[论文解读] Smart Data Pricing Models for Internet-of-Things (IoT): A Bundling Strategy Approach

Dusit Niyato, Dinh Thai Hoang+4 more|arXiv (Cornell University)|Dec 16, 2015

Blockchain Technology Applications and Security参考文献 14被引用 5

一句话总结

本文提出了一种面向物联网的智能数据定价（SDP）模型，通过捆绑策略提升收入，使多个物联网服务提供商能够结成联盟，将服务打包销售。通过优化感知数据购买价格和服务订阅费用，该模型表明，与单独销售相比，捆绑销售可使总利润提高15.5%，最优捆绑费用达到0.491，最大保留价格为0.601。

ABSTRACT

Internet of things (IoT) has emerged as a new paradigm for the future Internet. In IoT, enormous devices are connected to the Internet and thereby being a huge data source for numerous applications. In this article, we focus on addressing data management in IoT through using a smart data pricing (SDP) approach. With SDP, data can be managed flexibly and efficiently through intelligent and adaptive incentive mechanisms. Moreover, it is a major source of revenue for providers and partners. We propose a new pricing scheme for IoT service providers to determine the sensing data buying price and IoT service subscription fee offered to sensor owners and service users, respectively. Additionally, we adopt the bundling strategy that allows multiple providers to form a coalition and bid their services as a bundle, attracting more users and achieving higher revenue. Finally, we outline some important open research issues for SDP and IoT.

研究动机与目标

• 解决大规模异构物联网系统中高效数据管理与货币化的问题。
• 设计一种激励驱动的定价机制，以鼓励传感器所有者贡献数据，并促使用户订阅物联网服务。
• 探讨将多个物联网服务捆绑为单一套餐是否能够提升提供商利润和用户采纳率。
• 分析合作与服务质量对物联网生态系统中收入生成的影响。
• 识别智能数据定价中的开放研究问题，包括策略行为、合谋行为以及数据质量优化。

提出的方法

• 提出两级定价模型：一级为从传感器购买感知数据的价格，另一级为向用户收取的服务订阅费用。
• 采用捆绑策略，多个物联网提供商结成联盟，将各自服务打包为单一套餐以提升市场吸引力。
• 使用基于效用的保留价格模型，确定用户订阅决策的最优定价阈值。
• 采用Shapley值方法在合作提供商之间分配利润，确保联盟收益的公平分配。
• 通过数值仿真比较单独销售与捆绑销售的利润结果，变化参数包括感知质量与用户保留价格。
• 引入定价与数据质量的联合优化框架，通过提高购买价格激励更高数据质量。

实验结果

研究问题

• RQ1 物联网服务提供商如何优化其感知数据购买价格与服务订阅费用，以在确保用户参与的前提下最大化收入？
• RQ2 将多个物联网服务捆绑为单一套餐，与单独销售相比，能在多大程度上提升提供商利润？
• RQ3 在何种条件下，提供商有动力通过捆绑合作结成联盟？利润应如何公平分配？
• RQ4 感知质量的变化如何影响最优定价策略与整体系统盈利能力？
• RQ5 数据质量在定价决策中扮演何种角色？提供商如何通过定价激励传感器提供更高品质的数据？

主要发现

• 与单独销售相比，捆绑销售使总利润提高15.5%，捆绑销售总利润达38.723，而单独销售模型为33.524。
• 最优捆绑服务订阅费用为0.491，对应最大用户保留价格总和为0.601，有助于扩大用户采纳范围。
• 在捆绑模式下，最优感知数据购买价格为0.517，带来更高的数据质量激励与系统效率提升。
• 在非对称情况下，提供商1通过合作获得1.79单位利润增长，而提供商2仅获得0.97单位，表明收益不均，且对集成成本敏感。
• 只要集成成本低于各提供商的边际收益，通过捆绑合作可使双方个体利润高于非合作的单独销售模式。
• 该模型表明，更高的感知质量可提升用户保留价格与最优定价阈值，从而增强收入潜力。