[논문 리뷰] OMG: How Much Should I Pay Bob in Truthful Online Mobile Crowdsourced Sensing?

Dong Zhao, Xiang-Yang Li외 1명|arXiv (Cornell University)|2013. 06. 24.

Mobile Crowdsensing and Crowdsourcing참고 문헌 19인용 수 9

한 줄 요약

이 논문은 사용자가 순차적으로 도착함에 따라 예산 제약 조건 하에서 순차적 하위모듈라 값의 최대화를 달성하는 두 가지 진정성 있는 온라인 인cent라이브 메커니즘인 OMZ와 OMG를 제안한다. 다단계 샘플링-수락 프로세스와 동적 밀도 임계값을 사용함으로써, 이 메커니즘들은 진정성, 예산 타당성, 개인적 합리성, 소비자 주권, 그리고 영구적 경쟁력(competitive ratio)을 확보하며, 도착-퇴장 간격이 0인 경우와 일반적인 경우 모두에 대해 성립한다.

ABSTRACT

Mobile crowdsourced sensing (MCS) is a new paradigm which takes advantage of the pervasive smartphones to efficiently collect data, enabling numerous novel applications. To achieve good service quality for a MCS application, incentive mechanisms are necessary to attract more user participation. Most of existing mechanisms apply only for the offline scenario where all users' information are known a priori. On the contrary, we focus on a more real scenario where users arrive one by one online in a random order. We model the problem as an online auction in which the users submit their private types to the crowdsourcer over time, and the crowdsourcer aims to select a subset of users before a specified deadline for maximizing the total value of the services provided by selected users under a budget constraint. We design two online mechanisms, OMZ and OMG, satisfying the computational efficiency, individual rationality, budget feasibility, truthfulness, consumer sovereignty and constant competitiveness under the zero arrival-departure interval case and a more general case, respectively. Through extensive simulations, we evaluate the performance and validate the theoretical properties of our online mechanisms.

연구 동기 및 목표

• 기존 인센티브 메커니즘이 오프라인 사용자 정보를 전제로 하므로 발생하는 격차를 해결하기 위해, 이 논문은 사용자가 비밀 유형을 지닌 채로 순차적으로 도착하는 온라인 모바일 커뮤니티 기반 센싱에 초점을 맞춘다.
• 고정된 예산 제약 조건 하에서 선택된 사용자가 제공하는 서비스의 총 가치를 최대화하는 온라인 메커니즘을 설계한다.
• 핵심 게임 이론적 성질을 보장한다: 진정성(비용 및 시간), 개인적 합리성, 예산 타당성, 소비자 주권, 계산 효율성.
• 영구적 경쟁력(competitive ratio)을 확보하여, 최적의 오프라인 해법에 대해 상수 수준의 성능을 달성한다. 이는 도착-퇴장 간격이 0인 경우와 일반적인 경우 모두에 대해 성립한다.
• 문제를 비밀 유형의 사용자 비용, 도착/퇴장 시간, 단조 증가하는 하위모듈라 값 함수를 가진 온라인 Auction으로 모델링한다.

제안 방법

• 메커니즘은 다단계 샘플링-수락 프로세스를 사용하며, 사용자의 한계 가치 대 밀도 비율을 동적으로 계산된 임계값과 비교하여 평가한다.
• 각 단계에서 사용자는 그의 한계 밀도가 임계값 이상이면서 예산이 여전히 확보되어 있을 경우에만 수락된다.
• 선택된 사용자에게 지불하는 금액은 그의 한계 가치를 밀도 임계값으로 나눈 비율로 설정되며, 이는 진정성을 보장한다.
• 밀도 임계값은 이전 사용자 데이터를 기반으로 계산되어 성능와 인센티브 호환성 사이의 균형을 이룬다.
• OMZ는 도착 시간과 퇴장 시간이 동일한 0 도착-퇴장 간격 케이스를 위해 설계되었으며, OMG는 이를 일반적인 도착/퇴장 시간을 고려하여 확장하여 시간 진정성(시간 보고의 진정성)을 확보한다.
• 이론적 분석을 통해 여섯 가지 바람직한 성질이 모두 입증된다: 계산 효율성, 개인적 합리성, 예산 타당성, 비용 진정성, 시간 진정성(OMG에서만), 소비자 주권.

실험 결과

연구 질문

• RQ1 사용자가 비밀 유형을 지닌 채로 순차적으로 도착할 때, 모바일 커뮤니티 기반 센싱 환경에서 하위모듈라 값을 최대화하는 온라인 인센티브 메커니즘은 어떻게 설계할 수 있는가?
• RQ2 예산 제약과 마감 시간 제약 하에서, 비용 및 도착/퇴장 시간 보고에 대해 진정성을 보장하는 메커니즘은 무엇인가?
• RQ3 개인적 합리성과 예산 타당성을 충족하면서도, 최적의 오프라인 해법에 대해 영구적 경쟁력을 유지할 수 있는가?
• RQ4 미래 정보가 알려지지 않은 상태에서 결정이 취소 불가능한 온라인 메커니즘에서 소비자 주권은 어떻게 유지될 수 있는가?
• RQ5 도착-퇴장 간격은 메커니즘 설계에 어떤 영향을 미치며, 일반적인 경우에서 시간 진정성은 어떻게 달성할 수 있는가?

주요 결과

• OMZ는 단조 증가하는 하위모듈라 값 함수 하에서 도착-퇴장 간격이 0인 경우에 대해 1/4의 영구적 경쟁력을 확보한다.
• OMG는 임의의 도착 및 퇴장 시간을 가진 일반적인 경우에 대해 1/6의 영구적 경쟁력을 확보한다.
• 두 메커니즘 모두 계산 효율성, 개인적 합리성, 예산 타당성, 비용 진정성, 소비자 주권을 충족한다.
• OMG는 추가로 시간 진정성을 보장하여, 사용자가 도착 또는 퇴장 시간을 잘못 보고해도 이득을 보지 못하도록 한다.
• 광범위한 시뮬레이션을 통해 이론적 성질가 검증되었으며, 실제 세계 유사 시나리오에서 뛰어난 성능을 보였다.
• 두 메커니즘은 예산 제약을 엄격히 지키면서도 기준 기반 접근 방식보다 가치 최적화 측면에서 뛰어난 성능을 보였다.