[论文解读] A Stackelberg Game Approach Towards Socially-Aware Incentive Mechanisms for Mobile Crowdsensing

Jiangtian Nie, Jun Luo+3 more|arXiv (Cornell University)|Jul 23, 2018

Mobile Crowdsensing and Crowdsourcing被引用 13

一句话总结

本文提出了一种基于Stackelberg博弈的移动众包激励机制，利用社交网络效应以提升用户参与度和服务提供商收入。通过将服务提供商与用户之间的互动建模为不完全信息的两阶段博弈，推导出差别化和统一的激励方案，从而通过网络效应显著提高参与度和收入。

ABSTRACT

Mobile crowdsensing has shown a great potential to address large-scale data sensing problems by allocating sensing tasks to pervasive mobile users. The mobile users will participate in a crowdsensing platform if they can receive satisfactory reward. In this paper, to effectively and efficiently recruit sufficient number of mobile users, i.e., participants, we investigate an optimal incentive mechanism of a crowdsensing service provider. We apply a two-stage Stackelberg game to analyze the participation level of the mobile users and the optimal incentive mechanism of the crowdsensing service provider using backward induction. In order to motivate the participants, the incentive is designed by taking into account the social network effects from the underlying mobile social domain. For example, in a crowdsensing-based road traffic information sharing application, a user can get a better and accurate traffic report if more users join and share their road information. We derive the analytical expressions for the discriminatory incentive as well as the uniform incentive mechanisms. To fit into practical scenarios, we further formulate a Bayesian Stackelberg game with incomplete information to analyze the interaction between the crowdsensing service provider and mobile users, where the social structure information (the social network effects) is uncertain. The existence and uniqueness of the Bayesian Stackelberg equilibrium are validated by identifying the best response strategies of the mobile users. Numerical results corroborate the fact that the network effects tremendously stimulate higher mobile participation level and greater revenue of the crowdsensing service provider. In addition, the social structure information helps the crowdsensing service provider to achieve greater revenue gain.

研究动机与目标

• 设计一种最优激励机制，以吸引足够多的移动用户参与众包平台。
• 将社交网络效应——即用户参与度提升感知数据价值——纳入激励机制设计。
• 将服务提供商与用户之间的互动建模为具有不完全信息的两阶段Stackelberg博弈。
• 验证在此情境下贝叶斯Stackelberg均衡的存在性与唯一性。
• 量化社交结构信息对收入与参与度水平的提升作用。

提出的方法

• 构建一个两阶段Stackelberg博弈模型，服务提供商作为领导者，用户作为响应者，使用逆向归纳法推导最优策略。
• 在激励机制设计中引入社交网络效应，将用户参与度建模为与其他参与者数量相关。
• 基于博弈论模型，推导出差别化与统一激励机制的解析表达式。
• 引入贝叶斯Stackelberg博弈以处理社交结构信息的不确定性，建模用户对网络效应的信念。
• 识别用户的最佳响应策略，并证明贝叶斯Stackelberg均衡的存在性与唯一性。
• 通过数值仿真评估网络效应与社交信息对参与度与收入的影响。

实验结果

研究问题

• RQ1 社交网络效应如何影响移动众包平台中的用户参与度？
• RQ2 何种最优激励机制可在确保足够用户参与的前提下最大化服务提供商的收入？
• RQ3 社交结构信息的不确定性如何影响激励机制中的均衡结果？
• RQ4 差别化与统一激励方案对参与度与收入分别产生何种影响？
• RQ5 在贝叶斯Stackelberg框架下，社交结构信息在多大程度上提升了服务提供商的收入？

主要发现

• 网络效应显著提升了移动用户的参与水平，因为更多参与者能够提升数据质量与用户激励。
• 当服务提供商在激励机制中利用社交网络效应时，其收入实现显著提升。
• 贝叶斯Stackelberg均衡存在且唯一，用户在信息不完全条件下的最佳响应策略可被识别。
• 社交结构信息使服务提供商能够设计更有效的激励机制，从而获得更高的收入增长。
• 差别化与统一激励机制均被解析推导，并证明在激发用户参与方面具有有效性。
• 数值结果证实，社交效应与知情激励设计可显著提升平台性能与用户参与度。