[논문 리뷰] Quality adaptive online double auction in participatory sensing

Jaya Mukhopadhyay, Anita Pal외 2명|arXiv (Cornell University)|2016. 08. 17.

Mobile Crowdsensing and Crowdsourcing참고 문헌 31인용 수 3

한 줄 요약

이 논문은 스마트 기기 사용자가 데이터 품질과 가용성에 기반해 입찰하는 참가형 센싱을 위한 최초의 진실성 확보, 품질 적응형 온라인 이중auction 메커니즘을 제안한다. McAfee의 이중auction(MDA)을 온라인 환경으로 확장함으로써 제안된 알고리즘은 실시간 데이터 품질과 참가자 행동에 동적으로 적응하여 진실성과 자원 할당의 효율성을 보장한다.

ABSTRACT

Agents (specially humans) with smart devices are stemming with astounding rapidity and that may play a big role in information and communication technology apart from being used only as a mere calling devices. Inculcating the power of smart devices carried by the agents in several different applications is commonly termed as participatory sensing (PS). In this paper, for the first time a truthful quality adaptive participatory sensing is presented in an online double auction environment. The proposed algorithm is simulated with a benchmark mechanism that adapts the existing McAfee's Double Auction (MDA) directly in the online environment.

연구 동기 및 목표

• 참가형 센싱 시스템에서 고품질 데이터 기여를 유도하는 과제를 해결하기 위해.
• 실시간으로 변화하는 에이전트가 제출하는 데이터의 동적 품질에 적응하는 진실성 있는 입찰 메커니즘을 설계하기 위해.
• 전통적인 McAfee의 이중auction(MDA)을 품질 인지 입찰 기능을 갖춘 온라인, 참가형 센싱 환경으로 확장하기 위해.
• 불확실하고 변화하는 데이터 품질 상황에서도 입찰의 진실성 유지로 인해 전략적 행동이 억제되도록 보장하기 위해.

제안 방법

• 메커니즘은 에이전트가 데이터 품질과 참여 의사에 기반해 입찰하는 온라인 환경으로 McAfee의 이중auction(MDA)을 확장한다.
• 품질 적응형 가격 책정 모델을 도입하여, 에이전트가 보고한 데이터의 실제 품질에 따라 지급액을 조정한다.
• 실시간 데이터 도착 및 품질 피드백을 활용해 입찰 평가 및 할당 결정을 동적으로 업데이트한다.
• 에이전트가 진정한 평가와 데이터 품질을 보고할 때만 유틸리티를 최대화하도록 지불 구조를 설계함으로써 진실성 유지 보장.
• 에이전트 행동을 확률적 모델로 간주하여 불확실성 하에서의 온라인 의사결정이 가능하도록 한다.

실험 결과

연구 질문

• RQ1 변동하는 데이터 품질을 고려한 온라인 참가형 센싱 환경에서 진실성 있는 이중auction 메커니즘을 어떻게 설계할 수 있는가?
• RQ2 실시간으로 동적이고 품질 인지 입찰을 지원하기 위해 고전적 MDA에 어떤 수정이 필요한가?
• RQ3 품질 적응형 메커니즘이 기존의 온라인 입찰과 비교해 데이터 확보 효율성을 얼마나 향상시키는가?
• RQ4 이 메커니즘이 에이전트의 전략적 오용을 어느 정도 방지하는가?

주요 결과

• 제안된 메커니즘은 McAfee의 이중auction를 온라인, 품질 적응형 참가형 센싱 환경으로 성공적으로 확장하였다.
• 입찰의 진실성이 유지되어 에이전트가 진정한 평가와 데이터 품질을 보고함으로써 최대 이득을 얻을 수 있도록 보장한다.
• 데이터 품질을 입찰 메커니즘에 통합함으로써, 비적응형 기준 대비 더 높은 품질의 데이터 확보를 달성한다.
• 동적이고 실시간 데이터 수집 환경에서 알고리즘이 향상된 효율성과 반응성(반응 속도)을 보여준다.