비스 제공자(CSP) 간의 상호작용을 사회 네트워크 효과를 통합한 이중 단계 게임으로 모델링하기 위해.
• 완전 정보 및 부분 정보 상황에서 최적의 보상 메커니즘—차별적 및 균일—을 설계하기 위해.
• 지역(사회적) 네트워크 효과가 참여 수준과 CSP 수익에 미치는 영향을 정량화하기 위해.
• 사회 네트워크 효과가 사용자 참여와 CSP 수익성 향상에 기여함을 입증하기 위해.

제안 방법

• CSP와 MU 간의 상호작용을 CSP가 먼저 보상을 설정하고 MU가 이를 고려해 참여 수준을 결정하는 이중 단계 스택엘베르크 게임으로 모델링한다.
• 사회 네트워크 효과를 가중치가 부여된 인접 행렬 G를 사용해 모델링하며, 각 MU의 기대효용은 사회적으로 연결된 이웃의 참여에 영향을 받는다.
• 역추론을 적용하여 게임을 해결하고, 균형 참여 수준과 최적의 보상 전략을 유도한다.
• 완전 정보 조건 하에서 최적의 차별적 및 균일 보상에 대한 닫힌 형태의 수식을 유도한다.
• CSP가 사회 네트워크 구조에 대한 정보가 불완전할 경우 최적 보상에 대한 근사 방법을 개발한다.
• 실제 사회적 영향력 패턴을 시뮬레이션하기 위해 인접 행렬 G에 대해 매개변수 기반 모델을 사용하며, 네트워크 내 위치에 따라 이웃의 영향력이 비대칭이 되도록 설정한다.

실험 결과

연구 질문

• RQ1 지역 사회 네트워크 효과는 모바일 컬러스ensing 플랫폼에서 사용자 참여에 어떻게 영향을 미치는가?
• RQ2 완전 정보 조건 하에서 독점 CSP가 차별적 보상과 균일 보상 중 어떤 보상 메커니즘이 최적인가?
• RQ3 CSP가 사회 네트워크 구조에 대한 정보가 불완전할 경우 효과적인 인centive를 어떻게 설계할 수 있는가?
• RQ4 사회 네트워크 효과는 사용자 참여 수준과 CSP 수익에 얼마나 큰 영향을 미치는가?
• RQ5 사회 네트워크 효과 하에서, CSP는 차별적 가격 책정을 사용할 경우와 균일 가격 책정을 사용할 경우 수익이 어떻게 변화하는가?

주요 결과

• 사용자들은 사회적으로 연결된 이웃의 기여에 영향을 받아 참여 수준이 크게 증가함을 확인하였다.
• 사회 네트워크 효과가 강할수록 참여 수준은 증가하지만 보상 비용은 비례적으로 증가하지 않아, CSP 수익이 크게 증가함을 확인하였다.
• 차별적 보상 메커니즘은 영향력이 큰 사용자에게만 높은 보상을 제공함으로써 총 비용을 절감하고 더 큰 잉여를 추출할 수 있음을 입증하였다.
• 완전 정보 조건 하에서 최적의 차별적 보상은 사회적 영향력이 가장 큰 사용자를 정확히 타겟팅함으로써 균일 보상보다 더 높은 수익 증대 효과를 달성한다.
• 부분 정보 조건 하에서도 유도된 근사 보상 전략이 여전히 뛰어난 성능을 보이며, 높은 참여 수준과 수익을 유지한다.
• 네트워크 예시에서 27번 MU는 대칭적인 사회적 영향력을 지녀 가장 높은 참여 수준을 보였고, 1번 및 51번 MU는 가장 영향력이 높아 차별적 가격 책정 하에서 더 높은 보상을 받을 근거가 된다.