[논문 리뷰] A Stackelberg Game Approach Towards Socially-Aware Incentive Mechanisms for Mobile Crowdsensing

Jiangtian Nie, Jun Luo외 3명|arXiv (Cornell University)|2018. 07. 23.

Mobile Crowdsensing and Crowdsourcing인용 수 13

한 줄 요약

이 논문은 사회적 네트워크 효과를 활용하여 사용자 참여도와 서비스 제공자의 수익을 향상시키는 스택엘베르크 게임 기반의 인센티브 메커니즘을 제안한다. 서비스 제공자와 사용자 간의 상호작용을 정보가 불완전한 이단계 게임으로 모델링함으로써, 차별화된 및 균일한 인센티브 체계를 도출하여 네트워크 효과를 통해 참여도와 수익을 크게 증가시킨다.

ABSTRACT

Mobile crowdsensing has shown a great potential to address large-scale data sensing problems by allocating sensing tasks to pervasive mobile users. The mobile users will participate in a crowdsensing platform if they can receive satisfactory reward. In this paper, to effectively and efficiently recruit sufficient number of mobile users, i.e., participants, we investigate an optimal incentive mechanism of a crowdsensing service provider. We apply a two-stage Stackelberg game to analyze the participation level of the mobile users and the optimal incentive mechanism of the crowdsensing service provider using backward induction. In order to motivate the participants, the incentive is designed by taking into account the social network effects from the underlying mobile social domain. For example, in a crowdsensing-based road traffic information sharing application, a user can get a better and accurate traffic report if more users join and share their road information. We derive the analytical expressions for the discriminatory incentive as well as the uniform incentive mechanisms. To fit into practical scenarios, we further formulate a Bayesian Stackelberg game with incomplete information to analyze the interaction between the crowdsensing service provider and mobile users, where the social structure information (the social network effects) is uncertain. The existence and uniqueness of the Bayesian Stackelberg equilibrium are validated by identifying the best response strategies of the mobile users. Numerical results corroborate the fact that the network effects tremendously stimulate higher mobile participation level and greater revenue of the crowdsensing service provider. In addition, the social structure information helps the crowdsensing service provider to achieve greater revenue gain.

연구 동기 및 목표

• 모바일 커뮤니티 센싱 플랫폼에 충분한 수의 모바일 사용자를 유치할 수 있는 최적의 인센티브 메커니즘을 설계하기 위해.
• 사용자 참여가 감시 데이터의 가치를 증가시키는 사회적 네트워크 효과를 인센티브 설계에 통합하기 위해.
• 서비스 제공자와 사용자 간의 상호작용을 정보가 불완전한 이단계 스택엘베르크 게임으로 모델링하기 위해.
• 이 맥락에서 베이지안 스택엘베르크 균형의 존재성과 유일성을 검증하기 위해.
• 사회적 구조 정보가 수익과 참여 수준에 미치는 영향을 정량화하기 위해.

제안 방법

• 서비스 제공자가 선도하고 사용자가 반응하는 이단계 스택엘베르크 게임을 수립하며, 역추론 기법을 사용해 최적의 전략을 유도한다.
• 인센티브 설계에 사회적 네트워크 효과를 통합하여, 사용자 참여도가 다른 참여자 수에 의존하도록 모델링한다.
• 게임 이론적 모델 기반으로 차별화된 및 균일한 인센티브 메커니즘에 대한 해석적 표현을 도출한다.
• 사회적 구조 정보의 불확실성을 다루기 위해 베이지안 스택엘베르크 게임을 도입하며, 사용자가 네트워크 효과에 대해 갖는 믿음을 모델링한다.
• 사용자의 최적 반응 전략을 식별하고, 정보가 불완전한 조건에서 베이지안 스택엘베르크 균형의 존재성과 유일성을 증명한다.
• 수치 시뮬레이션을 통해 네트워크 효과와 사회적 정보가 참여도와 수익에 미치는 영향을 평가한다.

실험 결과

연구 질문

• RQ1 사회적 네트워크 효과는 이동형 커뮤니티 센싱 플랫폼에서 사용자 참여에 어떤 영향을 미치는가?
• RQ2 서비스 제공자의 수익을 극대화하면서도 충분한 사용자 참여를 보장하는 최적의 인센티브 메커니즘은 무엇인가?
• RQ3 사회적 구조 정보의 불확실성은 인센티브 메커니즘의 균형 결과에 어떤 영향을 미치는가?
• RQ4 차별화된 인센티브 체계와 균일한 인센티브 체계는 참여도와 수익에 어떤 영향을 미치는가?
• RQ5 베이지안 스택엘베르크 프레임워크에서 사회적 구조 정보는 서비스 제공자의 수익을 어느 정도 향상시키는가?

주요 결과

• 네트워크 효과는 참여자 수가 많아질수록 데이터 품질과 사용자 인센티브가 향상되므로, 이로 인해 이동 사용자의 참여 수준이 크게 증가한다.
• 서비스 제공자는 인센티브 메커니즘에 사회적 네트워크 효과를 활용할 경우 상당한 수익 증가를 달성한다.
• 베이지안 스택엘베르크 균형은 존재하며 유일하며, 정보가 불완전한 조건에서도 사용자의 최적 반응 전략을 식별할 수 있다.
• 사회적 구조 정보를 활용하면 서비스 제공자는 더 효과적인 인센티브를 설계할 수 있어 수익 증대에 기여한다.
• 차별화된 및 균일한 인센티브 메커니즘 모두 해석적으로 유도되었으며, 참여를 자극하는 데 효과적임을 입증하였다.
• 수치 결과는 사회적 효과와 정보 기반의 인센티브 설계가 플랫폼 성능 향상과 사용자 참여도 향상에 측정 가능한 기여를 한다는 것을 확인한다.