群智感知网络中的用户行为分析

图片来源于网络

关键词:群智感知网络、效益最大化、动态编程、蜂窝网、Wi-Fi、传感数据收集方

研究背景

群智感知网络是一个自主行为的网络。 与传统的感知网络不同，群智感知网络一般没有统一的中心控制单元来控制、安排移动用户的行为，移动用户可以根据自己的实际情况来自主决定自己的行为。这种网络为移动用户提供很强的自由度，他们可以选择是否参与到感知网络中，如果参与并执行了感知任务，他们可以选择如何上传、何时上传获得的感知数据等等。所以在群智感知网络的研究中，对移动用户行为的分析是一个非常重要的课题。

研究问题

本文针对群智感知网络中的移动用户和数据收集方的行为进行研究。主要包括分析数据收集方的优化行为、移动用户是否参与到传感任务的执行中、何时上传以及如何上传收集到的传感数据等。在问题的建模和求解过程中我们考虑到了用户的移动性、接入网路的多样性、数据的实时性、传输开销等。

研究方法和结果

本文使用博弈论和优化理论的方法。首先，我们把问题建模成斯塔克尔伯格模型(Stackelberg game)，用逆向归纳法先研究移动用户的参与与否与何时上传数据的行为，然后再研究数据收集方如何设定所需要支付的报酬(reward)来最大化自己的收益函数。通过详尽的分析，本文给出移动用户在不同情况下的优化行为以及数据收集方在不同情况下如何设置报酬来实现其效益函数的最大化。

本文考虑了衰减报酬(discounted reward)和固定报酬(fixed reward)两种情况。对于时延限制下的衰减报酬，本文使用动态编程的方法对移动用户的最优行为进行求解；对于时延限制下的固定报酬(fixed reward)，文本将报酬设置分成两种不同情况：（i）报酬设置小于使用蜂窝网上传数据所需开销；（ii）报酬设置大于使用蜂窝网上传数据所需开销。分别分析在这两种不同情况的移动用户行为。当报酬设置小于使用蜂窝网上传数据所需开销时，获取到感知数据的移动用户有可能选择不上传数据。当报酬设置大于使用蜂窝网上传数据所需开销时，获取到感知数据的移动用户一定会通过适当的方式将数据上传。于是移动用户的行为分为三种情况：（i）不参与；（ii）参与但是不上传数据；（iii）参与并上传数据。本文对这三种情况的发生概率进行分析和推导，并基于用户行为的完整数学推导结果，对数据收集方如何设置报酬来最大化自己的收益进行求解。

对于时延限制下的固定报酬，本文进一步放宽对数据上传开销、数据感知开销、以及用户移动性方面的假设限制，讨论当用户在时延限制之前能使用WiFi网络的概率满足截断正态分布的情况下，用户移动性和WiFi普遍性对数据收集方如何设置最优化的报酬以及所获得的收益进行分析和讨论。当较多的移动用户有更大的机率通过WiFi网络上传感知数据时，数据收集方只需要提供较小的报酬激励就能收集到足够的数据，并获得较高的收益。当较多的移动用户只有很小的机率通过WiFi网络上传感知数据时，数据收集方需要提供较高的报酬激励才能收集到足够的数据，并且获得的收益会急剧减少。本文仿真结果中详细给出不同参数对最优报酬设置以及所获得的最大收益的影响。

论文及作者介绍

论文信息：

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