[论文解读] OMG: How Much Should I Pay Bob in Truthful Online Mobile Crowdsourced Sensing?

Dong Zhao, Xiang-Yang Li+1 more|arXiv (Cornell University)|Jun 24, 2013

Mobile Crowdsensing and Crowdsourcing参考文献 19被引用 9

一句话总结

本文提出了OMZ和OMG两种真实在线激励机制，用于移动众包感知，旨在用户按顺序到达且在预算约束下最大化子模价值。通过使用具有动态密度阈值的多阶段采样-接受过程，这些机制在零间隔和一般到达-离开情形下均确保真实性、预算可行性、个体理性、消费者主权以及恒定竞争力。

ABSTRACT

Mobile crowdsourced sensing (MCS) is a new paradigm which takes advantage of the pervasive smartphones to efficiently collect data, enabling numerous novel applications. To achieve good service quality for a MCS application, incentive mechanisms are necessary to attract more user participation. Most of existing mechanisms apply only for the offline scenario where all users' information are known a priori. On the contrary, we focus on a more real scenario where users arrive one by one online in a random order. We model the problem as an online auction in which the users submit their private types to the crowdsourcer over time, and the crowdsourcer aims to select a subset of users before a specified deadline for maximizing the total value of the services provided by selected users under a budget constraint. We design two online mechanisms, OMZ and OMG, satisfying the computational efficiency, individual rationality, budget feasibility, truthfulness, consumer sovereignty and constant competitiveness under the zero arrival-departure interval case and a more general case, respectively. Through extensive simulations, we evaluate the performance and validate the theoretical properties of our online mechanisms.

研究动机与目标

• 为填补现有激励机制假设离线用户信息的空白，本文聚焦于在线移动众包感知，其中用户以私有类型按顺序到达。
• 设计在线机制，在固定预算约束下最大化所选用户提供的服务总价值。
• 确保关键的博弈论性质：真实性（成本与时间）、个体理性、预算可行性、消费者主权以及计算效率。
• 在零到达-离开间隔情形和一般情形下，实现相对于最优离线解的恒定竞争力。
• 将问题建模为具有私有用户成本、到达/离开时间以及单调子模价值函数的在线拍卖。

提出的方法

• 机制采用多阶段采样-接受过程，用户根据其边际价值与密度之比相对于动态计算的阈值进行评估。
• 在每个阶段，仅当用户的边际密度不低于阈值且预算仍可用时，才接受该用户。
• 选定用户的支付设定为其边际价值与密度阈值的比值，从而确保真实性。
• 使用历史用户数据计算密度阈值，以平衡性能与激励相容性。
• OMZ专为零到达-离开间隔情形（到达=离开）设计，而OMG则将其扩展至处理一般到达/离开时间并支持时间真实性。
• 理论分析证明了所有六项期望性质：计算效率、个体理性、预算可行性、成本真实性、OMG中的时间真实性，以及消费者主权。

实验结果

研究问题

• RQ1 当用户以私有类型按顺序到达时，如何设计一种在线激励机制以在移动众包感知中最大化子模价值？
• RQ2 在预算和截止时间约束下，何种机制可确保在成本和到达/离开时间报告中的真实性？
• RQ3 能否在满足个体理性与预算可行性的同时，使机制相对于最优离线解保持恒定竞争力？
• RQ4 在决策不可撤销且未来信息未知的在线机制中，如何保持消费者主权？
• RQ5 到达-离开间隔对机制设计有何影响？在一般情形下如何实现时间真实性？

主要发现

• OMZ在单调子模价值函数下，于零到达-离开间隔情形中实现恒定竞争力1/4。
• OMG在具有任意到达和离开时间的一般情形中实现恒定竞争力1/6。
• 两种机制均满足计算效率、个体理性、预算可行性、成本真实性以及消费者主权。
• OMG还确保时间真实性，即用户无法通过谎报到达或离开时间获益。
• 大量仿真实验验证了理论性质，并展示了在现实场景类似条件下的优异性能。
• 与基线方法相比，这些机制在严格遵守预算约束的前提下，实现了更高的价值最大化性能。