群智感知網路中的用戶行為分析

圖片來源於網路

關鍵詞:群智感知網路、效益最大化、動態編程、蜂窩網、Wi-Fi、感測數據收集方

研究背景

群智感知網路是一個自主行為的網路。 與傳統的感知網路不同，群智感知網路一般沒有統一的中心控制單元來控制、安排移動用戶的行為，移動用戶可以根據自己的實際情況來自主決定自己的行為。這種網路為移動用戶提供很強的自由度，他們可以選擇是否參與到感知網路中，如果參與並執行了感知任務，他們可以選擇如何上傳、何時上傳獲得的感知數據等等。所以在群智感知網路的研究中，對移動用戶行為的分析是一個非常重要的課題。

研究問題

本文針對群智感知網路中的移動用戶和數據收集方的行為進行研究。主要包括分析數據收集方的優化行為、移動用戶是否參與到感測任務的執行中、何時上傳以及如何上傳收集到的感測數據等。在問題的建模和求解過程中我們考慮到了用戶的移動性、接入網路的多樣性、數據的實時性、傳輸開銷等。

研究方法和結果

本文使用博弈論和優化理論的方法。首先，我們把問題建模成斯塔克爾伯格模型(Stackelberg game)，用逆向歸納法先研究移動用戶的參與與否與何時上傳數據的行為，然後再研究數據收集方如何設定所需要支付的報酬(reward)來最大化自己的收益函數。通過詳盡的分析，本文給出移動用戶在不同情況下的優化行為以及數據收集方在不同情況下如何設置報酬來實現其效益函數的最大化。

本文考慮了衰減報酬(discounted reward)和固定報酬(fixed reward)兩種情況。對於時延限制下的衰減報酬，本文使用動態編程的方法對移動用戶的最優行為進行求解；對於時延限制下的固定報酬(fixed reward)，文本將報酬設置分成兩種不同情況：（i）報酬設置小於使用蜂窩網上傳數據所需開銷；（ii）報酬設置大於使用蜂窩網上傳數據所需開銷。分別分析在這兩種不同情況的移動用戶行為。當報酬設置小於使用蜂窩網上傳數據所需開銷時，獲取到感知數據的移動用戶有可能選擇不上傳數據。當報酬設置大於使用蜂窩網上傳數據所需開銷時，獲取到感知數據的移動用戶一定會通過適當的方式將數據上傳。於是移動用戶的行為分為三種情況：（i）不參與；（ii）參與但是不上傳數據；（iii）參與並上傳數據。本文對這三種情況的發生概率進行分析和推導，並基於用戶行為的完整數學推導結果，對數據收集方如何設置報酬來最大化自己的收益進行求解。

對於時延限制下的固定報酬，本文進一步放寬對數據上傳開銷、數據感知開銷、以及用戶移動性方面的假設限制，討論當用戶在時延限制之前能使用WiFi網路的概率滿足截斷正態分布的情況下，用戶移動性和WiFi普遍性對數據收集方如何設置最優化的報酬以及所獲得的收益進行分析和討論。當較多的移動用戶有更大的機率通過WiFi網路上感測知數據時，數據收集方只需要提供較小的報酬激勵就能收集到足夠的數據，並獲得較高的收益。當較多的移動用戶只有很小的機率通過WiFi網路上感測知數據時，數據收集方需要提供較高的報酬激勵才能收集到足夠的數據，並且獲得的收益會急劇減少。本文模擬結果中詳細給出不同參數對最優報酬設置以及所獲得的最大收益的影響。

論文及作者介紹

論文信息：

M. H. Cheung, F. Hou, and J. Huang, 「Delay-Sensitive Mobile Crowdsensing Algorithm Design and Economics," IEEE Transactions on Mobile Computing, to appear, 2018.

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！