论文部分内容阅读
移动群智感知网络覆盖范围广,部署节点成本低。近年来在各个领域都有比较广泛的应用,比如环境、公共设施、社交网络以及社会感知等领域。而这种新型网络的主要特点是以人为中心,它的数据收集模式的基础是大量的移动用户。参与用户的数量直接决定了这种移动群智感知应用的成败,因此设计一个高效可行激励机制,提高用户参与度就显得尤为重要。激励机制通常需要解决如下几个核心问题:首先提升用户参与率,此为设计激励机制的主要目标;其次激发潜在用户参与任务的积极性,大量的用户参与是移动群智感知系统平台的基础;然而,大量的用户参与也并不能保证其所提交的感知报告具有较高反馈质量,因此激励机制还需刺激用户倾向于提供更高质量的感知报告,从而提高任务完成度与完成效率;最后,群智感知激励机制的设计必须考虑用户的隐私保护问题,让用户放心的参加任务而不必担心隐私泄露。为完成系统平台发布的感知任务,任务报告可能会涉及用户的时间、空间以及其他隐私信息。这种隐私信息的泄露会给用户带来危害,从而可能造成部分经验丰富的老用户的流失,进而影响最终的任务结果和完成度。针对上述问题,本文进行了深入研究,主要贡献包括:(1)匿名的信任关系管理机制。用户更希望匿名提交感知任务,而平台倾向于了解提交数据的用户身份以便更好地进行数据评估。本文所提框架,可有效解决匿名与信任之间的矛盾。该机制包括合理的信誉奖惩制度,支持正负信誉的更新。用户可使用盲ID匿名提交感知报告,使其隐私得到合理保护。同时,系统平台可在用户匿名的情况下根据上下文信息评估其所提交的感知报告。平台管理一个含有用户身份和信誉值的信誉数据库,用户的信誉取决于其以往操作行为,且用户无法控制信誉更新过程。这样,已被招募的参加任务的用户在整个任务过程中隐私信息都能得到充分保护,让用户更放心的参与到任务中来。同时,用户能根据提供的感知报告的质量得到合理的奖惩,以此达到激励用户的目的。(2)提出了基于信誉值-活跃度的用户信任关系模型。在群智感知系统平台中,用户可以选择成为需求方,也可以选择成为服务方。在进行数据传输时,必然会产生间接的交互。这种交互关系可以被量化,本文提出一个新概念——“信任关系”。信任关系与活跃度和信誉值紧密相关。在以往的激励机制中研究者多考虑用户的信誉值,却很少考虑用户的活跃程度。一个信誉值很高,却长期未参加任务的用户,其能被信任的程度会有所下降。因此本文将活跃度、信誉值,均作为考量信任关系的指标并提出了评估方案,这样对新晋的活跃用户比较公平,系统在留存老用户的同时,也能激励到新用户。同时这样能招募到更加值得信任的用户,对提高移动群智感系统的结果精确性起着至关重要的作用。(3)提出了保证数据质量的多任务用户招募方案。实际场景中,群智感知系统平台会将需求方用户的一个大的需求分割为一系列小的子任务。每个用户的能力不同所报名参加的子任务集也不同,同时平台也更想招募能提供高质量感知数据的用户。本文将此类多任务用户招募场景抽象成MTUR问题,并证明MTUR问题是一个NP-hard问题。针对该问题,本文设计并提出MTUR招募算法,并通过仿真实验验证了算法的性能。在保证任务完成率情况下,优先招募强信任关系的用户以保证数据质量。招募与需求方用户拥有强大的信任关系的服务方用户,感知报告的质量和精确性都能得到保障。以上方案能有效让用户放心的参加任务而不必担心隐私泄露,激发潜在用户参与任务的积极性。同时合理的奖惩机制,能让提供高质量感知报告的用户得到更多的激励,刺激用户倾向于提供更高质量的感知报告。同时招募方案保证任务完成度,从而提高整体任务完成效率。