[论文解读] Incentive Mechanisms for Mobile Crowd Sensing: Current States and Challenges of Work

Jiajun Sun|arXiv (Cornell University)|Oct 31, 2013

Mobile Crowdsensing and Crowdsourcing参考文献 8被引用 5

一句话总结

本文提出了一种用于移动众包感知（MCS）应用的新颖架构，并研究了激励机制设计挑战，以促进大规模社会应用。它识别了激励用户参与和数据质量的关键研究挑战，为利用移动设备进行动态、机会性数据采集的未来工作奠定了基础。

ABSTRACT

Mobile crowd sensing (MCS) is a new paradigm which leverages the ubiquity of sensor-equipped mobile devices such as smartphones, music players, and in-vehicle sensors at the edge of the Internet, to collect data. The new paradigm will fuel the evolution of the Internet of Things to three changes as follows: First, the terminal devices at the edge of the Internet change from PCs to mobile phones. Second, the interactive mode extends from the virtual space to the real physical world. Thirdly, the forwarding manner of sensing data are undergoing the transition from the priori to the opportunistic. To better meet the demands of MCS applications at a societal scale, incentive mechanisms are indispensable. In this paper, we will first overview three categories of MCS applications, and then propose a new architecture for MCS applications. Based on the architecture, we discuss various research challenges about incentive mechanism designs for MCS applications, followed by potential future work discussions. Finally, we present potential future works.

研究动机与目标

• 解决社会中对可扩展、大规模移动众包感知（MCS）应用日益增长的需求。
• 识别并分析设计有效MCS激励机制的基本挑战。
• 提出一种支持动态、机会性数据采集的MCS应用新架构框架。
• 在真实感知场景中，考察用户参与度、数据质量和激励设计之间的相互作用。
• 概述MCS激励机制设计的潜在未来研究方向。

提出的方法

• 提出一种支持动态、机会性数据转发和真实世界交互的MCS应用新架构。
• 将MCS应用分类为三类不同类别，以理解多样化用例需求。
• 从用户动机、数据质量和系统可扩展性角度分析激励机制。
• 研究从预定义数据采集向使用移动设备的机会性、上下文感知感知的转变。
• 基于系统架构和应用需求，识别激励机制设计的关键原则。
• 使用概念建模来探索用户激励、数据效用和网络效率之间的权衡。

实验结果

研究问题

• RQ1 如何设计激励机制，以在大规模MCS应用中维持长期的用户参与？
• RQ2 MCS中支持机会性和上下文感知数据采集的必要架构组件是什么？
• RQ3 MCS中不同应用类别如何影响有效激励机制的设计？
• RQ4 在对齐用户激励、数据质量和系统效率方面，存在哪些关键技术与系统挑战？
• RQ5 在MCS激励机制设计方面，哪些未来研究方向最具前景？

主要发现

• 从预定义到机会性数据转发的转变，是实现可扩展、真实世界MCS应用的关键推动因素。
• 移动设备作为边缘节点，从根本上改变了终端用户设备的角色，使其从被动接收者转变为积极的数据贡献者。
• 激励机制对于弥合社会规模MCS需求与用户参与之间的差距至关重要。
• 所提出的架构支持动态、上下文感知的感知，并能根据应用特定需求灵活设计激励机制。
• 激励机制设计的研究挑战包括平衡用户动机、数据质量和系统可扩展性。
• 未来工作应聚焦于能够响应用户行为和环境条件变化的自适应激励模型。