張 寧 蘇 華 孫學(xué)梅 趙帥飛

(天津工業(yè)大學(xué)計(jì)算機(jī)科學(xué)與軟件學(xué)院 天津 300387)

基于信譽(yù)模型的群智感知網(wǎng)絡(luò)用戶(hù)參與激勵(lì)機(jī)制

張 寧 蘇 華 孫學(xué)梅*趙帥飛

(天津工業(yè)大學(xué)計(jì)算機(jī)科學(xué)與軟件學(xué)院 天津 300387)

隨著集成了越來(lái)越多傳感器的移動(dòng)設(shè)備的普及和發(fā)展，移動(dòng)群智感知網(wǎng)絡(luò)正成為一個(gè)新的研究領(lǐng)域，而充足的用戶(hù)(尤其是信譽(yù)好的用戶(hù))參與，是移動(dòng)群智感知網(wǎng)絡(luò)的基礎(chǔ)。在對(duì)用戶(hù)參與激勵(lì)機(jī)制策略進(jìn)行研究和分析的基礎(chǔ)上，針對(duì)現(xiàn)有激勵(lì)機(jī)制在用戶(hù)選擇的隨機(jī)性、任務(wù)處理效率和預(yù)算控制方面的不足，提出一種基于信譽(yù)模型的用戶(hù)參與激勵(lì)機(jī)制。初始時(shí)設(shè)置用戶(hù)的信譽(yù)值，在任務(wù)分配過(guò)程中選擇信譽(yù)度高的用戶(hù)來(lái)參與任務(wù)處理，并通過(guò)設(shè)置因子減小用戶(hù)的花費(fèi)代價(jià)，這樣在提高任務(wù)處理效率的基礎(chǔ)上有效地控制了預(yù)算開(kāi)支。最后通過(guò)實(shí)驗(yàn)驗(yàn)證，與現(xiàn)有普遍應(yīng)用的用戶(hù)參與激勵(lì)機(jī)制策略相比，基于信譽(yù)模型的用戶(hù)參與激勵(lì)機(jī)制在提高任務(wù)處理效率和控制預(yù)算方面有更好的效果。

移動(dòng)群智感知 激勵(lì)機(jī)制 信譽(yù)模型 用戶(hù)參與

0 引 言

隨著移動(dòng)技術(shù)的不斷發(fā)展，現(xiàn)有的移動(dòng)終端集成了越來(lái)越多的傳感器，每個(gè)移動(dòng)終端都可以成為一個(gè)計(jì)算和信息資源交互設(shè)備，而大量的終端設(shè)備構(gòu)建起的網(wǎng)絡(luò)能夠使用戶(hù)快速、動(dòng)態(tài)地獲取和分享數(shù)據(jù)。這種感知方式的出現(xiàn)和普及，一方面擴(kuò)展了傳統(tǒng)的計(jì)算機(jī)網(wǎng)絡(luò)和系統(tǒng)的功能；另一方面，也促進(jìn)了移動(dòng)群智感知網(wǎng)絡(luò)[1]MCS(Mobile Crowd Sensing System)的發(fā)展。移動(dòng)群智感知網(wǎng)絡(luò)通常由移動(dòng)感知用戶(hù)和群智感知平臺(tái)兩部分構(gòu)成[2]，其中，移動(dòng)群智感知平臺(tái)是由服務(wù)器組成的數(shù)據(jù)中心；移動(dòng)感知用戶(hù)則是攜帶移動(dòng)設(shè)備的普通用戶(hù)。大部分群智感知是利用用戶(hù)參與來(lái)提供服務(wù)[3-5]，通過(guò)用戶(hù)攜帶的移動(dòng)設(shè)備與移動(dòng)互聯(lián)網(wǎng)絡(luò)之間進(jìn)行交互，實(shí)現(xiàn)感知任務(wù)的分配、協(xié)調(diào)和處理。

在移動(dòng)群智感知網(wǎng)絡(luò)中，普通用戶(hù)需要主動(dòng)參與感知任務(wù)的處理。然而，用戶(hù)參與需要付出一定的代價(jià)(例如網(wǎng)絡(luò)帶寬消耗、費(fèi)用消耗等)，因此應(yīng)當(dāng)設(shè)計(jì)一種合理的補(bǔ)償激勵(lì)機(jī)制來(lái)對(duì)用戶(hù)的消耗代價(jià)進(jìn)行補(bǔ)償[6]，以此來(lái)吸引更多用戶(hù)主動(dòng)參與到感知過(guò)程中來(lái)。當(dāng)前對(duì)于移動(dòng)群智感知網(wǎng)絡(luò)激勵(lì)機(jī)制開(kāi)始了一部分研究工作。文獻(xiàn)[7]考慮了兩種系統(tǒng)模型：以平臺(tái)為中心和以用戶(hù)為中心。首先應(yīng)用博弈論理論分析，然后應(yīng)用拍賣(mài)理論設(shè)計(jì)出兩種不同模型的激勵(lì)機(jī)制。文獻(xiàn)[8]考慮了以平臺(tái)為中心的用戶(hù)激勵(lì)機(jī)制模式，并將這種模式建模為斯塔克伯格博弈來(lái)研究，進(jìn)一步考慮了平臺(tái)和用戶(hù)均僅知道所有用戶(hù)的感知成本的累積分布函數(shù)的情況。文獻(xiàn)[9]研究了移動(dòng)群智感知網(wǎng)絡(luò)激勵(lì)機(jī)制問(wèn)題，首先平臺(tái)發(fā)布一些感知任務(wù)，然后用戶(hù)根據(jù)他們的感知成本和時(shí)間來(lái)競(jìng)爭(zhēng)這些任務(wù)，最后平臺(tái)在預(yù)算限制下支付給用戶(hù)感知報(bào)酬。文獻(xiàn)[10]釆用基于逆向拍賣(mài)的動(dòng)態(tài)價(jià)格激勵(lì)機(jī)制，進(jìn)一步考慮了用戶(hù)基于位置進(jìn)行感知，而平臺(tái)需要滿(mǎn)足覆蓋約束和預(yù)算約束的情況。文獻(xiàn)[11]基于手機(jī)用戶(hù)動(dòng)態(tài)到達(dá)平臺(tái)并且任務(wù)隨機(jī)提交到平臺(tái)這一真實(shí)場(chǎng)景，設(shè)計(jì)了一種真實(shí)可靠地在線激勵(lì)機(jī)制。

以上是對(duì)激勵(lì)機(jī)制的早期研究，而近期研究者針對(duì)原來(lái)激勵(lì)機(jī)制的不足提出一些新的方法。在文獻(xiàn)[12]中作者把任務(wù)分成三種不同的類(lèi)型(即效用值隨任務(wù)大小成正比例變化，效用值隨任務(wù)處理過(guò)程成正比例變化，效用值隨任務(wù)處理過(guò)程成反比例變化)，對(duì)于每一種任務(wù)類(lèi)型用四種不同的激勵(lì)機(jī)制(Proportion incentive policy、Participation-aware incentive policy、Quality-aware incentive policy、Thrifty incentive policy)計(jì)算報(bào)酬。其中用戶(hù)參與激勵(lì)機(jī)制策略PAIP(participation aware incentive policy)在選擇用戶(hù)時(shí)采用隨機(jī)的方式，沒(méi)有考慮用戶(hù)自身的特點(diǎn)，這樣用戶(hù)在處理任務(wù)時(shí)目的性不強(qiáng)，在感知任務(wù)分配階段用戶(hù)的參與率不高，降低了整個(gè)任務(wù)的完成率，增加了代價(jià)花費(fèi)，而使總預(yù)算減少。

本文在研究和分析了PAIP在用戶(hù)選擇、用戶(hù)花費(fèi)代價(jià)、任務(wù)處理效率這三方面的不足后，提出了基于信譽(yù)模型的用戶(hù)激勵(lì)機(jī)制CPAIP(credit participation-aware incentive policy)。該機(jī)制初始時(shí)為用戶(hù)設(shè)置不同的信譽(yù)值，當(dāng)平臺(tái)發(fā)布感知任務(wù)并且用戶(hù)競(jìng)爭(zhēng)這些感知任務(wù)時(shí)，平臺(tái)會(huì)根據(jù)用戶(hù)的信譽(yù)值進(jìn)行選擇，優(yōu)先選擇信譽(yù)值高的用戶(hù)進(jìn)行任務(wù)處理，并且通過(guò)因子調(diào)節(jié)用戶(hù)的代價(jià)花費(fèi)。最后對(duì)用戶(hù)的信譽(yù)值進(jìn)行更新之后用戶(hù)可以進(jìn)入到下一次的任務(wù)競(jìng)爭(zhēng)中。通過(guò)CPAIP在提高用戶(hù)參與率和任務(wù)完成率的同時(shí)，減少用戶(hù)的花費(fèi)，從而節(jié)省了總預(yù)算。

1 CPAIP模型

移動(dòng)群智感知網(wǎng)絡(luò)(MCS)主要包括三個(gè)部分：用戶(hù)集U、任務(wù)集T和平臺(tái)S。任務(wù)集T包括若干子任務(wù)，每個(gè)子任務(wù)的處理過(guò)程是輪流進(jìn)行的(即在每個(gè)子任務(wù)被執(zhí)行之前，平臺(tái)S都會(huì)向用戶(hù)發(fā)布這個(gè)子任務(wù)處理請(qǐng)求)，每個(gè)用戶(hù)會(huì)決定是否接受請(qǐng)求，來(lái)處理子任務(wù)并獲得報(bào)酬。這個(gè)過(guò)程會(huì)重復(fù)進(jìn)行，直到所有的任務(wù)都被處理或者全部預(yù)算B都被用完。其符號(hào)如表1所示。

表1 主要用到的符號(hào)

CPAIP模型具體工作流程如下：

(1) 當(dāng)有任務(wù)要處理時(shí)，平臺(tái)S首先把任務(wù)集T劃分為若干子任務(wù)k：k?{1,2,…,K}。并在任務(wù)發(fā)布區(qū)域選取一用戶(hù)集U，對(duì)其進(jìn)行劃分Ui：i?{1,2,…,N}。對(duì)每一個(gè)用戶(hù)i設(shè)置一個(gè)獨(dú)立的閾值Thresi，該值對(duì)其他用戶(hù)和平臺(tái)是保密的，并根據(jù)全部用戶(hù)的閾值和單個(gè)用戶(hù)的閾值設(shè)置一個(gè)信譽(yù)值Qi，所用公式如下所示：

(1)

同時(shí)，針對(duì)劃分的子任務(wù)的不同，為每一個(gè)子任務(wù)設(shè)置一個(gè)效用值，用uk=f(ξ,ξk)來(lái)表示，所用公式如下所示：

(2)

(2) 當(dāng)處理子任務(wù)時(shí)，平臺(tái)每次會(huì)選取信譽(yù)值大的用戶(hù)(即Qi最大者)參與子任務(wù)的處理過(guò)程。用戶(hù)Ui在處理子任務(wù)k時(shí)，會(huì)產(chǎn)生一個(gè)花費(fèi)代價(jià)。本文針對(duì)一個(gè)子任務(wù)k，用ci=f(ξk,uk,Qi)來(lái)表示代價(jià)函數(shù)，也就是說(shuō)，用戶(hù)的代價(jià)受分配的子任務(wù)大小和用戶(hù)信譽(yù)值影響，與子任務(wù)大小成正比關(guān)系，與用戶(hù)信譽(yù)值成反比關(guān)系。所用公式如下所示：

(3)

其中α和β是兩個(gè)因子，且α+β=10。

(3) 平臺(tái)為鼓勵(lì)更多用戶(hù)參與任務(wù)的處理過(guò)程，會(huì)在每個(gè)子任務(wù)處理后為對(duì)應(yīng)用戶(hù)提供報(bào)酬。本文中用Pk=f(uk,N(t),B(t))來(lái)表示報(bào)酬函數(shù)，所用公式如下所示：

(4)

其中c為正常數(shù)。通過(guò)這種方式，平臺(tái)S初始時(shí)會(huì)提供很高的報(bào)酬來(lái)鼓勵(lì)用戶(hù)參與任務(wù)處理，隨著用戶(hù)參與的比例越來(lái)越高(即N(t)值越來(lái)越大，最終趨于穩(wěn)定)，報(bào)酬會(huì)慢慢趨于平穩(wěn)。

(4) 根據(jù)處理子任務(wù)k時(shí)所需的代價(jià)ci和平臺(tái)S對(duì)于k所支付的報(bào)酬P(guān)k，用戶(hù)i可以決定是否最后接受這個(gè)子任務(wù)的處理請(qǐng)求。本文中用函數(shù)Ji=f(ci,Pk,Thresi)來(lái)表示，所用公式如下所示：

(5)

平臺(tái)S對(duì)于處理子任務(wù)k所支付的報(bào)酬P(guān)k和處理k所需的代價(jià)ci的比例與用戶(hù)閾值進(jìn)行比較，如果比例大于用戶(hù)閾值，則用戶(hù)選擇接受這個(gè)子任務(wù)處理請(qǐng)求，否則用戶(hù)拒絕這個(gè)請(qǐng)求。

(5) 最后利用用戶(hù)所處理子任務(wù)的效用值來(lái)更新用戶(hù)信譽(yù)值，并參與競(jìng)爭(zhēng)下一個(gè)子任務(wù)處理請(qǐng)求，直到所有的子任務(wù)全部處理完成。

CPAIP模型算法偽代碼如下：

算法1CPAIP模型

Input：Tasks numberK，setofusersN，budgetB，thresholdThres

Output：remainingbudgetB(t)，taskpercentagecompletedT(t)

1：initialthetasksandusers,setcreditvaluesQ

2：while!k‖B

3：fork=1:1:K

4：MaxQi←findtheuserofthemaxcreditvalue

5：Uk←calculatetheutilityofsegmentk

6：Ci←calculatethecostofsegmentk

7：Pk←calculateincentivesforuser

8：AccordingtoCi,Pk,Threstodeterminewhetheracceptsegmentornot

9：ifacceptsegment

10：N(t) ←calculateproportionofuserparticipation

11：B(t) ←B-Pk

12：else

13：constantvalues

14：endif

15：Qi←updatecreditvalueofuseri

16：endfor

17：calculateT(t)

18：Nextloop

19：endwhile

20：returnB(t)，T(t)

第5行應(yīng)用式(2)來(lái)計(jì)算子任務(wù)的效用值，第6～8行應(yīng)用式(3)、式(4)計(jì)算用戶(hù)的代價(jià)花費(fèi)和處理子任務(wù)后會(huì)獲得的報(bào)酬，并且用戶(hù)根據(jù)代價(jià)、報(bào)酬、閾值的關(guān)系接受子任務(wù)請(qǐng)求。這樣在提高用戶(hù)的參與率和減少代價(jià)花費(fèi)的同時(shí)，也加快了子任務(wù)處理速度，減少了總的預(yù)算，如第9～12行所示。當(dāng)用戶(hù)接受子任務(wù)之后，會(huì)對(duì)此用戶(hù)的信譽(yù)值進(jìn)行更新并參與到下一次子任務(wù)的競(jìng)爭(zhēng)中，如第15～18行所示。

2 實(shí)驗(yàn)及結(jié)果分析

2.1 仿真實(shí)驗(yàn)環(huán)境

本文按照用戶(hù)的閾值將用戶(hù)分為三組，分別為高閾值用戶(hù)、低閾值用戶(hù)和中間閾值用戶(hù)，為每個(gè)用戶(hù)設(shè)置信譽(yù)值Qi。同時(shí)進(jìn)行多組實(shí)驗(yàn)，將用戶(hù)總數(shù)N=100、子任務(wù)數(shù)量K=1 000、初始預(yù)算B=1 000設(shè)置為對(duì)比組。具體實(shí)驗(yàn)分組及參數(shù)設(shè)置如表2所示。本文實(shí)驗(yàn)是在MATLABR2014a環(huán)境下進(jìn)行的，下面從任務(wù)完成比例和預(yù)算剩余比例兩個(gè)方面進(jìn)行說(shuō)明。

表2 實(shí)驗(yàn)分組及參數(shù)

2.2 任務(wù)完成比例

平臺(tái)將任務(wù)集劃分為若干子任務(wù)，并保證子任務(wù)能依次順利處理。本文目標(biāo)就是能使子任務(wù)盡快地被處理完成，也就是說(shuō)能在更短的時(shí)間內(nèi)獲得更高的任務(wù)完成比例。因此，選擇合適的用戶(hù)對(duì)于子任務(wù)集的處理尤為重要。圖1為對(duì)比組的實(shí)驗(yàn)對(duì)比圖。而實(shí)驗(yàn)一通過(guò)提高總預(yù)算時(shí)PAIP的處理速度加快，但與CPAIP相比，PAIP的速度還是明顯落后于CPAIP。實(shí)驗(yàn)二通過(guò)增加用戶(hù)數(shù)量時(shí)PAIP與CPAIP的處理速度變化不大。實(shí)驗(yàn)三增加子任務(wù)的數(shù)量時(shí)PAIP的處理速度會(huì)有所降低，而CPAIP的速度變化不大。實(shí)驗(yàn)四中同時(shí)增加用戶(hù)數(shù)量、總預(yù)算和子任務(wù)數(shù)量時(shí)PAIP與CPAIP的處理速度都有所增加，但CPAIP的速度還是明顯快于PAIP。綜合對(duì)比各組實(shí)驗(yàn)中的曲線可以很明顯地看出在一段時(shí)間內(nèi)CPAIP能夠更快地處理完子任務(wù)集，同時(shí)各參數(shù)變化時(shí)，CPAIP在處理任務(wù)速度方面具有更好的穩(wěn)定性。通過(guò)設(shè)置用戶(hù)的信譽(yù)值，區(qū)別劃分用戶(hù)，每次選擇信譽(yù)度高的用戶(hù)來(lái)依次處理子任務(wù)，這樣通過(guò)影響平臺(tái)支付報(bào)酬函數(shù)Pk和用戶(hù)的代價(jià)函數(shù)ci，使這兩者的比例大于用戶(hù)閾值Thresi，從而使得用戶(hù)參與比例不斷增大(即N(t)值增大)，并最終趨于平穩(wěn)。

圖1 任務(wù)完成比例對(duì)比圖

2.3 預(yù)算剩余比例

預(yù)算剩余比例也就是總預(yù)算減去用戶(hù)集處理完整個(gè)子任務(wù)集所花費(fèi)的總代價(jià)之后的剩余預(yù)算與總預(yù)算的比例關(guān)系。平臺(tái)根據(jù)用戶(hù)處理的子任務(wù)向用戶(hù)支付報(bào)酬，本文目標(biāo)之一就是保證子任務(wù)在順利處理完的基礎(chǔ)上減少用戶(hù)的花費(fèi)代價(jià)和平臺(tái)支付給用戶(hù)的報(bào)酬，從而使得預(yù)算剩余比例增大。圖2為對(duì)比組的實(shí)驗(yàn)對(duì)比圖。實(shí)驗(yàn)一通過(guò)提高總預(yù)算時(shí)PAIP與CPAIP在剩余預(yù)算比例方面變化不大。實(shí)驗(yàn)二通過(guò)提高用戶(hù)總數(shù)時(shí)CPAIP的預(yù)算剩余比例會(huì)有所降低，但還是明顯高于PAIP。實(shí)驗(yàn)三通過(guò)提高子任務(wù)數(shù)量時(shí)PAIP與CPAIP的預(yù)算剩余比例會(huì)有所增加，但CPAIP的增加幅度大于PAIP且最終剩余比例也要高于PAIP。實(shí)驗(yàn)四中同時(shí)增加用戶(hù)數(shù)量、總預(yù)算和子任務(wù)數(shù)量時(shí)CPAIP的預(yù)算剩余比例會(huì)增加，而PAIP保持不變。綜合對(duì)比各組實(shí)驗(yàn)中的曲線可以很明顯地看出在一段時(shí)間內(nèi)CPAIP能在保證子任務(wù)順利處理的基礎(chǔ)上，減少了用戶(hù)花費(fèi)代價(jià)和平臺(tái)支付給用戶(hù)的報(bào)酬，從而使剩余的預(yù)算比例更高，即花費(fèi)的預(yù)算更少。圖3顯示了任務(wù)進(jìn)度比例和預(yù)算比例的對(duì)比圖。實(shí)驗(yàn)一通過(guò)提高總預(yù)算時(shí)PAIP與CPAIP的任務(wù)進(jìn)度比例和預(yù)算比例變化不大。實(shí)驗(yàn)二通過(guò)增加用戶(hù)數(shù)量時(shí)CPAIP的任務(wù)進(jìn)度比例和預(yù)算比例有所降低，但還是要高于PAIP。實(shí)驗(yàn)三通過(guò)增加子任務(wù)數(shù)量時(shí)CPAIP的任務(wù)進(jìn)度比例和預(yù)算比例會(huì)增大，而PAIP的變化不大。實(shí)驗(yàn)四中同時(shí)增加用戶(hù)數(shù)量、總預(yù)算和子任務(wù)數(shù)量時(shí)CPAIP的任務(wù)進(jìn)度比例和預(yù)算比例會(huì)增大，而PAIP的變化不大。綜合對(duì)比各組的任務(wù)進(jìn)度比例和預(yù)算比例可以看到和PAIP相比，CPAIP能更快地完成整個(gè)子任務(wù)集，在提高了任務(wù)完成率的同時(shí)，也使得預(yù)算剩余比例增大。本文中選擇了信譽(yù)高的用戶(hù)處理子任務(wù)，使得用戶(hù)參與比例不斷增大(即N(t)值增大)，從而降低了平臺(tái)支付給用戶(hù)的報(bào)酬(即Pk值不斷減小)。同時(shí)平臺(tái)通過(guò)因子調(diào)節(jié)用戶(hù)在處理子任務(wù)時(shí)的代價(jià)ci。這樣使得CPAIP在提高任務(wù)處理效率的同時(shí)也減少了預(yù)算的花費(fèi)。

圖2 預(yù)算剩余比例對(duì)比圖

圖3 預(yù)算——任務(wù)比例對(duì)比圖

3 結(jié) 語(yǔ)

本文針對(duì)現(xiàn)有用戶(hù)參與激勵(lì)機(jī)制策略的不足提出了基于信譽(yù)模型的用戶(hù)參與激勵(lì)機(jī)制。通過(guò)設(shè)置用戶(hù)的信譽(yù)值，每次選擇信譽(yù)高的用戶(hù)來(lái)依次處理子任務(wù)集，并設(shè)置因子來(lái)減少用戶(hù)的花費(fèi)代價(jià)，影響平臺(tái)對(duì)于用戶(hù)的支付機(jī)制，并通過(guò)代價(jià)、報(bào)酬和閾值這三者的關(guān)系來(lái)決定用戶(hù)最終是否接受子任務(wù)的處理請(qǐng)求。該機(jī)制模型與現(xiàn)有用戶(hù)參與激勵(lì)機(jī)制策略相比，在提高任務(wù)完成效率和減少預(yù)算方面具有明顯的優(yōu)勢(shì)。

在未來(lái)的工作中，我們?cè)谶M(jìn)一步完善該模型的基礎(chǔ)上，考慮記錄用戶(hù)的成功與失敗的比例，并以此來(lái)優(yōu)化用戶(hù)選擇。同時(shí)也可以在子任務(wù)效用和報(bào)酬支付方面進(jìn)一步優(yōu)化該模型性能。

[1] Ganti R K,Ye F,Lei H.Mobile crowdsensing:current state and future challenges[J].IEEE Communications Magazine,2011,49(11):32-39.

[2] 趙東.移動(dòng)群智感知網(wǎng)絡(luò)中數(shù)據(jù)收集與激勵(lì)機(jī)制研究[D].北京:北京郵電大學(xué),2014.

[3] Koukoumidis E,Peh L S,Martonosi M R.SignalGuru:leveraging mobile phones for collaborative traffic signal schedule advisory[C]//Proceedings of the 9thInternational Conference on Mobile Systems,Applications,and Services.ACM,2011:127-140.

[4] D’Hondt E,Stevens M,Jacobs A.Participatory noise mapping works! An evaluation of participatory sensing as an alternative to standard techniques for environmental monitoring[J].Pervasive and Mobile Computing,2013,9(5):681-694.

[5] Rana R K,Chou C T,Kanhere S S,et al.Ear-phone:an end-to-end participatory urban noise mapping system[C]//Proceedings of the 9th ACM/IEEE International Conference on Information Processing in Sensor Networks,2010:105-116.

[6] Zhao D,Li X Y,Ma H.Budget-feasible online incentive mechanisms for crowdsourcing tasks truthfully[J].IEEE/ACM Transactions on Networking,2016,24(2):647-661.

[7] Yang D,Xue G,Fang X,et al.Crowdsourcing to smartphones:incentive mechanism design for mobile phone sensing[C]//Proceedings of the 18thAnnual International Conference on Mobile Computing and Networking.ACM,2012:173-184.

[8] Duan L,Kubo T,Sugiyama K,et al.Incentive mechanisms for smartphone collaboration in data acquisition and distributed computing[C]//Proceedings of the 2012 IEEE International Conference on Computer Communications,2012:1701-1709.

[9] Han K,Zhang C,Luo J,et al.Truthful scheduling mechanisms for powering mobile crowdsensing[J].IEEE Transactions on Computers,2016,65(1):294-307.

[10] Jaimes L G,Vergara-Laurens I,Labrador M A.A location-based incentive mechanism for participatory sensing systems with budget constraints[C]//Proceedings of the 2012 IEEE International Conference on Pervasive Computing and Communications,2012:103-108.

[11] Zhu Y,Zhang Q,Zhu H,et al.Towards truthful mechanisms for mobile crowdsourcing with dynamic smartphones[C]//Proceedings of the 2014 IEEE 34th International Conference on Distributed Computing Systems,2014:11-20.

[12] Angelopoulos C M,Nikoletseas S,Raptis T P,et al.Design and evaluation of characteristic incentive mechanisms in mobile crowdsensing systems[J].Simulation Modelling Practice and Theory,2015,55:95-106.

CROWD SENSING NETWORK USER PARTICIPATION INCENTIVE MECHANISM BASED ON CREDIBILITY MODEL

Zhang Ning Su Hua Sun Xuemei*Zhao Shuaifei

(CollegeofComputerScienceandSoftwareEngineering,TianjinPolytechnicUniversity,Tianjin300387,China)

With the popularization and development of mobile devices which integrated more and more sensors, the mobile crowd sensing network is becoming a new research field. Adequate user participation (especially users with good credibility) is the basis for mobile crowd sensing network. Based on the research and analysis of user participation incentive mechanism, aiming at the shortcomings of the existing incentive mechanism, such as randomness of user selection, task processing efficiency and budget control, a user participation incentive mechanism based on credibility model is proposed. The initial value of the user’s credibility set in the task allocation process to select high credibility of the user to participate in task processing, and set the factor to reduce the cost of the user’s cost, so that improve the efficiency of task processing on the basis of effective control of the budget. Finally, it is verified by experiments that compared with the existing popular user participation incentive mechanism, the user participation incentive mechanism based on credibility model has better effect in improving the efficiency of task processing and budget control.

Mobile crowd sensing Incentive mechanism Credibility model User participation

2016-04-01。張寧，碩士生，主研領(lǐng)域：計(jì)算機(jī)網(wǎng)絡(luò)，群智感知網(wǎng)絡(luò)。蘇華，副教授。孫學(xué)梅，副教授。趙帥飛，本科生。

TP3

A

10.3969/j.issn.1000-386x.2017.05.021