傳感資源云共享的動(dòng)態(tài)定價(jià)策略

郭文艷 孫英華 周 超 范延濱

(青島大學(xué)計(jì)算機(jī)科學(xué)技術(shù)學(xué)院 山東 青島 266071)

傳感資源云共享的動(dòng)態(tài)定價(jià)策略

郭文艷 孫英華 周 超 范延濱

(青島大學(xué)計(jì)算機(jī)科學(xué)技術(shù)學(xué)院 山東 青島 266071)

針對傳感資源在云市場中實(shí)現(xiàn)交易共享的問題，提出傳感資源的動(dòng)態(tài)報(bào)價(jià)策略DPS-SR(Dynamic Pricing Strategy of Sensing Resource)和基于組合雙向拍賣的穩(wěn)定匹配算法CDA-SMA(Stable Matching Algorithm of Combinatorial Double Auction) 。DPS-SR綜合考慮了歷史成交價(jià)格、市場供需情況、供應(yīng)方資源負(fù)荷率和需求方焦急度給出合理的供需報(bào)價(jià)；CDA-SMA以供需雙方偏好為導(dǎo)向?qū)崿F(xiàn)雙向穩(wěn)定匹配。DPS-SR和CDA-SMA共同實(shí)現(xiàn)傳感資源的動(dòng)態(tài)定價(jià)，仿真實(shí)驗(yàn)結(jié)果顯示在不同的市場供需情況下該定價(jià)策略比傳統(tǒng)的固定比率定價(jià)有更好的適應(yīng)性。

傳感數(shù)據(jù)資源 云資源共享 動(dòng)態(tài)報(bào)價(jià)策略 組合雙向拍賣 資源負(fù)荷率 焦急度

0 引 言

隨著物聯(lián)網(wǎng)的蓬勃發(fā)展，傳感設(shè)備和傳感數(shù)據(jù)的需求量、供應(yīng)量也在持續(xù)增長。如何實(shí)現(xiàn)傳感資源的有效共享成了亟待解決的問題。企業(yè)根據(jù)自己的需求部署傳感設(shè)備，或?yàn)轭櫩吞峁┒ㄖ频膫鞲蟹?wù)，但目前各個(gè)傳感網(wǎng)絡(luò)之間是孤立的，數(shù)據(jù)資源不能跨平臺(tái)使用，導(dǎo)致傳感設(shè)備重復(fù)部署，傳感數(shù)據(jù)復(fù)用率低。云計(jì)算中Inter-Cloud[1]的提出加速了XaaS[2](Everything as a Service)的發(fā)展。鑒于此，物聯(lián)網(wǎng)中Sensing as a Service[3-4]成為一種發(fā)展趨勢。

1 相關(guān)工作

目前關(guān)于物聯(lián)網(wǎng)共享問題的研究主要集中在傳感網(wǎng)絡(luò)，包括解決傳感網(wǎng)絡(luò)的異構(gòu)和數(shù)據(jù)重用問題[5-8]，這些都是為更大程度上實(shí)現(xiàn)物聯(lián)網(wǎng)中的資源共享，提高資源利用效率。傳感網(wǎng)絡(luò)之間的互操作和傳感數(shù)據(jù)的可重用問題解決之后，傳感數(shù)據(jù)資源可以以商品的形式在傳感云平臺(tái)上通過市場交易方式實(shí)現(xiàn)共享。此時(shí)，如何給傳感資源合理定價(jià)成為重要問題。現(xiàn)有的云市場多采用固定比率定價(jià)方式，即資源供應(yīng)商根據(jù)各自的收益率單方?jīng)Q定價(jià)格，如Amazon的EC2和S3、Google App、Microsoft Windows Azure等均是采用此方式。固定比率定價(jià)方式簡單易實(shí)現(xiàn)，但不能及時(shí)反映市場供需關(guān)系的動(dòng)態(tài)變化，未考慮用戶利益，因此，動(dòng)態(tài)定價(jià)方式得到越來越多的關(guān)注。文獻(xiàn)[9]提出一種基于混合博弈策略的云資源定價(jià)和交易模型，用于解決定價(jià)機(jī)制在效率和公平性方面的問題。該定價(jià)策略主要針對云資源，云資源與傳感資源之間存在很多差異。文獻(xiàn)[10]提出基于博弈機(jī)制的雙向拍賣報(bào)價(jià)模型，最優(yōu)報(bào)價(jià)策略是一個(gè)與自身心理定價(jià)，市場最高、最低預(yù)測價(jià)格及對方出價(jià)規(guī)律有關(guān)的線性函數(shù)。文獻(xiàn)[11]基于不確定決策問題決策準(zhǔn)則中的Hurwicz準(zhǔn)則提出連續(xù)雙向拍賣的動(dòng)態(tài)定價(jià)策略，考慮了歷史成交價(jià)格對報(bào)價(jià)的影響。文獻(xiàn)[10,11]都是從經(jīng)濟(jì)學(xué)的角度討論定價(jià)策略，文獻(xiàn)[10]的報(bào)價(jià)策略主要從價(jià)格方面考慮雙方收益率以及市場收益對報(bào)價(jià)的影響。文獻(xiàn)[11]的報(bào)價(jià)策略只考慮市場供需情況。由于傳感資源屬于實(shí)時(shí)的數(shù)據(jù)資源，資源供應(yīng)能力是多樣化的，用戶對資源的需求也是不同的，經(jīng)濟(jì)學(xué)中的報(bào)價(jià)策略不完全適用于傳感資源。

為解決云間平臺(tái)上傳感資源的供需匹配問題，本文結(jié)合傳感數(shù)據(jù)資源多樣性和用戶偏好多樣性的特點(diǎn)設(shè)計(jì)了傳感資源云共享的交易管理模塊，提出了傳感資源的動(dòng)態(tài)報(bào)價(jià)策略DPS-SR和穩(wěn)定匹配算法CDA-SMA。DPS-SR考慮了歷史成交價(jià)格的報(bào)價(jià)影響，通過歷史成交價(jià)格預(yù)測市場供需情況；并從供需角度考慮了買方焦急度和賣方資源負(fù)荷率對報(bào)價(jià)的影響。CDA-SMA算法用于雙向拍賣中實(shí)現(xiàn)多個(gè)資源供應(yīng)與多個(gè)不同資源需求之間的穩(wěn)定匹配。

2 傳感資源云共享的動(dòng)態(tài)定價(jià)策略

本文的動(dòng)態(tài)定價(jià)分為兩步：先由買賣雙方根據(jù)DPS-SR報(bào)價(jià)策略給出供需報(bào)價(jià)，再經(jīng)過CDA-SMA算法實(shí)現(xiàn)供需匹配，產(chǎn)生的交易價(jià)格即為資源的定價(jià)。

2.1 交易管理模塊

傳感資源云共享平臺(tái)的交易管理模塊如圖1所示，買賣雙方分別提交資源需求/供應(yīng)、報(bào)價(jià)參考系數(shù)(賣方：資源負(fù)荷率、負(fù)荷率影響系數(shù)、成本價(jià)，買方：焦急度、焦急度影響系數(shù)、估價(jià))和偏好系數(shù)。歷史價(jià)格管理主要負(fù)責(zé)記錄資源的歷史成交價(jià)，為報(bào)價(jià)提供參考。DSP-SR報(bào)價(jià)管理根據(jù)報(bào)價(jià)參考系數(shù)和歷史成交價(jià)格給出供需雙方的報(bào)價(jià)。用戶偏好管理模塊根據(jù)偏好系數(shù)計(jì)算買賣雙方的偏好列表，將結(jié)果提交給CDA-SMA匹配管理，由CDA-SMA匹配管理得出匹配結(jié)果并返回給買賣雙方，已經(jīng)匹配成功的買賣雙方通過支付管理模塊完成支付。買賣雙方將每次交易的反饋評價(jià)提交給用戶反饋管理。

圖1 傳感資源交易管理模塊

2.2 傳感資源及資源包的描述

物聯(lián)網(wǎng)中的感知設(shè)備包括射頻識(shí)別設(shè)備(RFID)、GPS、傳感器、虛擬傳感設(shè)備等。其中傳感器分為：物理傳感器(如溫度、濕度、攝像頭和紅外移動(dòng)傳感器)、化學(xué)傳感器(如毒氣體傳感器和PH計(jì))、生物傳感器(如指紋控制儀)。虛擬傳感設(shè)備指通過傳感器虛擬技術(shù)將若干個(gè)傳感器的數(shù)據(jù)經(jīng)過綜合分析得到的可以實(shí)現(xiàn)特定應(yīng)用的設(shè)備。這里將從傳感設(shè)備以及虛擬傳感設(shè)備上得到的數(shù)據(jù)資源及其副本抽象成商品，表示為傳感資源SR(Sensor Resource)，將若干傳感資源組成的資源包表示為傳感資源包(SR_Package)。

SR= (Kind,Application_Fields,Price,Valid_Time,

Quantity,Location)

其中，Kind指傳感資源的類型，Application指傳感資源的應(yīng)用領(lǐng)域，Price指傳感資源的價(jià)格，Valid_Time指傳感資源的可用時(shí)間，Quantity指傳感資源的數(shù)量，Location指傳感資源的部署位置。

SR_Package=(SR1,SR2,…,SRi,…)

這里的傳感資源包由若干單個(gè)的傳感資源組成。

2.3 交易供需模型

假設(shè)有m個(gè)賣方，賣方集合記Sellers={S1,S2,…,Sm}。

一個(gè)賣方供應(yīng)：

S=(Seller_ID,Sup_Package,AskPrice_Package,Sup_Time)

其中，Seller_ID為該賣方的ID，Sup_Package為賣方提供的一組資源包，AskPrice_Package為資源包的最低要價(jià)，Sup_Time表示資源包的可用時(shí)間。這里，相同傳感數(shù)據(jù)的不同副本也可以作為多個(gè)賣方供應(yīng)參與市場交易。

Sup_Package= (Sup_Resource1,…,Sup_Resourcei,

…,Sup_Resourcek)

其中，k類資源參與交易，Sup_Packagei為第i類資源的數(shù)量。

假設(shè)有n個(gè)買方，買方集合記為Buyers={B1,B2,…,Bn}。

一個(gè)買方供應(yīng)：

B=(Buyer_ID,Dem_Package,BidPrice_Package,Dem_Time)

其中，Buyer_ID為該買方的ID，Dem_Package為買方需要的一組資源包，BidPrice_Package為資源包的最低出價(jià)，Dem_Time表示資源包的可用時(shí)間。

Dem_Package= (Dem_Resource1,…,Dem_Resourcei,

…,Dem_Resourcek)

其中，k類資源參與交易，Dem_Packagei表示第i類資源的數(shù)量。

2.4DPS-SR動(dòng)態(tài)報(bào)價(jià)策略

在組合雙向拍賣中，資源的成交價(jià)是由買賣雙方的報(bào)價(jià)和拍賣機(jī)制決定的，合理的報(bào)價(jià)機(jī)制可以提高匹配成功率，減少交易成本，增加買賣雙方的收益。DPS-SR報(bào)價(jià)策略不僅考慮了歷史成交價(jià)格的因素，還考慮了買方焦急度和賣方資源負(fù)荷率的影響。相同傳感數(shù)據(jù)的不同副本作為多個(gè)賣方供應(yīng)有著同等的報(bào)價(jià)地位。

這里的報(bào)價(jià)是針對資源包中的某一類資源的單位價(jià)格，資源包的報(bào)價(jià)是包中資源的報(bào)價(jià)之和。

將t+1時(shí)刻賣方j(luò)的報(bào)價(jià)表示為AskPrice_SR(t+1)，則：

AskPrice_SR(t+1)= (1+(Load_Ratio(t+1))α)×

max{θ(t)max[P(t)]+

(1-θ(t))min[P(t)],Cj}

(1)

式中，Load_Ratio表示資源的負(fù)荷率，α表示資源負(fù)荷率對要價(jià)的影響程度，取值范圍為[0,1]，越接近1表示資源的負(fù)荷率影響越大。

(2)

其中，Load表示資源的當(dāng)前負(fù)載量，Loadcapacity表示資源的最大負(fù)荷。資源負(fù)荷率是指資源及其副本的訪問率，受傳輸帶寬的限制，一種資源不能有無限多的副本或同時(shí)賣給無限多的用戶。當(dāng)資源及其副本的訪問量過多時(shí)，可以通過提高要價(jià)來增加收益，緩減資源的負(fù)荷壓力。

式(1)中，P(t)={P(1),P(2),…,P(t)}為該類資源的歷史成交價(jià)格序列，Cj為賣方j(luò)的成本價(jià)。θ(t)為該時(shí)刻的歷史成交價(jià)格參考系數(shù)，買賣雙方根據(jù)各自對市場分析的不同而設(shè)定不同的值，θ(start)=1，θ(end)=0。文獻(xiàn)[14]已驗(yàn)證當(dāng)θ(t)=1-[Q(t)/E(q)]2時(shí)，市場的收益和匹配成功率最高。Q(t)為截止到t時(shí)刻市場中某類資源的總成交次數(shù)，E(q)買賣雙方對市場最大成交次數(shù)的估計(jì)值。Q(t)初始值為0，最大值為E(q)。

將t+1時(shí)刻買方i的報(bào)價(jià)表示為BidPrice_SR(t+1)，則：

BidPrice_SR(t+1)= (1+(Anxiety(t+1))β)×

min{θ(t)min[P(t)]+

(1-θ(t))max[P(t)],Vi}

(3)

式中，Vi表示買方i對資源的估價(jià)。Anxiety表示買方的焦急程度，β表示焦急度對買方的影響程度，取值范圍為[0,1]，越接近1表示焦急度影響程度越大。

(4)

其中，t表示當(dāng)前時(shí)間，deadline是用戶i資源使用的截止時(shí)間。由于用戶對資源的需求是有時(shí)間限制的，越接近用戶的使用截止時(shí)間，用戶就會(huì)越焦急，通過提高出價(jià)來增加自己的匹配成功率。

2.5 CDA-MSA組合雙向拍賣算法

DA-SMA匹配算法實(shí)現(xiàn)傳感資源的供需匹配，通過匹配雙方達(dá)成交易，產(chǎn)生資源成交價(jià)格。傳統(tǒng)的雙向匹配算法從價(jià)格的角度進(jìn)行供需匹配，CDA-SMA不僅考慮了價(jià)格因素，還考慮了買賣雙方的偏好(包括資源質(zhì)量和用戶信譽(yù)度)，可以實(shí)現(xiàn)雙向穩(wěn)定匹配。

買方優(yōu)先列表是由買方的偏好以及賣方資源質(zhì)量和報(bào)價(jià)決定的，賣方的優(yōu)先列表是由賣方的偏好以及買方的信譽(yù)和報(bào)價(jià)決定的。在算法開始之前，偏好管理模塊為算法提供每個(gè)買方的優(yōu)先列表和每個(gè)賣方的優(yōu)先列表。

CDA-SMA匹配過程如下：

//Input: 買方優(yōu)先列表，賣方優(yōu)先列表

//Output: 匹配結(jié)果，即每個(gè)買方的最終交易對象和每個(gè)賣方的最終交易對象

Step1 初始化買賣雙方交易狀態(tài)記錄表；

Step2 每個(gè)買方都向自己優(yōu)先列表中排在第一位的賣方發(fā)出交易請求；

Step2-1 如果該賣方還處于自由狀態(tài)，則接受該交易請求；

Step2-2 如果該賣方當(dāng)前處于預(yù)交易狀態(tài)，則將當(dāng)前的預(yù)交易買方與該買方進(jìn)行優(yōu)先級比較；

Step2-2-1 如果該買方比當(dāng)前的預(yù)交易買方優(yōu)先級低，則拒絕交易請求；

Step2-2-2 如果該買方比當(dāng)前的預(yù)交易買方優(yōu)先級低高，則接收交易請求，拋棄當(dāng)前的預(yù)交易對象；

Step3 每個(gè)自由的買方從還沒有拒絕過他的賣方中選擇優(yōu)先級最高的賣方，發(fā)出交易請求；

Step4 重復(fù)Step2、Step3，直到?jīng)]有自由的買方或沒有自由的賣方，算法結(jié)束。

注：上述匹配過程的條件是(Sup_Package滿足Dem_Package)&&(Sup_Time滿足Dem_Time)&&(BidPrice_Package不低于AskPrice_Package)。

通過CDA-SMA算法，在某一輪拍賣中如果Si賣方和Bj買方匹配成功，達(dá)成交易，他們的資源包成交價(jià)表示為DealPrice_Package，則：

(5)

若Si賣方資源包中資源A的要價(jià)為AskPrice_SRA，Bj買方資源包中資源A的出價(jià)為BidPrice_SRA，資源A的成交價(jià)格為DealPrice_SRA，則：

(6)

由式(5)、式(6)可見，相同傳感數(shù)據(jù)的不同副本由于報(bào)價(jià)和交易對象不同，最終將獲得不同的成交價(jià)格。

3 模擬實(shí)驗(yàn)及結(jié)果分析

3.1 實(shí)驗(yàn)環(huán)境及參數(shù)設(shè)置

本文仿真實(shí)驗(yàn)主要針對供需平衡與供需不平衡兩種市場狀態(tài)，分別驗(yàn)證DPS-SR和固定比率報(bào)價(jià)策略FRP(FixingRatePricing)的市場交易情況。為進(jìn)行仿真實(shí)驗(yàn)，自行設(shè)計(jì)了一個(gè)小型的傳感資源交易模擬系統(tǒng)，先隨機(jī)生成供需數(shù)據(jù)，根據(jù)本文的報(bào)價(jià)策略報(bào)價(jià)，然后進(jìn)行供需匹配、匹配結(jié)果以圖表的形式輸出。

本文仿真實(shí)驗(yàn)主要使用均勻分布的隨機(jī)數(shù)據(jù)模擬市場供需多樣化的情況，但每個(gè)供需數(shù)據(jù)都有自己的范圍。有關(guān)的參數(shù)設(shè)置：買方數(shù)量為M，賣方數(shù)量為N，資源成本價(jià)服從正態(tài)分布fC～N(110,9)，資源估價(jià)服從正態(tài)分布fV～N(190,9)，歷史成交價(jià)格服從正態(tài)分布fH～N(150,36)，歷史成交價(jià)格參考系數(shù)服從標(biāo)準(zhǔn)正態(tài)分布fθ～N(0，1)，買方焦急度Anxiety取0.5，賣方資源負(fù)荷率Load_Ratio取0.5，賣方資源負(fù)荷率的影響系數(shù)fα=(0,0.25,0.5,0.75,1)，買方焦急度的影響系數(shù)fβ=(0,0.25,0.5,0.75,1)。固定比率報(bào)價(jià)策略的收益比率服從標(biāo)準(zhǔn)正態(tài)分布fθ～N(0，1)。根據(jù)以上的數(shù)據(jù)分布規(guī)律和分布范圍隨機(jī)產(chǎn)生一定數(shù)量的供需報(bào)價(jià)參數(shù)，分別根據(jù)DPS-SR和FRP報(bào)價(jià)策略產(chǎn)生相應(yīng)的供需報(bào)價(jià)，采用CDA-SMA匹配算法得到交易結(jié)果，將交易結(jié)果進(jìn)行分析，比較兩種報(bào)價(jià)策略的優(yōu)劣。

3.2CDA-SMA算法的匹配偏好函數(shù)

在CDA-SMA算法中，買方需要根據(jù)自己的偏好將相對應(yīng)的賣方進(jìn)行優(yōu)先排序，匹配偏好函數(shù)為BM，則：

BM=α1S_Reputation+α2S_Price+α3S_Suitability

其中，S_Reputation表示賣方信譽(yù)，是歷史成交中買方對該賣方的評價(jià)，可以分為五個(gè)等級(0.2，0.4，0.6，0.8，1.0)。S_Price=資源包成本/資源包最低要價(jià)。S_Suitability表示賣方提供的資源與買方需求的資源的契合程度，包括距離、資源準(zhǔn)確程度。(α1,α2,α3)是買方的偏好系數(shù)且不同的買方根據(jù)自己的喜好設(shè)定不同的值。

賣方需要根據(jù)自己的偏好將相對應(yīng)的買方進(jìn)行優(yōu)先排序，賣方的匹配偏好函數(shù)為SM，則：

SM=β1B_Reputation+β2B_Price

其中，B_Reputation表示買方信譽(yù)，是歷史成交中買方對該賣方的評價(jià)，可以分為五個(gè)等級(0.2，0.4，0.6，0.8，1.0)。B_Price=資源包最高出價(jià)/資源包估價(jià)。(β1,β2)是賣方的偏好系數(shù)且不同的賣方根據(jù)自己的喜好設(shè)定不同的值。

3.3DPS_SR動(dòng)態(tài)定價(jià)策略的評價(jià)函數(shù)

本文使用交易成功率衡量市場的總體效益情況，用買賣雙方的資源收益率衡量市場參與者(買方和賣方)的效益情況。在某一輪拍賣中，每個(gè)資源提供方和資源需求方的收益率分別為R(s)和R(b)，具體如下：

其中，Tp是資源成交價(jià)格，Cp是資源的成本價(jià)，Vp是資源的估價(jià)。

買賣雙方的交易成功率為R(m)，假設(shè)有t對買方和賣方成交，則：

其中，Dem_Num是資源提供方數(shù)量，Sup_Num是資源需求方數(shù)量，Deal_Num是交易成功的買賣方的對數(shù)。在交易中雙方以最大化自己的收益率為目標(biāo)，整個(gè)市場的收益是買賣雙方的收益之和，整個(gè)市場以最大化市場收益和匹配成功率為目標(biāo)。

3.4 實(shí)驗(yàn)仿真結(jié)果

DPS-SR主要圍繞市場供需情況制定，模擬實(shí)驗(yàn)驗(yàn)證兩種報(bào)價(jià)策略對不同供需的適應(yīng)情況(供需參數(shù)中報(bào)價(jià)是變量，買賣方的偏好系數(shù)是常量)。這里將M∶N=1∶1定義為供需平衡的狀態(tài)，M∶N=3∶2和M∶N=2∶3定義為供需一般不平衡狀態(tài)，M∶N=2∶1和M∶N=1∶2定義為供需嚴(yán)重不平衡狀態(tài)。在供需平衡的狀態(tài)下，分別將M和N取50、100、150、200，每種情況運(yùn)行100次，取平均值。當(dāng)供應(yīng)大于需求時(shí)，一般在供需不平衡的狀態(tài)下，M和N分別取90和60、150和100，240和160、300和200；供需嚴(yán)重不平衡的狀態(tài)下，M和N分別取100和50、160和80、200和100、300和150。每種情況運(yùn)行100次，取平均值。當(dāng)供應(yīng)小于需求時(shí)，供需數(shù)量取值與上述正好相反。

在供應(yīng)大于需求狀態(tài)下，如圖2所示。

圖2 供大于需狀態(tài)下的匹配成功率

當(dāng)供需平衡時(shí)，DPS-SR報(bào)價(jià)策略比FRP報(bào)價(jià)策略的交易成功率高。當(dāng)供需不平衡時(shí)，DPS-SR報(bào)價(jià)策略中買賣雙方根據(jù)歷史成交價(jià)格以及自身資源負(fù)荷率和焦急度來調(diào)整報(bào)價(jià)增加匹配成功率，但由于供需數(shù)量不同，賣方屬于資源稀缺方，賣方成交率增加；買方之間的競爭比較激烈，買方成交率降低，總體的成交率下降。DPS-SR根據(jù)市場情況對報(bào)價(jià)做出相應(yīng)的調(diào)整，使得成交率比FRP高一些。隨著市場供需不平衡性增強(qiáng)，成交率優(yōu)勢會(huì)慢慢減弱，但因?yàn)镈PS-SR考慮了市場情況的因素，這種優(yōu)勢始終存在，直到賣方全部成交。

在供應(yīng)大于需求狀態(tài)下，如圖3、圖4所示，當(dāng)供需平衡時(shí)，由于DPS-SR比FRP的匹配成功率高，所以雙方收益率都有優(yōu)勢。一般當(dāng)供需不平衡時(shí)，DPS-SR比FRP的賣方收益率高10.9%，買方收益率高3.4%，整體收益率高14.3%；供需嚴(yán)重不平衡時(shí)，DPS-SR比FRP的賣方收益率高2.1%，買方收益率低0.4%，整體收益率高1.7%。當(dāng)供需不平衡時(shí)，賣方屬于資源稀缺方，資源負(fù)荷率低的賣方可以在保證成交率的情況下適當(dāng)增加報(bào)價(jià)從而增加收益；資源負(fù)荷率高的賣方可以更大程度增加報(bào)價(jià)，這樣既增加收益又可以滿足自己的資源負(fù)荷率的要求。對買方來說，由于競爭對手很多，資源需求很急的買方要大力度提高自己的報(bào)價(jià)，這樣交易成功的機(jī)會(huì)更大；資源需求不急的買方可以適當(dāng)提高出價(jià)，雖然每個(gè)買方的收益率下降，但由于成交率的影響，所有買方整體收益率不會(huì)低很多。

圖3 供大于需狀態(tài)下的賣方收益率

圖4 供大于需狀態(tài)的買方收益率

在供應(yīng)小于需求狀態(tài)下，如圖5所示，當(dāng)供需平衡時(shí)，DPS-SR報(bào)價(jià)策略比FRP報(bào)價(jià)策略的交易成功率高。當(dāng)供需不平衡時(shí)，由于供需數(shù)量不同，買方屬于優(yōu)勢方，賣方資源之間競爭比較激烈，所以買方成交率增加，賣方成交率降低，總體的成交率下降。與圖2同理，在供需不平衡狀態(tài)下，DPS-SR根據(jù)市場情況對報(bào)價(jià)做出相應(yīng)的調(diào)整，使得成交率比FRP高一些，隨著市場供需不平衡性增強(qiáng)，成交率優(yōu)勢會(huì)慢慢減弱，但因?yàn)镈PS-SR考慮了市場情況的因素，這種優(yōu)勢始終存在，直到買方全部成交。

圖5 供小于需狀態(tài)下的匹配成功率

在供應(yīng)小于需求狀態(tài)下，如圖6、圖7所示，當(dāng)供需平衡時(shí)，由于DPS-SR比FRP的匹配成功率高，所以雙方的收益率都有優(yōu)勢。當(dāng)供需一般不平衡時(shí)，DPS-SR比FRP的賣方收益率高3.3%，買方收益率高3.9%，整體收益率高7.2%；供需嚴(yán)重不平衡時(shí)，DPS-SR比FRP的賣方收益率低0.3%，買方收益率高6.1%，整體收益率高5.8%。當(dāng)供需不平衡時(shí)，買方屬于數(shù)量優(yōu)勢方，資源需求焦急度高的買方可以在保證成交率的情況下適當(dāng)降低報(bào)價(jià)從而增加收益；需求焦急度小的買方可以更大程度降低報(bào)價(jià)，這樣可以在滿足自己資源需求的情況下盡可能增加收益。對于賣方來說，由于資源競爭的對手很多，資源負(fù)荷率很低的賣方要大力度降低自己的報(bào)價(jià)，這樣資源出售的機(jī)會(huì)更大；資源負(fù)荷率高的賣方可以適當(dāng)降低出價(jià)，雖然每個(gè)賣方的收益率下降，但由于成交率的影響，所有賣方的整體收益率不會(huì)低很多。

圖6 供小于需狀態(tài)下的賣方收益率

圖7 供小于需狀態(tài)的買方收益率

實(shí)驗(yàn)結(jié)果顯示由于DPS-SR考慮了歷史成交價(jià)格因素以及賣方資源負(fù)荷率和買方焦急度的影響，所以對不同的市場供需情況有更好的適應(yīng)性。整個(gè)報(bào)價(jià)策略緊緊圍繞著供需關(guān)系，通過DPS-SR產(chǎn)生的交易結(jié)果可以很好地反應(yīng)這種供需關(guān)系。

4 結(jié) 語

本文主要工作是通過云間平臺(tái)上的交易實(shí)現(xiàn)傳感資源共享，提出了針對這種共享方式的DPS-SR動(dòng)態(tài)定價(jià)策略。主要貢獻(xiàn)是將歷史成交價(jià)格以及賣方資源負(fù)荷率和買方焦急度三個(gè)因素引入報(bào)價(jià)機(jī)制中，并在CDA-SMA匹配中考慮了買賣雙方的偏好以及資源質(zhì)量和用戶信譽(yù)度。實(shí)驗(yàn)結(jié)果顯示DPS-SR可以幫助用戶給出合理報(bào)價(jià)，提高交易成功率，同時(shí)對不同的資源供需情況有更好的適應(yīng)性。進(jìn)一步工作是繼續(xù)完善偏好函數(shù)，滿足用戶的個(gè)性化需求。

[1]BuyyaR,RanjanR,CalheirosRN.InterCloud:utility-orientedfederationofcloudcomputingenvironmentsforscalingofapplicationservices[C]//10thInternationalConferenceonAlgorithmsandArchitecturesforParallelProcessing,Busan,Korea,2010:13-31.

[2]GarciaRC,ChungJM.XaaSforXaaS:anevolvingabstractionofwebservicesfortheentrepreneur,developer,andconsumer[C]//2012IEEE55thInternationalMidwestSymposiumonCircuitsandSystems,2012:853-855.

[3]PereraC,ZaslavskyA,ChristenP,etal.SensingasaservicemodelforsmartcitiessupportedbyInternetofThings[J].EuropeanTransactionsonEmergingTelecommunicationsTechnologies,2014,25(1):81-93.

[4]ShengX,TangJ,XiaoX,etal.Sensingasaservice:challenges,solutionsandfuturedirections[J].IEEESensorsJournal,2013,13(10):3733-3741.

[5]ZhangJ,IannucciB,HennessyM,etal.Sensordataasaservice-afederatedplatformformobiledata-centricservicedevelopmentandsharing[C]//2013IEEE10thInternationalConferenceonServicesComputing,2013:446-453.

[6]RegueiroMA,ViqueiraJRR,TaboadaJA,etal.Virtualintegrationofsensorobservationdata[J].Computers&Geosciences,2015,81(C):12-19.

[7]CasolaV,BenedictisAD,RakM,etal.AnSLA-basedapproachtomanagesensornetworksas-a-service[C]//2013IEEE5thInternationalConferenceonCloudComputingTechnologyandScience,2013:191-197.

[8]ModicaGD,PantanoF,TomarchioO.AnOSGImiddlewaretoenablethesensorasaserviceparadigm[J].ScalableComputing:PracticeandExperience,2013,14:188-200.

[9] 肖鵬,胡志剛.云環(huán)境中基于混合博弈的虛擬資源定價(jià)模型[J].計(jì)算機(jī)集成制造系統(tǒng),2014,20(1):198-206.

[10] 羅英,鄭燦釗.基于博弈機(jī)制的網(wǎng)上雙向拍賣報(bào)價(jià)模型研究[J].現(xiàn)代管理科學(xué),2013(7):72-74.

[11] 詹文杰,白延濤.基于動(dòng)態(tài)Hurwicz準(zhǔn)則的連續(xù)雙向拍賣報(bào)價(jià)策略研究[J].管理學(xué)報(bào),2014,11(3):416-420.

DYNAMIC PRICING STRATEGY OF SENSOR RESOURCE IN CLOUD SHARING

Guo Wenyan Sun Yinghua Zhou Chao Fan Yanbin

(CollegeofComputerScienceandTechnology,QingdaoUniversity,Qingdao266071,Shandong,China)

Aiming at the problem of sensor resources transaction sharing in the cloud market, a dynamic pricing strategy of sensing resource (DPS-SR) and a stable matching algorithm based on combinatorial double auction (CDA-SMA) are proposed. DPS-SR takes into account the historical transaction price, the market supply and demand situation, the supply side resource load ratio and the demand side anxious degree to give a reasonable supply and demand quotation; CDA-SMA achieves two-way stable matching based on both supply and demand preferences. DPS-SR and CDA-SMA are used to realize the dynamic pricing of sensor resources. The simulation results show that this pricing strategy has better adaptability than the traditional fixed-rate pricing in different market supply and demand situations.

Sensor data resource Cloud resource sharing Dynamic pricing strategy Combinatorial double auction Resource load ratio Anxious degree

2016-03-24。山東省計(jì)算機(jī)網(wǎng)絡(luò)重點(diǎn)實(shí)驗(yàn)室開放課題基金項(xiàng)目(SDKLCN-2013-07)。郭文艷，碩士生，主研領(lǐng)域：云資源管理調(diào)度。孫英華，副教授。周超，碩士生。范延濱，教授。

TP316.4

A

10.3969/j.issn.1000-386x.2017.04.022