基于算法博弈理论的群智感知付费型激励机制研究

Crowdsensing provides a promising paradigm for large scale and highly complex data sensing due to the prominent advantages such as low cost, good scalability, pervasive application scenarios. The incentive mechanisms should not only stimulate the users to participate in the crowdsensing, but also improve the profit of platform, data quality, the ability of privacy protection, and the adaptability for various complex application scenarios. However, existing study of incentive mechanism design for crowdsensing is insufficient. Focusing on and breaking through three key problems in crowdsensing: data quality formalization, privacy protection based incentive mechanism framework, and user cooperative behavior abstraction and compatibility model construction, this project comprehensively utilizes the achievements and powerful tools from auction theory, contract theory, graph theory, algorithm design theory, frugality theory, voting theory, and online social network to studiy the design theory and methods of frugality theory based incentive mechanisms, the quality aware incentive mechanisms, privacy protection based incentive mechanisms, and incentive mechanisms towards complex tasks. The objective of this project is providing the innovative design methods of algorithmic game theory based monetary incentive mechanisms for crowdsensing, improving the business value, data quality, privacy protection ability, and handling ability for complex application scenarios of crowdsensing system. The research results of this project are expected to provide theoretical basis and technical supports for the development and popularization of novel crowdsensing applications.

群智感知由于代价低、扩展性优和普适性强等独特优势为大规模、高复杂度数据感知提供了一种极具诱惑力的新型感知模式。激励机制的作用不仅是吸引用户参与，还应能提高系统收益和数据质量，提供隐私保护能力，并能适应各种复杂应用环境。目前国内外对群智感知激励机制的研究尚不充分。本课题聚焦并突破数据质量刻画方法、隐私保护激励机制设计框架、用户合作行为抽象与兼容模型构建三大关键问题，综合拍卖理论、契约理论、图论、算法设计理论、节俭度理论、投票理论、社交网络等领域的最新研究成果和研究手段，多学科交叉融合，重点研究基于节俭度理论的激励机制、质量导向的激励机制、基于隐私保护的激励机制、面向复杂任务的激励机制的相关理论和方法，形成具有创新性的、以算法博弈论为主要理论依据的付费型群智感知激励机制设计方法，提高群智感知系统的商业价值、数据质量、隐私保护能力和复杂应用处理能力，为群智感知的发展和普及提供理论基础和技术支撑。

针对我国群智感知理论及其激励机制设计面临的关键问题，紧密结合群智感知的领域导向，面向群智感知系统中提高系统效益、提高数据质量、增强隐私保护能力、提升感知能力的迫切需求，本项目采用算法博弈理论，对群智感知中的付费型激励机制进行了系统深入的研究。重点研究了基于节俭度理论的群智感知激励机制、质量导向的群智感知激励机制、基于隐私保护的群智感知激励机制、面向复杂任务的群智感知激励机制等相关理论和方法，形成了一系列具有创新性的、具备理论依据的群智感知激励机制设计方法。本项目在以下10个方面取得了具有重要意义的研究结果：（1）提出了带复制者的众包真值发现激励机制；（2）提出了移动群智感知中面向时空任务的激励机制；（3）提出了基于兼容用户的合作任务激励机制；（4）提出了基于智能合约的网络保险激励机制；（5）提出了基于边缘计算的大规模移动群智感知真值发现激励机制；（6）提出了基于社会影响力的大规模众包任务扩散激励机制；（7）提出了移动群智感知中的双目标鲁棒激励机制；（8）提出了基于细粒度能力信誉的移动群智感知激励机制；（9）提出了基于社交网络的移动众包任务扩散主题敏感激励机制；（10）提出了基于两层社交众包架构的移动众包激励机制。通过本项目的开展，可有效提高群智感知系统的用户参与度，群智感知的商业价值、数据质量、隐私保护能力和面对新型复杂应用环境的适应能力，发掘理性公正的群智感知市场，为群智感知的发展和普及提供了理论基础和技术支撑。