[論文レビュー] Quality adaptive online double auction in participatory sensing

Jaya Mukhopadhyay, Anita Pal+2 more|arXiv (Cornell University)|Aug 17, 2016

Mobile Crowdsensing and Crowdsourcing参考文献 31被引用数 3

ひとこと要約

本論文は、スマートデバイスを備えたエージェントがデータ品質と利用可能性に基づいて入札する参加型センシングのための、初めての真実性保証され、品質に適応するオンラインダブルオークションメカニズムを提案する。McAfeeのダブルオークション（MDA）をオンライン設定に拡張することで、提示されたアルゴリズムはリアルタイムでのデータ品質および参加者の行動に動的に適応し、真実性を保ちつつリソース配分の効率を向上させる。

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.

研究の動機と目的

• 参加型センシングシステムにおける高品質なデータ寄与をインcentivize（インcentivize）する課題に対処すること。
• エージェントがリアルタイムで提出するデータの動的品質に適応する真実性保証のオークションメカニズムを設計すること。
• 古典的なMcAfeeのダブルオークション（MDA）を、品質に配慮した入札が可能なオンライン、参加型センシングの文脈に拡張すること。
• 不確実で変化するデータ品質の下でも、入札における真実性を維持することで戦略的行動を抑止すること。

提案手法

• メカニズムは、エージェントがデータ品質と参加意欲に基づいて入札するオンライン環境に、McAfeeのダブルオークション（MDA）を拡張する。
• 品質に適応する価格設定モデルを導入し、エージェントが報告したデータの実際の品質に基づいて支払いを調整する。
• オークションメカニズムは、リアルタイムでのデータ到着と品質フィードバックを用いて、入札評価と割り当て意思決定を動的に更新する。
• エージェントが真の評価とデータ品質を報告することでのみ利得を最大化できるように支払い構造を設計することで、真実性を維持する。
• エージェント行動を確率的モデルとして扱い、不確実性下でのオンライン意思決定を可能にする。

実験結果

リサーチクエスチョン

• RQ1 可変なデータ品質を伴うオンライン参加型センシングにおいて、真実性保証されたダブルオークションメカニズムをどのように設計できるか？
• RQ2 古典的なMDAにどのような変更を加えることで、リアルタイムでの動的かつ品質に配慮した入札を可能にするか？
• RQ3 品質に適応するメカニズムは、標準的なオンラインオークションと比較して、データ取得効率をどのように向上させるか？
• RQ4 このメカニズムは、エージェントによる戦略的操作をどの程度防止できるか？

主な発見

• 提案されたメカニズムは、McAfeeのダブルオークションをオンラインで、品質に適応する参加型センシング環境に成功して拡張した。
• 入札における真実性が維持されており、エージェントは真の評価とデータ品質を報告することで最大の利益を得る。
• データ品質をオークションメカニズムに組み込むことで、非適応型のベンチマークと比較して、より高品質なデータ取得が達成された。
• アルゴリズムは、動的でリアルタイムのデータ収集シナリオにおいて、改善された効率性と応答性を示した。