[论文解读] When Data Sponsoring Meets Edge Caching: A Game-Theoretic Analysis

Haitian Pang, Lin Gao+2 more|arXiv (Cornell University)|Sep 1, 2017

Caching and Content Delivery参考文献 13被引用 5

一句话总结

本文提出了一种两阶段斯塔克尔伯格博弈模型，用于分析在同时提供蜂窝数据赞助和边缘缓存的情况下，视频内容提供商（CP）与异构移动用户之间的战略互动。CP为两种服务设定预算，用户则选择会员身份（无赞助、蜂窝、边缘或混合）。主要发现是，同时使用边缘缓存和数据赞助可使CP的收入相比仅使用蜂窝数据赞助最高提升105%。

ABSTRACT

Data sponsoring is a widely-used incentive method in today's cellular networks, where video content providers (CPs) cover part or all of the cellular data cost for mobile users so as to attract more video users and increase data traffic. In the forthcoming 5G cellular networks, edge caching is emerging as a promising technique to deliver videos with lower cost and higher quality. The key idea is to cache video contents on edge networks (e.g., femtocells and WiFi access points) in advance and deliver the cached contents to local video users directly (without involving cellular data cost for users). In this work, we aim to study how the edge caching will affect the CP's data sponsoring strategy as well as the users' behaviors and the data market. Specifically, we consider a single CP who offers both the edge caching service and the data sponsoring service to a set of heterogeneous mobile video users (with different mobility and video request patterns). We formulate the interactions of the CP and the users as a two-stage Stackelberg game, where the CP (leader) determines the budgets (efforts) for both services in Stage I, and the users (followers) decide whether and which service(s) they would like to subscribe to. We analyze the sub-game perfect equilibrium (SPE) of the proposed game systematically. Our analysis and experimental results show that by introducing the edge caching, the CP can increase his revenue by 105%.

研究动机与目标

• 理解边缘缓存在5G网络中如何影响内容提供商的数据赞助策略。
• 建立CP同时提供蜂窝数据赞助和边缘缓存与异构移动视频用户之间战略互动的模型。
• 在不同预算和成本参数下，分析用户会员选择决策（无赞助、蜂窝、边缘或混合）。
• 确定CP在平衡赞助成本与用户吸引力的前提下，实现收入最大化的最优预算分配。

提出的方法

• 构建两阶段斯塔克尔伯格博弈：CP（领导者）在第一阶段设定蜂窝数据赞助和边缘缓存的预算，用户（追随者）在第二阶段选择其会员身份。
• 基于赞助收益、数据成本和缓存收益建模用户效用，会员类型包括：NoSp、CellSp、EdgeSp和HybridSp。
• 通过求解第二阶段用户最佳响应并优化第一阶段CP的预算，分析子博弈完美均衡（SPE）。
• 使用数值方法求解具有盒约束的非凸、双变量优化问题，采用顺序一维搜索方法。
• 采用动态用户选择算法，模拟会员比例向均衡状态的收敛过程。
• 通过模拟验证结果，模拟包含10,000名移动用户，系统参数包括每赞助者收入、成本和缓存效率。

实验结果

研究问题

• RQ1 边缘缓存与蜂窝数据赞助共存如何影响用户会员选择和行为？
• RQ2 CP同时提供边缘缓存和数据赞助时，实现收入最大化的最优预算分配是什么？
• RQ3 与仅依赖蜂窝数据赞助相比，引入边缘缓存如何影响CP的收入？
• RQ4 在何种条件下，用户会选择混合赞助（同时使用两种服务）而非单一或无赞助？

主要发现

• 与仅依赖蜂窝数据赞助相比，CP在同时使用边缘缓存和蜂窝数据赞助时，收入最高可提升105%。
• 选择混合赞助（两种服务）的用户比例随每赞助者收入 $v$ 单调增加，表明当收益更高时，用户更倾向于同时加入两种方案。
• 随着蜂窝数据赞助的每赞助成本 $c_1$ 增加，选择蜂窝赞助的用户比例下降，而边缘缓存则更具吸引力，当 $c_1 \geq 3$ 时，不再有用户选择蜂窝赞助。
• 在动态用户选择过程中，系统约在10次迭代内收敛至均衡，均衡会员比例为：9% NoSp，28% CellSp，21% EdgeSp，42% HybridSp。
• 最优预算分配位于蜂窝和边缘缓存预算最佳响应函数的交点处，模拟设置下 $\alpha_1^* = 0.2$ 且 $\alpha_2^* = 0.26$。
• 与纯边缘缓存相比，联合赞助模型在最大收入增长方面高出85%，证明了结合两种机制的战略优势。