[论文解读] Incentive Mechanisms for Participatory Sensing: Survey and Research Challenges

Francesco Restuccia, Sajal K. Das+1 more|arXiv (Cornell University)|Feb 26, 2015

Mobile Crowdsensing and Crowdsourcing参考文献 73被引用 45

一句话总结

本文综述了参与式感知系统中的激励机制，提出了一种基于目的和方法的分类体系，以应对用户参与挑战。研究识别出在信息质量（QoI）建模、用户行为预测以及奖励策略优化方面的关键研究空白，尤其针对多媒体数据，以及使用移动安全代理实现可扩展、安全验证的挑战。

ABSTRACT

Participatory sensing is a powerful paradigm which takes advantage of smartphones to collect and analyze data beyond the scale of what was previously possible. Given that participatory sensing systems rely completely on the users' willingness to submit up-to-date and accurate information, it is paramount to effectively incentivize users' active and reliable participation. In this paper, we survey existing literature on incentive mechanisms for participatory sensing systems. In particular, we present a taxonomy of existing incentive mechanisms for participatory sensing systems, which are subsequently discussed in depth by comparing and contrasting different approaches. Finally, we discuss an agenda of open research challenges in incentivizing users in participatory sensing.

研究动机与目标

• 解决参与式感知系统中激励可靠且积极的用户参与这一关键挑战。
• 基于目的和方法，构建现有激励机制的全面分类体系。
• 识别在信息质量（QoI）建模方面的开放研究挑战，特别是针对音频、视频和图像等多媒体数据。
• 探索可扩展、安全的机制设计（如移动安全代理（MSA）），以验证感知报告并提升QoI。
• 研究最优奖励策略，以兼顾用户有限理性及不同质量的感知报告。

提出的方法

• 提出一种基于目的（如声誉、基于拍卖、QoI感知）和方法（如博弈论、拍卖理论）分类的激励机制分类体系。
• 使用博弈论模型分析现有方法，以确保用户行为具有策略性并防止操纵。
• 引入移动安全代理（MSA）作为验证感知报告并以可扩展、安全方式提升QoI的机制。
• 使用启发式函数估算感知报告的QoI，但论文指出在非物理传感器数据上定义QoI存在局限性。
• 将QoI建模为系统资源（如MSA）的函数，以预测可靠性并优化资源分配。
• 应用拍卖理论和声誉系统设计激励机制，以奖励高质量贡献，同时遏制垃圾信息或虚假数据。

实验结果

研究问题

• RQ1 如何为包括音频、视频和图像在内的多样化参与式感知数据类型，有意义地定义和测量信息质量（QoI）？
• RQ2 哪些激励机制能有效防止共谋和基于位置的攻击，同时确保可扩展性和安全性？
• RQ3 如何建模并优化系统资源（如MSA）与QoI之间的关系，以保证所需的感知报告质量？
• RQ4 何种奖励策略最能平衡外在与内在动机，以维持长期的用户参与？
• RQ5 如何在有限理性的用户行为下进行建模，以设计出更真实、更有效的激励机制？

主要发现

• 现有激励机制通常未能为多媒体数据（如音频或视频）有意义地定义QoI，因为其质量在很大程度上依赖于应用场景。
• 文献[Restuccia和Das 2014]提出的移动安全代理（MSA）方法提供了一种可扩展且安全的感知报告验证方式，以提升QoI，但缺乏正式的QoI定义。
• 目前尚无标准化或普遍适用的参与式感知QoI度量标准，特别是针对非物理传感器数据，需依赖特定应用场景的定义。
• 当前使用启发式QoI函数的方法无法衡量实际数据与真实世界值之间的准确度，限制了其可靠性。
• 若缺乏适当的验证机制，接受不可靠报告的概率仍然很高，凸显了资源感知QoI建模的必要性。
• 未来的激励机制必须考虑有限理性和动态用户行为，以确保持续的高质量参与。