参与式感知系统激励机制的研究与实现

硕 士 专 业 学 位 论 文参与式感知系统激励机制的研究与实现专业名称：电子与通信工程 参与式感知系统激励机制的研究与实现摘要随着电子信息技术、传感器技术和通信技术的飞速发展，相关硬件水平的不断提高，使得移动终端设备有了巨大的改进。这些大量使用的智能终端设备集成了丰富的传感器，这为实现大规模数据感知，即参与式感知，创造了条件。参与式感知鼓励普通民众使用他们的智能设备来收集和分享周围环境和个人的数据，降低了数据采集成本、提供了一种灵活便捷且覆盖范围广泛的新型感知方法。参与式感知技术可广泛应用于环境监测、安全应急、城市管理等领域。然而高质量的数据获取是参与式感知面临的技术难题之一，针对这一问题，参与式感知通过采用设计有效的激励机制来鼓励、保障和吸引相对稳定有效的感知群体加入感知活动，从而提升感知数据质量，保障应用需求。因此，参与式感知激励机制的研究具有重要意义。本文基于感知任务的数据质量，并充分考虑用户在参与感知活动时，由于日常活动导致的感知数据质量动态变化的情况，研究了一种基于信息质量的参与式感知激励机制。主要研究内容包括：1）本文将参与式感知平台与用户构建成两阶段的斯塔克伯格博弈模型，通过求解平台和用户之间的纳什均衡，找到他们的最佳感知策略，并引入数据质量评价指标，通过考虑用户与感知任务的相关性，数据提交的时效性以及数据准确性，来反映用户的感知数据质量。2）本文在基于博弈模型的基础上，研究了一种基于信息质量的参与式感知激励方法。该激励方法通过将感知任务分为多轮，在每一轮中以参与者的信誉度作为事先报酬分配指标，在每一轮任务结束后，依据该轮的信息质量来动态调整下一轮的报酬定价，从而保证了感知活动的可持续性。最后，通过案例分析的方式验证该机制的性能。3）基于本文研究的激励机制设计并实现一套参与式感知系统，该系统包含有安卓客户端，Web管理端以及服务器。本文阐述了系统中各主要模块的接口和逻辑设计，并展开说明了如何在系统中实现激励功能。最后以黑盒测试的方式证明系统能够有效运行。关键字：参与式感知；激励机制；数据质量；移动应用IAbstractWith the rapid development of electronic information technology, sensor technology and communication technology, the continuous improvement of the related hardware level has resulted in a tremendous improvement in mobile terminal equipment. These abundantly used intelligent terminal devices integrate numerous sensors, which creates conditions for realizing large-scale data sensing, that is, Participatory Sensing. Participatory Sensing encourages ordinary people to use their smart devices to collect and share data of the surrounding environment or individuals,which reduce data collection costs, and provide a new type of sensing method that is flexible, convenient, and widely covered. Participatory Sensing technology can be widely used in environmental monitoring, security emergency, urban management and other fields.High-quality data acquisition is one of the technical challenges faced by Participatory Sensing. To address this issue, Participatory Sensing encourages, guarantees, and attracts relatively stable and effective groups to participate in sensing activities through the use of design-effective incentive mechanisms to enhance Sensing data quality and protect application requirements. Therefore, the study of participatory sensing incentive mechanism is of great significance.This paper is based on the data quality of sensing tasks, and fully considers the dynamic changes of sensing data quality caused by daily activities when users engage in awareness activities, and studies a Participatory Sensing incentive mechanism based on information quality. The main research content includes:1) This paper builds a two-stage Starkberg game model between the platform and the users. It solves the Nash equilibrium between the platform and the user, finds their best sensing strategy, and introduces data quality evaluation indicators. Relevance to sensing tasks, timeliness of data submission, and data accuracy reflect the users sensing strategy.2) Based on the game model, this paper studies a Participatory Sensing incentive mechanism based on information quality. The incentive method divides the sensing task into multiple rounds. In each round, the creditworthiness of the participants is used as a prior remuneration distribution index. After each round of tasks, the next round of dynamic adjustment is performed according to the information quality of the round. Remuneration pricing, thus ensuring the sustainability of perceived activities. Finally, the validity of the method is verified by case analysis.3) Based on the incentive mechanism proposed in this paper, a set of Participatory Sensing system is designed and implemented. The system includes an Android client, a Web management terminal and a server. This article describes the interface and logic design of each major module in the system, and explains how to implement the incentive mechanism in the system. Finally, the black box test proved that the system can operate effectively.Keywords: Participatory Sensing; Incentive Mechanism; Data Quality; Mobile ApplicationV目录摘要IAbstractIII目录V第1章绪论11.1研究目的与意义11.2国内外研究现状31.3主要研究内容41.4论文结构安排5第2章参与式感知相关理论与技术研究62.1参与式感知系统框架62.2参与式感知激励机制72.3参与式感知系统开发技术92.3.1系统通信技术92.3.2客户端开发技术102.3.3服务器开发技术112.4本章小结12第3章基于信息质量的参与式感知激励机制133.1系统模型133.1.1斯塔克尔伯格博弈模型133.1.2参与者与平台最佳策略153.2激励机制研究173.2.1参与者信誉机制183.2.2动态定价策略203.2.3激励机制设计213.2.4激励算法复杂度分析233.3本章小结23第4章参与式感知系统激励机制的实现244.1需求分析244.1.1系统需求分析244.1.2激励功能需求分析254.2参与式感知系统总体设计264.3激励模块设计274.3.1子模块划分284.3.2子模块详细设计294.4其他模块设计334.4.1用户管理模块334.4.2数据展示模块354.4.3数据采集和数据存储模块设计354.5本章小结37第5章激励机制性能测试385.1激励算法性能测试385.1.1激励模型分析385.1.2激励方法分析405.2系统及激励功能测试425.2.1激励模块功能测试425.2.2用户管理和数据展示模块功能测试455.2.3数据采集和存储模块功能测试485.3本章小结49第6章总结与展望506.1总结506.2展望50参考文献51致谢55第1章 绪论1.1 研究目的与意义近年来，在电子信息技术、通信技术和传感器技术的迅猛发展下，相关硬件水平的不断提高，使得移动终端设备有了巨大的改进，智能手机的市场份额也在不断扩大。由国际数据组织（IDC）发布的全球智能手机数据调查报告中显示，2017年智能手机的出货量达到14.6亿部，并且全球已超过五十亿人在使用智能终端设备1。智能手机等这些智能终端设备内置了大量先进的传感器（如GPS传感器，陀螺仪，加速度计，摄像头，麦克风等），具有较为强大的感知、计算和通信能力。这些普及的智能移动设备可以作为感知个人及周围环境的节点，同时大量的智能移动设备组成的网络可以使人们快速、动态地获取和分享数据。这为实现大规模传感提供了新的方式，被称为参与式感知(Participatory Sensing)2。参与式感知强调以人为中心，利用智能移动设备的感知功能、计算功能和网络通讯功能，结合云服务用于收集和分析数据，从而实现较大区域范围的感知应用活动3。通常数据使用者发布感知任务给持有集成丰富传感器的智能设备的用户，让他们通过WiFi或移动数据网组成一个交互式的感知网络，不论是社会公众还是相关专业人士，都可以通过感知网络收集、上传和共享感知数据信息。研究者、决策者能够根据这些信息作出分析，最后反馈给大众。相较于传统的感知方式，参与式感知具有如下优势4：1）参与式传感利用现有的通信（蜂窝或WiFi）基础设施，几乎不存在部署成本。2）移动感知设备由众多自然人所持有，而人所特有的时空流动性特点，使参与式感知具有广泛的时空覆盖性，还能增大不可预知事件的观测概率。3）手机应用开发的成熟使得软件开发和推广相对容易。总的来说，参与式感知作为一种新的感知计算模式，具有维护成本低、感知范围广、感知数据丰富等优点。在实现更细粒度、低成本的感知情景上，参与式感知是对于传统感知网络的一个很好补充。参与式感知根据其收集感知数据的用途，主要可以分为两类：1）个体感知5-7：其主要用于记录个人活动状态（如跑步、行走、下蹲等）和理解个体生活模式（如活动时间、出行轨迹等）。个体感知获得的感知数据通常用于个人健康监控，以及分析个人活动对环境的影响等。2）公共感知8-11：这类参与式感知主要收集和监控环境参数（如空气质量、噪音污染等）或城市数据（如交通状况、停车位数量等）。公共感知可以完成那些仅靠个体难以实现的大规模、复杂的环境感知任务，收集的数据能够服务于公众，也可对城市规划和机构提供参考。典型的参与式感知系统由两部分组成，一部分是位于云端的参与式感知平台（Platform），另一部分则是众多的参与节点（Participant），其由普通群众以及他们持有的智能终端设备所构成。一般而言，感知平台会发布多个感知任务（Task），每个任务侧重收集某种或几种特定类型的数据，而每个参与节点在同一时刻只能参与一个感知任务。通常的感知数据采集过程如下：首先，感知平台公布感知任务以及感知任务的具体要求，其中包含数据采集的时间、地点、数量等要求。然后每个参与节点根据自身情况来选择感知任务并参与，参与节点按照任务要求采集相应的数据，并上传数据到平台以完成感知任务。感知数据的采集方式一般有手动、自动和基于上下文触发这几种。之后平台检验感知数据的有效性，向参与节点发放感知报酬，收集到的感知数据将存放在各种数据库中。对于采集的感知数据经过平台的进一步分析和整合，将以数据或图表的方式展现给大众，以提供有价值的指导。参与式感知可以被应用于个人健康6、交通检测8、社交13、公共安全15、环境监控9等众多方面，来提高人们的生活质量。目前已经出现了一些具有代表性的应用如：1）加州伯克利大学（UCB）开发的空气质量检测应用Common Sense9，参与者利用终端设备通过外接传感器的方式收集周围的空气质量，实现对空气质量的监控；2）IBM公司开展的Creek Watch10项目，用于研究水域流量和污染状况；3）新南威尔士大学（UNSW）开发的Ear Phone11项目，鼓励参与者利用手机麦克风来收集周围环境的噪音信息；4）加州大学洛杉矶分校（UCLA）开发的PEIR12项目，通过记录用户的位置信息，来分析用户的碳排放对环境的影响；5）马里兰大学（UMD）推出的融合了社交网络和环境感知的项目CenceMe13；6）美国著名的地图服务公司位智(Waze) 14推出的基于共享实时交通道路信息的交通导航应用程序。目前，参与式感知是无线传感领域的研究热点，受到国内外研究机构的广泛关注，但是由于缺乏足够数量的感知任务参与者16和较低的数据采集质量17,18等问题，严重阻碍的参与式感知的发展。为了解决这些问题，参与式感知系统通过采用设计有效的激励机制来鼓励和吸引稳定有效的感知群体加入感知活动，从而提高感知数据的数量和质量。参与式感知激励机制的核心目标在于，通过设计合理的激励方法来解决平台和参与者双方在最大化各自效用上所面临的问题，实现激励的功能。就各自来说，感知平台的目标是在其支付代价尽可能小或者可控的条件下激励更多的参与者，来获得更高质量且可靠的感知数据。而作为参与者其参与感知活动的首要障碍是在数据采集中引起的资源损耗与个人隐私泄露。除此之外，激励机制还要考虑线上实时的问题，设计合理的反馈机制来应对实际应用中实时性要求较高的情况。在参与式感知实际的应用场景中，感知任务可能持续较长时间。在参与者进行感知数据收集过程中，每个参与者由于日常生活活动，其时间和位置是在不断变化的，这将造成感知任务与参与者不完全匹配的情况，导致参与者提交的感知数据质量具有动态变化的特性。针对这些问题，设计一种可用于线上实时运行的参与式感知激励机制，来提高感知活动的信息质量和保证感知活动的可持续性，同时在基于该激励机制的基础上实现一套参与式感知系统，具有重要意义。1.2 国内外研究现状参与式感知能够实现大范围的数据采集，解决各种大规模数据需求问题，提供可靠的、高质量的数据服务，在应用领域和研究领域都得到广泛的关注。目前，参与式感知作为一种新兴的感知计算模式，还仍处在探索阶段。而当前的研究方向主要在于激励机制的设计、参与者的隐私保护、参与者招募、数据质量分析等方面，其中激励机制是当前参与式感知研究的热点。如何设计一种合理且有效的参与式感知激励机制，来鼓励和吸引相对稳定有效的感知群体加入感知活动，从而提升感知数据的质量，减少参与者和感知平台不必要的损失和消耗非常重要。参与式感知的激励机制主要分为报酬激励和非报酬激励，在Reddy19等人的研究中指出，以金钱作为完成感知任务回报的报酬激励相比非报酬激励（游戏、社交等方式）具有更好的效果，报酬激励也成为激励机制的研究重点。最早的报酬支付激励机制由Lee20等人在2010年首先提出。他们设计了一种基于反向竞拍的激励RADP（Reverse Auction Dynamic Price），该激励机制采用反向拍卖模型，在每次感知任务中，选取出价最低的参与者作为赢家进行支付。同时为了避免参与者因为屡次竞拍失败而退出，该激励还引入虚拟机分，对于失败者给予一定的积分补偿。随后，Jaimes等人21改进了RADP激励机制，提出了一种基于贪心算法的激励机制GIA（Greedy Incentive Algorithm），其考虑到用户位置分布，区域覆盖范围，预算约束等问题，根据给定固定预算和位置来选择用户子集。该算法有效改善了RADP机制的性能。D Yang等人22于2012年在考虑数据真实性的情况下，设计了两种激励机制，分别是以平台为中心的和以用户为中心的激励机制。在以用户为中心的激励机制中，用户采取反向拍卖的方法向平台出售数据，同时能保证较低的时间复杂度。在以平台为中心的激励中，将平台与用户构建为斯坦伯格博弈模型。其中平台作为领导者，率先公布任务报酬。而用户作为博弈中的跟随者，根据平台的报酬来调整自己的感知策略，以最优自身效益，最后博弈能收敛到纳什均衡。Zhang等人23设计了一种基于重复博弈（Repeated Game）的激励机制。在该激励中引入了用户的信誉指标，用于衡量用户历史完成情况，并将用户报酬方案与信誉机制结合，通过设定的社会规范（Social Norm）来提升所达到的均衡的性能。这种激励机制能够使众包网站以接近帕累托效率的性能工作。Wen Y等人24提出了一种基于数据质量驱动的拍卖（QDA）激励机制。在该激励机制中，平台根据感知数据的质量而不是用户的工作时间来分配报酬，并证明了该机制是具有真实的（Truthfulness），个人理性的（Individually Rationality）以及平台可盈利性的（Profitability）。考虑到现实中的感知场景，用户存在动态加入和退出的情况，因此激励机制需要考虑线上实时的问题。Sun等人25将多信念值（Heterogeneous Belief Value）模型和多臂赌博机MAB（Multi-Armed Bandit）过程模型引入到激励机制中，将线上实时的感知激励过程构建为MAB过程，即用户随时间向平台提交出价，而平台选择一部分用户进行感知活动。同时为了实现系统最大效用，他们提出了一种考虑社会状态与实时吞吐量并基于多信念值模型的激励方法，来解决线上实时的激励问题。对于大部分激励机制只考虑一次短期报酬支付，而忽视感知任务的长期性的情况。Gao等人26在基于李雅普诺夫VCG拍卖模型的基础上，设计了一种长期的在线选择激励机制。该激励机制将每个感知任务分为多个时间片，根据地域和时间片对每个参与者进行报酬支付。他们证明了在没有未来信息的情况下，该激励机制能够实现最佳的线上任务分配，达到长期激励的目的。综上所述，现有的激励机制大都在理论研究层面，且大多数只基于一次短期激励，没有考虑到部分感知任务是具有长期性的问题，即使部分激励机制考虑到长期性问题，但由于设计的激励模型过于复杂，又带来计算效率的问题。且大部分激励机制忽视了参与者随日常生活进行感知活动，所具有感知数据质量动态变化的特点和由此导致的感知活动可持续性问题，同时缺乏有效的价格调整策略，可能会造成参与者实际付出大于感知收益的情况，不利于感知活动的可持续性。为此本文在基于斯坦伯格博弈的基础上，为提高感知活动的信息质量以及减少低质量参与者的出现，提出了一种基于信息质量的参与式感知激励机制。该激励机制将每个感知任务根据时间划分为多轮，并建立用户信誉机制，将每轮用户所能获得的感知报酬与其信誉度相关。在每一轮感知活动中通过对用户参与门槛的限制和对下一轮报酬的补偿或折扣措施来保证感知活动的可持续性并提高参与者的积极性。同时本文在研究激励机制的基础上，为实现该激励机制而设计了一套完整的参与式感知系统。该系统包含手机客户端、服务器以及Web网页端三个部分，能够实现从激励任务的下发，到感知数据的采集以及最后的报酬发放的完整过程，以验证激励机制的实际运行效果。1.3 主要研究内容本文主要研究内容包含两部分：1）研究一种基于信息质量的参与式感知激励机制首先本文分析了当前参与式感知激励机制存在的主要问题，然后借助斯塔克伯格博弈模型，构建参与者与平台的竞争关系，通过分析双方的效用函数，求解各自的最佳感知策略。在此基础上，本文研究了一种基于信息质量的激励机制。该激励机制将每个感知任务根据时间分为多轮，通过引入用户信誉机制和动态定价策略来保证感知活动的可持续性。最后本文通过案例分析的方式，验证算法的性能和效果。2）设计并实现基于激励方法的参与式感知系统为实现本文研究的激励机制，本文在考虑实际应用场景的基础上设计了一种具有实际可行性的参与式感知系统。本文详细的阐述了系统的功能模块划分，和各模块的职责以及调用关系，并给出了在系统上实现激励机制的方案，最后通过黑盒测试验证系统及激励功能能够有效运行。1.4 论文结构安排本论文分为以下六个章节，安排如下：第1章 绪论，主要论述了参与式感知应用特点和参与式感知激励机制在国内外的研究现状，并说明了本文主要研究内容。第2章 阐述了参与式感知的系统框架，并分析了目前主要的参与式感知激励机制以及激励机制主要研究的问题，最后介绍了参与式感知系统开发中使用的技术。第3章 构建参与式感知平台和参与者的斯塔克伯格博弈模型，分析了激励机制所要解决的问题，提出了一种基于信息质量的参与式感知激励机制。第4章 具体到了激励机制的实现。通过分析激励机制的需求，设计并实现了基于本文激励机制的参与式感知系统，并阐述了系统中的各个模块的组成和调用关系。第5章 是激励机制的性能评估，通过设计案例来分析激励算法的性能，并对参与式感知系统中的激励功能进行黑盒测试，验证激励功能的实际运行效果。第六章是总结与展望，总结本文的工作并分析了本文未处理的问题，展望未来可能的进一步工作。第2章 参与式感知相关理论与技术研究本章节主要分析了参与式感知的一些相关理论和技术。本章首先从参与式感知的系统框架开始介绍，阐述了激励机制在系统框架中的存在意义，再简单讨论了参与式感知激励机制的核心研究问题，最后介绍了开发参与式感知系统使用的相关技术。2.1 参与式感知系统框架参与式感知作为一种新型的感知方式，为解决大规模、复杂社会感知问题提供了崭新思路27。一般的参与式感知系统主要由两部分组成，一部分是用于控制感知活动的平台，另一部分是由用户和用户手中的智能设备构成的大量参与节点。这些由普通民众构成的大量参与节点，每一个节点都是可移动的感知源，他们是参与式感知的中坚力量，而参与式感知平台依托与这些参与节点，通过合理的调度使他们能够完成复杂的感知任务28。图2-1 参与式感知系统框架根据目前的参与式感知相关研究和应用29，其典型架构可由图2-1所示。一般的参与式感知系统可以由四层体系结构组成，其具体为：数据感知层，数据收集层，数据处理层以及应用层，下面我们来逐一介绍。数据感知层：数据感知层是参与式感知的基础层，该层主要实现数据的采集功能。数据采集一般需要用户使用移动手机、可穿戴设备等移动智能设备，采集如图片、温度、湿度、声音、经纬度等多种感知数据。同时数据感知层能通过移动网络和通信技术（例如3G，蜂窝网络）将感知数据传输到数据收集层。数据收集层：数据收集层需要获取参与节点上传的感知数据并将大量的感知数据进行存储，同时该层还需要能够根据任务要求，向参与节点派发感知任务，并为参与节点提供感知激励和隐私保护。数据处理层：数据处理层实现感知数据的筛选并提取有价值的信息。这一层主要对采集的感知数据进行清洗和预处理，整合不同来源的数据，并通过数据挖掘的方式分析其中的数据价值，得到有用的信息。应用层：应用层是在基于参与式感知系统之上的具体应用和服务，其主要根据参与式感知的具体应用场景，提供数据可视化的功能。这一层通过数据可视化工具向大众展示了数据分析的结果，并能根据结果为大众提供一些有用的帮助。通过本系统框架我们可知参与式感知激励机制位于数据收集层，其主要用于促进数据感知层的数据采集，保证数据收集层能获得稳定可靠的感知数据。下一节我们就激励机制的主要作用以及解决的主要问题展开说明。2.2 参与式感知激励机制参与式感知激励机制研究的主要目标是帮助参与式感知平台激励更多的持有感知设备的参与者加入到感知任务中，并积极参与感知任务，提供高质可靠的感知数据30。根据上一节我们分析的，在参与式感知激励机制中主要涉及两方，即参与者(Participants)和服务器平台(Server)，那么激励机制可以用如下抽象数学模型表示：I:M max(U(S),U(P)该模型的意义是：参与式感知激励机制（Incentive，表示为I）通过某种激励方法（Mechanism，表示为M)来最大化服务器平台方（Server，表示为S）与参与者（Participants，表示为P）之间的效用（Utility，表示为U）。阻碍参与者加入参与式感知活动的原因主要来自两个方面：一个原因是参与者在进行感知活动时需要消耗参与者精力、感知设备的电池电量、数据流量等，因此没有合适的感知报酬，参与者将不会或以消极的状态参与到感知活动中31。另一个原因是因为参与者在进行感知活动时，所提交的感知数据大多是与参与者的位置和时间相关的，这存在着泄露参与者时空隐私的风险。目前研究的激励机制，根据不同的角度有不同的分类方式。从感知任务的回报方式上可以分为金钱报酬激励和非金钱报酬激励。金钱报酬激励即通过金钱作为感知报酬支付的方式，当参与者完成感知任务后给与一定的金钱作为激励，这也是目前最主要的激励方式。非金钱报酬激励一般通过引入娱乐游戏或者社交关系的方式，通过游戏和社交的趣味性吸引参与者进行感知活动。从主导的控制权上可以分为以用户为中心的激励和以平台为中心的激励：以用户为中心的激励则让用户来提出感知报酬，平台据此来选定合适的用户来进行感知活动。以平台为中心的激励要求平台拥有感知任务的分配和定价权，即平台来设定用户所分配的感知任务以及报酬。从激励机制所采用的方法上可以分为基于博弈论的激励机制、基于拍卖论的激励机制以及其他方法：基于博弈论的激励机制通过引入斯塔克伯格博弈22,32、礼物交换博弈23、贝叶斯博弈等博弈模型，求解平台和用户之间的纳什均衡，以此来找到最佳的激励方法。基于拍卖论的激励机制则构建各种拍卖模型，如反向竞拍33、全支付34、组合拍卖35等来设计激励机制。不同类型的激励应对与不同的使用场景，但是不论是何种类型的激励机制，其主要研究和核心问题都可以归纳为以下六点：l 参与水平：激励机制的一个主要目标是提高参与者的参与率。参与率不仅包含短期的一次感知任务的参与率，还希望能够持续的激励参与者，使参与者长期的参与到感知活动中。长期的参与率无疑对于参与式感知任务长期的数据收集是有益的，如何保持参与者的长期参与率，维持参与者的活动积极性，及时处理参与水平的反馈是激励机制需要考虑的问题。l 完成质量：参与率并不能完全的反映感知任务的完成质量，还需要综合考虑用户的位置、用户的行为和数据质量等因素18,36。同时由于参与者自身的自私性，可能会出现上报虚假数据来获取报酬的情况，即“搭便车”现象37的发生。此外，参与者感知设备的精度和自身知识的局限性也可能影响到任务的完成质量48。l 支付控制：参与式感知平台方需要不断的为参与者的感知数据支付报酬，考虑到平台方的支付有限，如何控制报酬使之在一定的预算内，也是激励机制值得考虑的问题。l 隐私安全：隐私安全主要考虑两方面，一方面是参与者的隐私安全，即参与者在上传感知数据时应避免个人隐私的泄露；另一方面是服务器的安全性。即服务器存储数据的安全性，服务器需要有一定安全措施来预防恶意用户的攻击。l 线上实时：现实中的参与者由于自身活动，存在动态随机加入和退出感知任务的情况。激励机制需要综合考虑参与者的活动轨迹，通过线上实时激励参与者来保证感知活动的可持续性。l 效率能耗：效率能耗是指激励机制不仅需要能够在平台上高效运行还应当能够减少参与者感知设备的资源损耗。因为过大的感知设备的损耗会严重阻碍参与者进一步参与感知活动，所以激励机制应尽量减少这些资源消耗，同时能够有较短的运行时间。总的来说，本论文吸取目前主要的激励机制的优点，立足于博弈论的方法，以平台作为感知报酬分配的中心，通过使用金钱报酬作为支付手段提出一种基于信息质量的参与式感知激励机制。该激励机制主要着手解决参与水平、完成质量、线上实时这几大核心问题，实现对参与者的有效激励。2.3 参与式感知系统开发技术为了实现本文的激励机制，我们需要构建一个参与式感知系统，其主要由服务器和客户端构成，而本节就实现系统开发的主要技术的选择进行阐述。2.3.1 系统通信技术l HTTP协议HTTP38(HyperText Transfer Protocol)，又称为超文本传输协议，是万维网数据通信的基础。超文本是指将各种不同空间的图片、文字、媒体等信息，通过超链接的方式组织在一起的网状文本，而HTTP协议则是用于传输或交换超文本的协议，该协议的响应流程如图2-2所示。图2-2 HTTP协议工作流程图HTTP协议的特点有：1）该协议是无连接的，即每次连接，服务器只处理客户端的单个请求。当服务器完成请求，并得到客户端回应后，立即断开连接。这种方式能有效的节省传输时间；2）该协议媒体独立的，即HTTP基于超文本实现，使得任何类型的数据都可以使用HTTP来发送，而客户端与服务器都能处理数据内容；3）该协议是没有状态的。客户端的每次请求与上一次没有对应关系，这使得后续处理需要重传前面的信息，这加快了请求的应答时间，但也可能导致传输数据量较大的问题。根据以上分析，可知HTTP协议具有快速、简单和灵活的特点，能够满足本参与式感知系统的需要。在系统中，HTTP协议用作服务器与WEB网页，以及手机客户端与服务器之间的通信协议。客户端如果要向服务器发送数据或请求资源，则先向服务器发起请求(get或post方式)，服务器再将应答返回给客户端，返回的资源的类型可以是图片、文字、多媒体等。l 消息推送在参与式感知中，感知任务的下发以及感知报酬分配等功能的实现，都要求客户端能通过某种方式和服务器进行不定时的数据通信以更新信息39。一般来说这种不定时的数据通信主要有两种方式，第一种是使用轮询（Polling）的方式，即客户端按照一定的频率向服务器发送请求。另一种方式是推送（Push），即服务器在发现数据有更新的情况下，主动将数据推送给客户端。这两种方式都有各自的实现特点，首先轮询机制的实现较为简单，且能够根据程序的要求进行定制，但是资源开销比较大。而推送的方式占用的开销较小，实时性较好，但由于国内的推送标准不统一，使用的限制较多。针对参与式感知系统对用户的实时性要求较高的特点，我们将推送和轮询机制结合起来。我们通过轮询方式来实时的获取用户的地理位置，并实现感知任务的下发，而使用推送机制，来推送用户的每轮感知报酬等其他信息。2.3.2 客户端开发技术Android是由Google开发的，基于Linux内核的移动操作系统，主要用于触摸屏的移动设备，如智能手机和平板电脑等。目前Android已成为全球使用最多的操作系统，有超过20亿的月活跃用户，并被广泛应用于电视、汽车、智能手机以及可穿戴设备等方面。由于Android智能设备的普及性以及Android系统本身的开源特性，选用Android作为参与式感知系统的客户端，用于实现数据采集是合适的。图2-3 安卓主要组件安卓的核心主要有四大组件，如图2-3所示。Activities组件，其用于描述可视化的界面UI，并处理用户和机器屏幕之间的交互。一个应用程序通常包含一个或数个Activity，而程序通过不同Activity之间的跳转，实现机器界面的切换。Services组件，其负责处理与应用程序有关的后台逻辑操作。该组件没有界面，主要用于执行需要持续运行的后台逻辑，例如在后台持续播放背景音乐的实现等。通常Service组件运行在应用程序主线程中，而不会阻塞其它组件。Broadcast Receivers组件，其用于处理应用程序与系统之间的数据通信。应用程序通过创建和注册该组件来监听符合一定条件的广播。Content Providers组件，其用于管理和共享应用程序的数据库，提供共享的数据存储。2.3.3 服务器开发技术考虑到参与式感知系统的可靠性和可用性，我们使用主流的服务器开发框架，即Spring和Mybatis框架。Spring框架用于实现服务器的代码解耦和逻辑控制，实现服务器中模型层（Model），视图层（View）和控制层（Controller）的三层分离，方便服务器的开发。Mybatis框架则作为持久化框架，负责将对象存储到数据库中。总的来说，通过使用框架技术，有助于提高服务器的开发效率，规范代码编写，降低代码间的耦合。l Spring框架Spring40框架为基于Java的服务器应用程序提供了一个全面的编程和配置模型，是目前使用最为广泛的J2EE开源框架。使用Spring框架的主要优点有：能够降低组件之间的耦合性；规范程序编写，使之易于单元测试；该框架是轻量级的，开发者可以只选用其中的部分功能；能够和其他主流框架相整合；Spring框架是非侵入式的，对程序中的其他代码污染性低。Spring框架采用分层结构设计，主要是由七个模块组成，如图2-4所示。Spring的其他模块则是基于核心容器(Spring Core)之上，在这个容器中定义了bean的生命周期，即创建、配置以及管理过程。图2-4 Spring框架的组成Spring框架的核心功能是控制反转（IOC）和面向切面编程（AOP）。其中控制反转的基本思想是将对象的控制权交给Spring IOC容器，而不由程序员自己实例。开发人员只需要描述创建对象的方式，并在配置文件中说明该对象和与之关联的服务，而IOC容器负责将其联系起来，这样做可以实现资源的可配置，并降低程序的耦合度。面向切面编程是指能够动态地将代码切入到类的指定方法或位置上的编程方式。Spring的AOP功能允许开发人员将那些被多个业务模块共同使用的逻辑封装起来在，作为切面插入从而降低模块的耦合度，一般作为切面插入的功能有，权限控制、日志记录等。l Mybatis框架MyBatis框架是目前广泛使用的，基于Java的持久层框架，它封装了JDBC的实现，避免了JDBC繁琐的参数设置。它使用注释或者XML描述符的方式将对象与SQL语句或存储过程相连接，能够极大的简化程序的开发。在本参与式感知服务器中，我们使用Mybatis框架来操作Mysql数据库，进行数据的实例化。Mybatis的功能架构如图2-5所示，其可分为三层。最下一层是基础支撑层。这一层把配置导入、联接管理、事务处理和缓存控制等通用功能抽取出来，并封装成为最基础的组件，为上层提供支持。中间一层是数据处理层。这一层主要根据上层的请求来实现数据库的操作，具体负责SQL的查找、解析和执行以及数据结果映射等。最上层是API接口层，这一层负责提供对外的API接口。开发人员不用关系底层的实现，是需要操作这些API来实现需要的功能。图2-5 Mybatis架构图2.4 本章小结本章首先介绍了参与式感知系统的基本概念和主要的框架结构，以及各个层级实现的主要功能。随后就参与式感知激励机制的研究特点、研究现状和研究的主要内容展开说明，总结了当前激励机制所要解决的六大核心问题。随后本文介绍了在参与式感知系统开发中所使用的核心技术，其中包括系统通信技术和后台开发框架。这一章通过介绍相关的理论背景和技术知识，为之后的论述做铺垫。第3章 基于信息质量的参与式感知激励机制本章节首先构建了参与者与平台之间的斯塔克尔伯格博弈模型，给出了参与者与平台各自的效用函数，然后继续讨论了纳什均衡的存在性。之后本章研究了一种基于信息质量的参与式感知激励机制，该机制将感知任务分为多个轮次，以每一轮的信息质量为基准，通过建立参与者信誉机制和动态定价策略来实现可持续的线上实时激励。随后本章展开说明了信誉机制的计算公式以及价格补偿和折扣算法。3.1 系统模型本节通过构建参与式感知平台与参与者之间的定价模型，分析平台与参与者的两个阶段博弈过程。然后通过分析双方各自的效用函数，探讨参与者与平台的纳什均衡存在性，并得出各自的最佳响应策略。3.1.1 斯塔克尔伯格博弈模型一个典型的参与式感知系统如图3-1所示，该系统主要由平台方和大量的参与节点构成。平台方一般部署在云端，由多个感知服务器组成；参与节点则由参与者和手中的智能设备构成，大量参与节点通过无线网络或蜂窝网络与平台相连45。图3-1 典型的参与式感知系统模型参与式感知的执行过程如下：数据使用者通过平台发布感知任务，感知任务一般包括某些特定类型的数据采集（例如空气质量、交通状况等）。平台根据感知任务时间、地域等要求筛选参与者，并将感知任务的要求推送给参与者。假设有一组U=1,2,3,.,N个参与者有兴趣参与感知任务，其中n2。由于参与感应任务的参与者将会有一定的损失（比如电池能量、时间精力，个人隐私损失等），因此参与者希望能得到一定的报酬。在这种情况下，参与者会综合考虑损失和报酬，制定自己的感知策略。参与者完成感知任务后，将感知数据提交给平台，平台根据每个参与者的感知情况，支付相应的费用，这就完成了整个参与式感知过程。为了方便之后进一步说明，我们在表3-1列出了本文主要使用的符号及表示意义。表3-1 主要用到符号符号描述U ,i , j参与者集合和某i或j个参与者N参与者数量P平台设定的感知报酬Qi参与者i的感知策略Q-i除了参与者i之外，所有其他参与者的感知策略ci参与者i的单位感知成本Bi参与者i的最佳响应策略Ui参与者i的效用U0平台的效用Qi*参与者i的最佳感知策略Ri参与者i的信誉度QoI一轮感知任务的信息质量QoI*一轮感知任务的最佳信息质量通过上述分析的参与式感知工作流程，可知平台与参与者之间存在着一定的行动次序，即可以把这个过程构建成一个具有两阶段的斯塔克尔伯格（Stackelberg）博弈模型49，如图3-2所示。在阶段I中，平台宣布一个感知任务（P，n），其中P0是对所有参与者的总报酬，n是本次感知任务的参与者人数。在阶段II中，每个参与者在基于平台报酬的情况下，决定自己的感知策略以最大限度最优自身的效用。阶段I：平台公布感知报酬平台确定参与人数n以及总报酬数P阶段II：参与者制定感知策略参与者间的博弈，每个参与者制定自己的感知策略，来竞争固定的总报酬数P图3-2 斯塔克尔伯格二阶段博弈在这个模型中，参与者与平台之间没有具有约束力的协议，同时双方都是自私且理性的，显然这是非合作的博弈过程。平台和参与者双方都会做出最有利于自己的选择。平台希望在报酬P一定的情况下，获得较高质量的感知数据；而参与者希望在进行一定的感知活动时，获得更多的感知报酬，即平台方的目的都是实现其自身效用的最大化。对于参与者来说，除非有足够的激励，使自己获得正向的效用，否则不会参与感知活动。对于平台来说，希望在任务报酬可控的情况下，获得更高的效用。在这个博弈中，平台作为领导者，参与者作为追随者，平台的策略是其总报酬数P，参与者的策略是Qi，其反映了参与者在本次感知任务中的贡献情况。具体的任务贡献情况可以用参与者的感知时间，或提交感知数据的质量来衡量。当Qi=0时，表示参与者i不参与感知活动，即数据贡献为0。同时我们使用ci*Qi表示参与者某次感知任务的感知成本，系数ci0表示为参与者i单位贡