[论文解读] Truthful Scheduling Mechanisms for Powering Mobile Crowdsensing

Kai Han, Chi Zhang+1 more|arXiv (Cornell University)|Aug 21, 2013

Mobile Crowdsensing and Crowdsourcing参考文献 17被引用 7

一句话总结

本文提出了一种真实、预算可行的移动众包感知调度机制，旨在固定预算下最大化感知收益。该文设计了离线与在线的多项式时间近似机制，性能比为O(1)，通过激励用户报告其真实的感知成本和可用时间段，确保机制的诚实性与个体理性。

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.

研究动机与目标

• 为解决由于感知成本和时间约束导致用户参与度不足的问题，设计激励机制。
• 提出一种新型移动众包感知调度（MCS）问题，用户同时对感知成本和可用时间段进行投标。
• 设计多项式时间机制，在预算约束下最大化所有者感知收益。
• 在多维私有信息环境下，确保博弈论性质如诚实性与个体理性。
• 支持离线（所有用户同时到达）与在线（用户按顺序到达）设置，并提供可证明的性能保证。

提出的方法

• 将MCS问题形式化为一个NP难优化任务，涉及基于多维私有投标（成本与时间可用性）进行用户调度。
• 提出一种离线机制，采用贪心近似算法，优先调度价值与成本比率高的用户，并通过关键支付规则确保诚实性。
• 设计一种在线机制，采用竞争分析框架，根据实时投标动态分配任务，保持成本报告的诚实性。
• 采用支付规则，通过确保诚实投标者的效用非负，保障个体理性。
• 运用博弈论分析证明，用户无法通过谎报真实成本或时间可用性获得额外收益。
• 通过基于仿真的评估验证机制的正确性、效率及在不同用户到达模式与投标分布下的性能表现。

实验结果

研究问题

• RQ1 如何设计激励机制，在尊重固定预算的前提下最大化移动众包感知中的感知收益？
• RQ2 当用户将感知成本和可用时间段作为私有信息进行报告时，应采用何种机制确保诚实性？
• RQ3 能否为MCS问题构建高效的近似机制，使其在离线与在线设置下均达到O(1)性能比？
• RQ4 如何保持个体理性，以确保用户仅在获得非负效用时才被激励参与？
• RQ5 动态用户到达对移动众包感知中诚实调度机制的设计与性能有何影响？

主要发现

• MCS问题被证明为NP难，从而证明了近似机制的必要性。
• 所提出的离线机制实现了O(1)近似比，在多维私有信息下具备诚实性与个体理性。
• 在线机制实现了O(1)竞争比，即使在动态用户到达下，对成本报告仍保持诚实性。
• 仿真结果表明，用户仅在真实投标感知成本与可用时间段时才能最大化自身效用，验证了诚实性。
• 机制在保持强博弈论性质的同时，确保计算效率与预算可行性。
• 结果表明，该机制在现实的移动众包感知场景中，有效平衡了收益最大化、诚实性与个体理性。