[论文解读] CENTURION: Incentivizing Multi-Requester Mobile Crowd Sensing

Haiming Jin, Lü Su+1 more|arXiv (Cornell University)|Jan 6, 2017

Mobile Crowdsensing and Crowdsourcing参考文献 22被引用 7

一句话总结

CENTURION 提出了一种用于多请求者移动众包感知的集成框架，结合了基于双拍卖的激励机制与可靠性感知的数据聚合方法。该框架在保证真实性、个体理性及计算效率的同时，在模拟实验中显著提升了数据准确率与社会福利，优于基线方法。

ABSTRACT

The recent proliferation of increasingly capable mobile devices has given rise to mobile crowd sensing (MCS) systems that outsource the collection of sensory data to a crowd of participating workers that carry various mobile devices. Aware of the paramount importance of effectively incentivizing participation in such systems, the research community has proposed a wide variety of incentive mechanisms. However, different from most of these existing mechanisms which assume the existence of only one data requester, we consider MCS systems with multiple data requesters, which are actually more common in practice. Specifically, our incentive mechanism is based on double auction, and is able to stimulate the participation of both data requesters and workers. In real practice, the incentive mechanism is typically not an isolated module, but interacts with the data aggregation mechanism that aggregates workers' data. For this reason, we propose CENTURION, a novel integrated framework for multi-requester MCS systems, consisting of the aforementioned incentive and data aggregation mechanism. CENTURION's incentive mechanism satisfies truthfulness, individual rationality, computational efficiency, as well as guaranteeing non-negative social welfare, and its data aggregation mechanism generates highly accurate aggregated results. The desirable properties of CENTURION are validated through both theoretical analysis and extensive simulations.

研究动机与目标

• 填补现有激励机制假设仅存在单一数据请求者的空白，设计适用于多个竞争性请求者的系统。
• 整合激励与数据聚合机制，联合优化工作者选择与数据可靠性。
• 确保激励机制满足关键的博弈论性质：真实性、个体理性、计算效率以及非负社会福利。
• 通过基于工作者可靠性的加权方式提升数据聚合准确性，降低最终结果中的误差。
• 通过理论分析与在不同工作者和请求者数量下的大规模模拟实验验证该框架。

提出的方法

• 提出一种基于双拍卖的激励机制（MELON），其中请求者与工作者均出价，胜出者根据边际社会福利最大化原则选定。
• 设计一种加权数据聚合机制，为更可靠的工作者分配更高权重，其可靠性估计基于历史表现。
• 将激励机制与聚合机制集成，使工作者的可靠性同时影响其选择与奖励决策。
• 使用可行覆盖算法计算满足任务覆盖约束的工作者-任务分配。
• 实现一种定价机制，确保真实性与个体理性，胜出者的选择优先考虑高边际社会福利。
• 与两个基线方法对比：MSW-Greedy（按边际社会福利排序）与AIR（使用全部工作者），二者均源自现有双拍卖模型并加以适配。

实验结果

研究问题

• RQ1 如何设计一种激励机制，以公平且高效地协调多个竞争性数据请求者与大量移动工作者在MCS系统中的协作？
• RQ2 将工作者可靠性整合到激励与数据聚合过程中，对系统准确率与社会福利的影响如何？
• RQ3 所提出的双拍卖机制在真实性、个体理性与计算效率方面相较于现有机制的优越程度如何？
• RQ4 与均值和中位数聚合相比，加权数据聚合机制在降低平均绝对误差与误差概率方面的表现如何？
• RQ5 在真实模拟环境下，使用集成的CENTURION框架在社会福利与数据准确率方面实现了哪些定量提升？

主要发现

• 在模拟设置I与II中，CENTURION中的MELON双拍卖机制所实现的社会福利显著高于MSW-Greedy与AIR基线方法。
• 与均值和中位数聚合相比，加权聚合机制显著降低了平均绝对误差（MAE），所有测试配置下的MAE值均保持更低水平。
• 聚合结果的经验误差概率（EP）始终低于所需上限βj，且显著低于均值与中位数聚合方法。
• 该框架维持了非负社会福利，并满足所有期望的博弈论性质：真实性、个体理性与计算效率。
• 在设置I（工作者数量从90增至150）中，CENTURION即使在工作者数量增加时仍保持高社会福利与低MAE，展现出良好鲁棒性。
• 在设置II（请求者数量从20增至80）中，CENTURION保持强劲性能，显示出在高请求者环境下的可扩展性与有效性。