[논문 리뷰] Truthful Scheduling Mechanisms for Powering Mobile Crowdsensing

Kai Han, Chi Zhang외 1명|arXiv (Cornell University)|2013. 08. 21.

Mobile Crowdsensing and Crowdsourcing참고 문헌 17인용 수 7

한 줄 요약

이 논문은 고정된 예산 내에서 감지 수익을 최대화하는 모바일 커뮤니티 센싱을 위한 정직하고 예산에 부합하는 스케줄링 메커니즘을 제안한다. O(1) 성능 비율을 보장하는 오프라인 및 온라인 다항 시간 근사 메커니즘을 도입하여, 사용자가 자신의 실제 감지 비용과 이용 가능 시간대를 보고하도록 유도함으로써 정직성과 개별 합리성을 확보한다.

ABSTRACT

Mobile crowdsensing leverages mobile devices (e.g., smart phones) and human mobility for pervasive information exploration and collection; it has been deemed as a promising paradigm that will revolutionize various research and application domains. Unfortunately, the practicality of mobile crowdsensing can be crippled due to the lack of incentive mechanisms that stimulate human participation. In this paper, we study incentive mechanisms for a novel Mobile Crowdsensing Scheduling (MCS) problem, where a mobile crowdsensing application owner announces a set of sensing tasks, then human users (carrying mobile devices) compete for the tasks based on their respective sensing costs and available time periods, and finally the owner schedules as well as pays the users to maximize its own sensing revenue under a certain budget. We prove that the MCS problem is NP-hard and propose polynomial-time approximation mechanisms for it. We also show that our approximation mechanisms (including both offline and online versions) achieve desirable game-theoretic properties, namely truthfulness and individual rationality, as well as O(1) performance ratios. Finally, we conduct extensive simulations to demonstrate the correctness and effectiveness of our approach.

연구 동기 및 목표

• 감지 비용과 시간 제약로 인해 사용자 참여를 유도하는 인cent림 메커니즘이 부족한 문제를 해결하기 위해.
• 사용자가 감지 비용과 이용 가능 시간대를 모두 입찰하는 새로운 모바일 커뮤니티 센싱 스케줄링(MCS) 문제를 수립하기 위해.
• 예산 제약 하에 소유자의 감지 수익을 최대화하는 다항 시간 메커니즘을 설계하기 위해.
• 다중 매개변수 환경에서 정직성과 개별 합리성과 같은 게임 이론적 성질을 확보하기 위해.
• 모든 사용자가 동시에 도착하는 오프라인 설정과 사용자가 순차적으로 도착하는 온라인 설정을 모두 지원하며, 성능 보장을 갖춘 메커니즘을 제공하기 위해.

제안 방법

• 사용자의 다차원 비밀 입찰(비용 및 시간 가용성)을 기반으로 스케줄링을 수행하는 NP-난이도 최적화 문제로 MCS 문제를 수식화한다.
• 비용 대비 가치 비율이 높은 사용자를 우선순위로 배정하는 근사 알고리즘을 사용하는 오프라인 메커니즘을 제안하며, 핵심 지불 규칙을 통해 정직성을 보장한다.
• 실시간 입찰에 기반해 작업을 동적으로 할당하는 경쟁 분석 프레임워크를 사용하는 온라인 메커니즘을 설계하여, 비용 보고에 대한 정직성을 유지한다.
• 정직한 입찰자에게 음이 아닌 유용성을 보장하는 지불 규칙을 적용하여 개별 합리성을 확보한다.
• 사용자가 자신의 실제 비용이나 시간 가용성을 잘못 보고해도 이득을 볼 수 없음을 게임 이론적 분석을 통해 증명한다.
• 시뮬레이션 기반 평가를 통해 메커니즘의 정확성, 효율성, 다양한 사용자 도착 패턴과 입찰 분포 하에서의 성능을 검증한다.

실험 결과

연구 질문

• RQ1 고정된 예산을 고려할 때 모바일 커뮤니티 센싱에서 감지 수익을 최대화하는 데 어떤 인센티브 메커니즘이 필요한가?
• RQ2 사용자가 감지 비용과 이용 가능 시간대를 모두 비밀 정보로 보고할 때, 어떤 메커니즘이 정직성을 보장하는가?
• RQ3 오프라인 및 온라인 설정 모두에서 O(1) 성능 비율을 달성하는 효율적인 근사 메커니즘을 MCS 문제에 대해 구성할 수 있는가?
• RQ4 사용자가 비용이 음이 아닌 유용성을 얻을 때만 참여하도록 유도하기 위해 개별 합리성을 어떻게 유지할 수 있는가?
• RQ5 동적 사용자 도착이 모바일 커뮤니티 센싱에서 정직한 스케줄링 메커니즘의 설계 및 성능에 어떤 영향을 미치는가?

주요 결과

• MCS 문제의 NP-난이도가 증명되어 근사 메커니즘의 필요성을 정당화한다.
• 제안된 오프라인 메커니즘은 O(1) 근사 비율을 달성하며, 다차원 비밀 정보 하에서 정직성과 개별 합리성을 확보한다.
• 온라인 메커니즘은 O(1) 경쟁 비율을 달성하며, 동적 사용자 도착 상황에서도 비용 보고에 대한 정직성을 유지한다.
• 시뮬레이션 결과, 사용자가 자신의 실제 감지 비용과 이용 가능 시간대를 입찰할 때만 유용성이 최대화됨을 확인하여 정직성의 타당성을 검증한다.
• 메커니즘은 계산 효율성과 예산 타당성을 확보하면서도 강력한 게임 이론적 성질을 유지한다.
• 결과적으로, 메커니즘은 현실적인 모바일 커뮤니티 센싱 시나리오에서 수익 최대화, 정직성, 개별 합리성을 효과적으로 균형 잡는 데 성공한다.