一種滿足匹配約束的群智感知激勵方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及群智感知領(lǐng)域，尤其涉及一種滿足匹配約束的群智感知激勵方法。
【背景技術(shù)】
[0002] 群智感知是一種新興的通過大量普通手機用戶采集數(shù)據(jù)（比如圖片、聲音、位置 等），從而完成感知任務(wù)的問題解決方案，利用采集的感知數(shù)據(jù)，研宄人員能夠?qū)崿F(xiàn)滿足人 們生活需求的多種多樣的感知應(yīng)用，包括交通監(jiān)控，環(huán)境監(jiān)控，基于位置的服務(wù)，以及室內(nèi) 定位等。實現(xiàn)群智感知依賴于大量的手機用戶，以及手機感知與通信技術(shù)的提高。一方面， 根據(jù)國際著名的數(shù)據(jù)統(tǒng)計公司IDC統(tǒng)計，2013年智能手機銷量已達到十億，這意味著有大 量的手機用戶成為潛在的感知人員。另一方面，當(dāng)前的智能手機擁有強大的計算和通訊能 力，并且集成了越來越多的傳感器，成為用戶與環(huán)境之間的多功能接口。只有這兩方面的元 素能夠有效的結(jié)合起來，群智感知應(yīng)用才能有效的運行，給人們生活帶來便利。然而，在現(xiàn) 實生活中，普通的手機用戶在參與感知的過程中，會造成自身的資源消耗以及隱私泄露，因 此他們不會自愿的參與感知。研宄人員為此研宄了有效的基于拍賣理論的激勵機制來刺激 用戶參與感知。
[0003] 早期的激勵機制集中于線下模型，他們假設(shè)同步了大量的手機用戶進行競價，感 知平臺從中選擇可以使效益最大化的一部分用戶來參與感知，并付給這些參與感知的用戶 相應(yīng)的報酬。然而感知應(yīng)用在實際部署中，用戶通常是在不同的時間進行競價的，因此最近 的研宄工作中，研宄人員設(shè)計了在線激勵機制，使得感知平臺能實時動態(tài)的接受用戶的競 價，并且做出即時的判斷，選擇是否雇傭當(dāng)前的競價用戶。然而這些在線激勵機制還是限制 了感知應(yīng)用的選擇能力，因此不利于感知應(yīng)用的效益最大化。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于提出一種滿足匹配約束的群智感知激勵方法，能夠使得群智感 知應(yīng)用主動分配感知任務(wù)給選擇的用戶端，從而獲得更高的收益。
[0005] 為達此目的，本發(fā)明采用以下技術(shù)方案：
[0006] 一種滿足匹配約束的群智感知激勵方法，包括：
[0007] 任務(wù)請求端發(fā)送感知任務(wù)集合到目標感知區(qū)域的用戶端集合中的每個用戶端；
[0008] 用戶端接收到所述感知任務(wù)集合，判斷所述感知任務(wù)集合中是否存在滿足預(yù)設(shè)條 件的感知任務(wù)，若是，則提交競標數(shù)據(jù)，所述競標數(shù)據(jù)包括由滿足預(yù)設(shè)條件的感知任務(wù)組成 的競標任務(wù)子集；
[0009] 任務(wù)請求端接收到所有用戶端的競標數(shù)據(jù)，基于激勵模型計算出每個感知任務(wù)中 給任務(wù)請求端帶來最大效益的中標用戶端，并將所述感知任務(wù)分配給對應(yīng)的中標用戶端； [0010] 所述中標用戶端得到任務(wù)請求端的確認及分配的感知任務(wù)后，執(zhí)行所述感知任 務(wù)，并將感知結(jié)果發(fā)送給任務(wù)請求端。
[0011] 其中，所述激勵模型的建立方法為：
[0012] 建立用戶端集合與感知任務(wù)集合之間的二分圖G= ({U，Q}，E)，其中，U = {1，2, ...，η}表示用戶端集合，Q = {1，2, ...，m}表示感知任務(wù)集合，E是連接用戶端和感知 任務(wù)的邊的集合，每條邊e = (i，j) e E表示感知任務(wù)j滿足用戶端i的預(yù)設(shè)條件，i e U， j e Q；
[0013] 通過尋找所述二分圖中的一個匹配M e E選擇用戶端并將合適的感知任務(wù)分配給 所述用戶端，得到用戶端i e U(M)的效益為：Ui= p i-Ci，其中U(M)為匹配M中的用戶端節(jié) 點，Pi為任務(wù)請求端支付給用戶端i的報酬，c 1是用戶端i完成一個感知任務(wù)的成本，任務(wù) 請求端的效益公式：
[0014]
【主權(quán)項】
1. 一種滿足匹配約束的群智感知激勵方法，其特征在于，包括： 步驟110、任務(wù)請求端發(fā)送感知任務(wù)集合到目標感知區(qū)域的用戶端集合中的每個用戶 端； 步驟120、用戶端接收到所述感知任務(wù)集合，判斷所述感知任務(wù)集合中是否存在滿足預(yù) 設(shè)條件的感知任務(wù)，若是，則提交競標數(shù)據(jù)，所述競標數(shù)據(jù)包括由滿足預(yù)設(shè)條件的感知任務(wù) 組成的競標任務(wù)子集； 步驟130、任務(wù)請求端接收到所有用戶端的競標數(shù)據(jù)，基于激勵模型計算出每個感知任 務(wù)中給任務(wù)請求端帶來最大效益的中標用戶端，并將所述感知任務(wù)分配給對應(yīng)的中標用戶 端； 步驟140、所述中標用戶端得到任務(wù)請求端的確認及分配的感知任務(wù)后，執(zhí)行所述感知 任務(wù)，并將感知結(jié)果發(fā)送給任務(wù)請求端。
2. 根據(jù)權(quán)利要求1所述的一種滿足匹配約束的群智感知激勵方法，其特征在于，所述 激勵模型的建立方法為： 建立用戶端集合與感知任務(wù)集合之間的二分圖G = ({U，Q}，E)，其中，U = {1，2,. . .，η} 表示用戶端集合，Q = {1，2, ...，m}表示感知任務(wù)集合，E是連接用戶端和感知任務(wù)的邊的 集合，每條邊e = (i, j) e E表示感知任務(wù)j滿足用戶端i的預(yù)設(shè)條件，i e U，j e Q ; 通過尋找所述二分圖中的一個匹配M e E選擇用戶端并將合適的感知任務(wù)分配給所述 用戶端，得到用戶端i e U(M)的效益為：Ui= Pi-Ci，其中U(M)為匹配M中的用戶端節(jié)點， Pi為任務(wù)請求端支付給用戶端i的報酬，c 1是用戶端i完成一個感知任務(wù)的成本，任務(wù)請求 端的效益公式： u(M) =Σ JeQ(M)Vj 其中，Q(M)為匹配M中的感知任務(wù)節(jié)點，Vj為每一個完成的任務(wù)j e Q能給任務(wù)請求 端帶來效益； 所述u(M)符合以下條件：
其中，B為任務(wù)請求端的預(yù)算。
3. 根據(jù)權(quán)利要求2所述的一種滿足匹配約束的群智感知激勵方法，其特征在于，所述 激勵模型為即時模型或延時模型，其中，所述即時模型中，用戶端到達時間和離開時間相 同，所述延時模型中，用戶在到達之后可以馬上離開，也可以停留一段時間。
4. 根據(jù)權(quán)利要求3所述的一種滿足匹配約束的群智感知激勵方法，其特征在于，所述 即時模型的工作方法為： 步驟210、分階段計算閾值，每個階段的結(jié)束對應(yīng)時刻為:T = 2i_1T / 21°8271，相應(yīng)的，每 個階段的預(yù)算為B' = 2i_15 / ，其中，T為選擇用戶端的時間長度，計算閾值的時刻為 1,2,..., Iog2T, log2T+l ； 步驟220、當(dāng)即時時間t < T時，用戶端i提交競標數(shù)據(jù)，基于所述二分圖判斷所述競標 數(shù)據(jù)是否滿足條件：P ·ν」<Β'-Σ ^υ(Μ)ρ/，其中，P是當(dāng)前已中標用戶端的每單 位感知任務(wù)價值的閾值價格P = B' /U(Μ'），\是能夠分配給用戶端i的任務(wù)； 步驟230、若滿足條件，則選擇所述用戶端i為中標用戶端，并將感知任務(wù)j分配給所述 用戶端i，并賦予其報酬P(guān) · \，將所述用戶端i和所述感知任務(wù)j添加到匹配M中； 步驟240、更新閾值P，更新Τ' = 2T'，B' = 2B'，更新到下一時刻t = t+Ι，返回步驟 220〇
5. 根據(jù)權(quán)利要求3所述的一種滿足匹配約束的群智感知激勵方法，其特征在于，所述 延時模型的工作方法為： 步驟310、分階段計算閾值，每個階段的結(jié)束對應(yīng)時刻為：T = 2?_1；Γ / 2li5g7，相應(yīng)的，每 個階段的預(yù)算為B' = / ，其中，T為選擇用戶端的時間長度，計算閾值的時刻為 1,2,..., Iog2T, log2T+l ； 步驟320、當(dāng)即時時間t < T時，將所有此時刻到來的用戶端添加到活躍用戶端集合0 中，令 0' = 0\U (M); 步驟330、基于所述二分圖判斷0'中的每個用戶端i所提交的競標數(shù)據(jù)是否滿足條件： b# P ·ν#Β'-Σ ??(Μ)ρ/，其中，P是當(dāng)前已中標用戶端的每單位感知任務(wù)價值的閾 值價格P = B' /U(M'），'是能夠分配給用戶端i的任務(wù)； 步驟340、若滿足條件，則選擇所述用戶端i為中標用戶端，并將感知任務(wù)j分配給所述 用戶端i，并賦予其報酬P(guān) · \，將所述用戶端i和所述感知任務(wù)j添加到匹配M中； 步驟350、從活躍用戶端集合0中刪除此時刻離開的用戶端，并將所述離開的用戶端添 加到所述二分圖中； 步驟360、更新閾值P，更新Τ' = 2T'，B' = 2B'，更新到下一時刻t = t+Ι，返回步驟 320〇
6. 根據(jù)權(quán)利要求3所述的一種滿足匹配約束的群智感知激勵方法，其特征在于，所述 用戶端i的真實參數(shù)為：Θ i= {a i，屯Ci，QJ，其中，叫和d 別代表用戶端i到達和離開 的時間，（^是用戶端i完成一個任務(wù)的成本，Qi是滿足預(yù)設(shè)條件的感知任務(wù)組成的競標任 務(wù)子集；所述用戶端i提交的競標數(shù)據(jù)為：Θ ' i= {a' pd' 1，匕，(^}，其中，&'1和(1' i 分別代表用戶端i提交給任務(wù)請求端的到達時間和離開時間，匕是用戶端i的競標價格。
7. 根據(jù)權(quán)利要求1所述的一種滿足匹配約束的群智感知激勵方法，其特征在于，所述 預(yù)設(shè)條件包括用戶端所處的地理位置及用戶端的運動軌跡的計劃。
【專利摘要】本發(fā)明涉及群智感知領(lǐng)域，尤其涉及一種滿足匹配約束的群智感知激勵方法，包括：任務(wù)請求端發(fā)送感知任務(wù)集合到目標感知區(qū)域的用戶端集合中的每個用戶端；用戶端接收到所述感知任務(wù)集合，判斷所述感知任務(wù)集合中是否存在滿足預(yù)設(shè)條件的感知任務(wù)，若是，則提交競標數(shù)據(jù)，所述競標數(shù)據(jù)包括由滿足預(yù)設(shè)條件的感知任務(wù)組成的競標任務(wù)子集；任務(wù)請求端接收到所有用戶端的競標數(shù)據(jù)，基于激勵模型計算出每個感知任務(wù)中給任務(wù)請求端帶來最大效益的中標用戶端，并將所述感知任務(wù)分配給對應(yīng)的中標用戶端；所述中標用戶端得到任務(wù)請求端的確認及分配的感知任務(wù)后，執(zhí)行所述感知任務(wù)，并將感知結(jié)果發(fā)送給任務(wù)請求端，本發(fā)明能夠使得群智感知應(yīng)用主動分配感知任務(wù)給選擇的用戶端，從而獲得更高的收益。
【IPC分類】G06Q30-08
【公開號】CN104657893
【申請?zhí)枴緾N201410687748
【發(fā)明人】張幸林, 楊錚, 朱彤, 苗欣
【申請人】無錫清華信息科學(xué)與技術(shù)國家實驗室物聯(lián)網(wǎng)技術(shù)中心
【公開日】2015年5月27日
【申請日】2014年11月25日