Abstract ：

激励是实现群智感知(CS)众包服务的主要方法,针对现有方法在服务过程中没有充分考虑节点参与数量和恶意竞争对群智感知带来的影响,提出一种基于反拍卖模型的激励(RVA-IM)方法.首先,研究众包的激励机制,结合反拍卖与Vickrey拍卖思想,构建面向任务覆盖的反拍卖模型;其次,对模型中涉及的任务覆盖、反拍卖选择和奖励实施等关键技术问题进行深入分析与研究;最后,从计算有效、个人理性、预算平衡、真实性和诚实性五个方面分析RVA-IM激励方法的有效性.实验结果表明,与IMC-SS和MSensing激励方法相比,RVA-IM在有效性和可行性方面均有较好的表现,能够解决现有方法中的恶意竞争问题,并能够平均提升众包服务完成率约21％.

Keyword ：

Vickrey拍卖 反拍卖 激励机制 群智感知 众包

Cite：

Copy from the list or Export to your reference management。

Keyword ：

Vickrey拍卖 反拍卖 激励机制 群智感知 众包

Cite：

Copy from the list or Export to your reference management。

Abstract ：

群智感知是物联网环境下的一种新型感知模式，它利用普通用户所携带的移动设备通过主动式或被动式的感知完成大量感知数据的收集和上传，进一步实现对物理世界的情景感知，具有广阔的应用前景，并逐渐成为国内外研究的热点。然而，考虑到完成感知任务的开销和可能存在的隐私泄露威胁，并不是每个用户都愿意参与众包感知任务并提供高质量的感知数据。激励作为实现群智感知众包服务的主要方法，通过设置适当的奖励措施吸引用户参与，确保一定数量的参与者和提高感知数据的质量。 本文围绕群智感知中的激励问题展开研究，针对现有方法在激励过程中没有充分考虑感知任务的参与用户数量、恶意竞标行为和数据质量认证对群智感知带来的影响，提出一种基于反向Vickrey拍卖激励机制(Reverse Vickrey Auction based Incentive Mechanism，RVA-IM)。首先，研究了群智感知中众包服务的激励机理，为解决现有激励方法中“搭便车”等问题，构建一种面向感知任务的群智感知系统激励模型，该模型主要实现了众包服务节点的选择功能和感知数据质量的控制功能；其次，对群智感知中众包激励机制的关键技术进行了研究，并结合反向拍卖方法与第二价格密封拍卖（Vickrey拍卖）方法的思想，在群智感知系统激励模型的基础上提出基于反向Vickrey拍卖的激励机制RVA-IM，该机制主要由任务覆盖、用户选择、支付决定和质量认证四个算法构成；最后，从计算有效、个人理性、预算平衡、真实性和诚实性五个方面分析了RVA-IM的有效性。 实验结果表明，与IMC-SS、MSensing和CSII激励机制相比，RVA-IM在有效性和可行性方面均有较好的表现，不仅能够解决现有基于反向拍卖激励方法中的恶意竞标行为问题，有利于提高用户参与群智感知的积极性，而且能够平均减少众包用户的“搭便车”行为约30%，有利于提高感知任务的数据质量，并能够平均提升众包感知任务完成率约21%。本文的研究成果可以为群智感知环境下的服务节点选择、任务分配和众包激励等方面提供新的理论支持和技术支撑，对该领域激励机制的研究与设计具有一定的参考价值。

Keyword ：

Vickrey拍卖 反向拍卖 激励机制 群智感知 众包

Cite：

Copy from the list or Export to your reference management。