[论文解读] Auction-based Incentive Mechanisms for Dynamic Mobile Ad-Hoc Crowd Service

Honggang Zhang, Benyuan Liu+2 more|arXiv (Cornell University)|Mar 23, 2015

Mobile Crowdsensing and Crowdsourcing参考文献 17被引用 3

一句话总结

本文提出 M-CHAIN，一种在动态移动自组织众包服务（DMACS）系统中具有真实性和计算高效性的多市场动态双重拍卖机制。该机制通过支持多组、多市场交易，在重叠且动态变化的用户群体中实现公平交易，适用于高度动态且稀疏的真实用户行为模式，效率最高可达20%。

ABSTRACT

We investigate a type of emerging user-assisted mobile applications or services, referred to as Dynamic Mobile Ad-hoc Crowd Service (DMACS), such as collaborative streaming via smartphones or location privacy protection through a crowd of smartphone users. Such services are provided and consumed by users carrying smart mobile devices (e.g., smartphones) who are in close proximity of each other (e.g., within Bluetooth range). Users in a DMACS system dynamically arrive and depart over time, and are divided into multiple possibly overlapping groups according to radio range constraints. Crucial to the success of such systems is a mechanism that incentivizes users' participation and ensures fair trading. In this paper, we design a multi-market, dynamic double auction mechanism, referred to as M-CHAIN, and show that it is truthful, feasible, individual-rational, no-deficit, and computationally efficient. The novelty and significance of M-CHAIN is that it addresses and solves the fair trading problem in a multi-group or multi-market dynamic double auction problem which naturally occurs in a mobile wireless environment. We demonstrate its efficiency via simulations based on generated user patterns (stochastic arrivals, random market clustering of users) and real-world traces.

研究动机与目标

• 解决在用户同时提供和消费资源的动态、移动、自组织众包服务中激励用户参与的挑战。
• 设计一种机制，确保在典型移动自组织网络中常见的多市场、重叠群体环境中具备公平性、truthfulness（真实性）和计算效率。
• 克服先前单市场动态双重拍卖机制在高度动态真实用户环境中的局限性。
• 使用合成数据和真实用户轨迹，评估多市场动态双重拍卖中 truthfulness 与效率之间的权衡。

提出的方法

• 设计一种支持由无线近距离（如蓝牙/Wi-Fi 直连）形成的重叠用户群体的多市场、动态双重拍卖机制（M-CHAIN）。
• 对时间周期内的用户交互进行建模，每个周期对应真实世界轨迹中 5 分钟的近距离数据。
• 采用基于 Myerson 和 Satterthwaite 不可能结果原则的 truthful 拍卖机制，确保竞标者有激励报告真实估值。
• 实现一种具有 truthfulness 保证的贪心在线匹配算法，在动态环境中平衡效率与策略行为。
• 将该机制应用于合成用户模式（随机到达与随机聚类）和来自 MIT Reality Mining 项目的真实世界数据。
• 使用效率、truthfulness 成本和市场参与度等指标，在不同系统动态性和稀疏性水平下评估性能。

实验结果

研究问题

• RQ1 如何设计一种动态双重拍卖机制，以支持移动自组织环境中多个重叠用户群体？
• RQ2 在多市场动态双重拍卖中，truthfulness 与效率之间存在何种权衡？如何量化这些权衡？
• RQ3 一种 truthful 且计算高效的拍卖机制是否能在高度动态和稀疏的真实用户移动模式中保持合理的效率？
• RQ4 在真实用户行为下，M-CHAIN 在效率和公平性方面与非 truthful 基线相比表现如何？

主要发现

• M-CHAIN 满足所有关键经济与算法属性，包括 truthfulness、可行性、个体理性、无亏损和计算效率。
• 在合成仿真中，M-CHAIN 在各种用户到达和聚类模式下均保持高水平效率，表现出对动态成员变动的鲁棒性。
• truthfulness 保证的代价显著——为确保真实出价，效率损失可能较大，这与 Myerson 和 Satterthwaite 的不可能结果一致。
• 尽管 MIT Reality Mining 项目的真实轨迹表现出极端稀疏性和动态性，M-CHAIN 仍能维持约 20% 的合理效率水平。
• 在系统中每组仅有 2 个或更少用户（2004 年 10 月数据中占 70% 的时间）的情况下，交易稀少，但 M-CHAIN 仍可在可能时促成交易。
• 即使群体结构频繁变化且用户簇较小，该机制仍保持有效性，表明其对真实世界移动模式具有强适应性。