[논문 리뷰] Behavior-Based online Incentive Mechanism for Crowd Sensing with Budget Constraints

Jiajun Sun|arXiv (Cornell University)|2013. 10. 21.

Mobile Crowdsensing and Crowdsourcing참고 문헌 27인용 수 10

한 줄 요약

이 논문은 예산 제약 조건 하에서 모바일 소셜 네트워크의 커뮤니티 센싱에 대해 행동 기반 온라인 인cent리브 메커니즘을 제안하며, 순차적 올페이 경매를 사용하여 사용자 참여도와 센싱 데이터 품질을 동시에 최대화한다. 사용자가 순차적으로 도착함에 따라 사용자 입찰 행동을 동적으로 모델링함으로써, 메커니즘은 인센티브 호환성과 개인 합리성을 보장하며, 제약된 예산 조건 하에서 벤치마크보다 참여도와 데이터 품질 측면에서 뛰어난 성능을 발휘한다.

ABSTRACT

Crowd sensing is a new paradigm which leverages the ubiquity of sensor-equipped mobile devices to collect data. To achieve good quality for crowd sensing, incentive mechanisms are indispensable to attract more participants. Most of existing mechanisms focus on the expected utility prior to sensing, ignoring the risk of low quality solution and privacy leakage. Traditional incentive mechanisms such as the Vickrey-Clarke-Groves (VCG) mechanism and its variants are not applicable here. In this paper, to address these challenges, we propose a behavior based incentive mechanism for crowd sensing applications with budget constraints by applying sequential all-pay auctions in mobile social networks (MSNs), not only to consider the effects of extensive user participation, but also to maximize high quality of the context based sensing content submission for crowd sensing platform under the budget constraints, where users arrive in a sequential order. Through an extensive simulation, results indicate that incentive mechanisms in our proposed framework outperform the best existing solution.

연구 동기 및 목표

• 예산 제약 조건 하에서 광범위한 사용자 참여와 고품질 데이터 기여를 유도하는 데 도전하는 것.
• 기존의 VCG 및 역auction 메커니즘의 한계를 극복하여, 동적이고 순차적인 사용자 도착 상황과 예산 제약 조건 하에서도 기능하지 못하는 문제를 해결하는 것.
• 실시간 온라인 환경에서 개인 합리성과 인센티브 호환성을 모두 보장하는 인센티브 메커니즘을 설계하는 것.
• 고정된 예산을 고려하면서도 사용자 노력, 커버리지, 데이터 품질을 균형 있게 조율하는 것.
• 기존의 벤치마크와 비교하여 참여도, 노력, 데이터 품질 측면에서 메커니즘의 성능을 평가하는 것.

제안 방법

• 사용자가 도착함에 따라 실시간으로 노력 수준을 입찰하는 순차적 올페이 경매로 커뮤니티 센싱 과정을 모델링한다.
• 이전의 제출 사항과 예산 제약 조건을 바탕으로 각 사용자의 최적 반응 노력 입찰 함수를 유도한다.
• 수상자 간 보상 배분을 위해 비율 할당 규칙을 적용하여 지속적인 높은 노력 유도.
• 높은 노력이 승리 확률을 높이는 방식으로 행동 기반 인센티브를 통합하여, 예산 제한 하에서도 효과적으로 작용.
• 남은 예산과 사용자들의 노력 입찰 수준을 기반으로 수용 여부를 결정하기 위해 동적 임계값 설정 기법을 사용.
• 오프라인 기준 및 전지식 기반 방법과의 성능 비교를 위해 시뮬레이션 기반 평가를 수행.

실험 결과

연구 질문

• RQ1 строго한 예산 제약 조건 하에서 커뮤니티 센싱 플랫폼은 어떻게 사용자 참여도와 데이터 품질을 최대화할 수 있는가?
• RQ2 온라인 및 순차적 사용자 도착 환경에서 개인 합리성과 인센티브 호환성을 동시에 보장하는 인센티브 메커니즘은 무엇인가?
• RQ3 순차적 올페이 경매 프레임워크는 전통적인 역auction 및 VCG 메커니즘과 비교해 데이터 품질과 참여도 측면에서 어떻게 다른가?
• RQ4 사용자 도착 수가 증가함에 따라 제안된 메커니즘이 얼마나 빠르게 및 안정적으로 임계 노력 수준을 수렴하는가?
• RQ5 동적 환경에서 노력, 커버리지, 예산 할당을 균형 있게 조율하는 데 메커니즘이 얼마나 효과적인가?

주요 결과

• 제안된 BBS 메커니즘은 개인 합리성과 인센티브 호환성을 모두 확보하여 지속적인 사용자 참여와 높은 노력 수준을 이끌어낸다.
• 임계 노력 수준이 매우 빠르게 수렴하며 메커니즘 실행 전반에 걸쳐 안정성을 유지하여 사용자 수 변화에 대한 강건성을 보여준다.
• BBS 메커니즘은 비율 할당 규칙보다 평균 오차가 낮아 센싱 데이터 제출 품질이 높음을 확인한다.
• 참여자 수가 증가함에 따라 BBS 메커니즘 하에서의 총 유틸리티 값이 높은 수준을 유지하며, 워너테이크올 및 멀티플윈너 기반 메커니즘보다 뛰어난 성능을 보인다.
• 예산 제약 조건 하에서도 메커니즘이 뛰어난 성능을 유지하며, 입찰 수준이 안정되고 참여 수준이 높은 편이지만, 역auction 또는 VCG 기반 메커니즘과는 달리 성능 저하가 발생하지 않는다.
• 시뮬레이션 결과, BBS 메커니즘은 참여도 및 데이터 품질 지표에서 오프라인 기준 및 전지식 기반 방법보다 뛰어난 성능을 보임을 확인했다.