基于群智感知的數據收集機制

趙功鵬 王濤春 許夢倩 劉靜

摘要：物聯網將人類生存的物理世界網絡化、信息化，引領了信息產業革命的第三次浪潮。群智感知是目前科學研究領域的熱點課題，主要用于感知環境，收集數據，提供信息等服務。隨著物聯網的近年來的發展，群智感知又是既低成本而又更加靈敏的一種感知方式，受到了大眾廣泛的關注以及研究。在該模式下，參與者的行為能夠顯著的影響感知數據的真實性以及有效性。群智感知主要應用于健康醫療、環境監測、智能交通、城市管理、社交服務等諸多領域。

關鍵詞：群智感知;激勵機制;數據收集

中圖分類號：C37 ? ? ?文獻標識碼：A

文章編號：1009-3044（2020）25-0228-02

1 引言

近年來，隨著科技的不斷發展，滿足于時代的需求，群智感知逐漸成為科研領域研究的熱點課題，在公共安全，環境監測，醫療護理和社會生活等諸多領域有廣泛的應用前景。利用互聯網的協作，在感知平臺上完成感知任務分配以及感知數據整合從而完成各項感知任務。人們既是感知數據的提供者亦是數據分析結果的使用者。隨著移動設備的普及，參與者通過智能移動設備有意識或無意識上傳感知數據，實現感知數據的收集，是一種弱協作的實現方式。而數據收集的效率與質量直接影響數據分析的最終結果。在有限條件下使用最大效能的收集方法將大大減小成本，達到事半功倍的效果。移動群智感知與傳統群智感知相比，極大減少了實際部署方面的困難，參與者通過智能手機，平板電腦，可穿戴設備等智能設備，將數據上傳到云端，形成感知網絡，給專業人士與第三方機構提供了大量真實的數據以及有效分析數據的平臺。在感知數據的收集中，普通用戶作為數據收集的主要參與者，具有自私性，個體理性，不誠實性，不確定性等諸多用戶特征，從而導致用戶參與人數嚴重不足，以及參與者上傳云端的數據質量無法得到保障。激勵機制可以通過激勵持有感知設備的用戶主動接受并參與平臺發布的感知任務，使得平臺獲得高質量的感知數據。

2 群智感知系統的結構

一個典型的群智感知系統通常由感知平臺和移動用戶兩部分構成（如圖1所示）。

3 激勵機制的作用結構

激勵機制的主要目標是在服務器平臺的管理下促進用戶更多地參與感知項目，從而獲取更多的感知數據，最終目標是達到服務器平臺，參與者與投標商家三方最優化受益。可以用以下算法模型表示：

I：M------>Max（U（S），U（P），U（B）） ? ? ? ? （1）

在該模型中，I表示激勵機制（incentive），M表示采用某種激勵機制（mechanism），U表示最優化效應（utility）函數，S表示服務器平臺（server），P表示參與者（participants），B表示投標商家（business）。

激勵機制是一般基于傳統經濟學，大多數參與者參與感知數據都是為了獲取經濟收益。也有一些文獻提出不同的看法，在文獻[2]提出一種基于損失厭惡的激勵機制，為參與者設計獎勵因子，使參與者不參與感知任務，就會產生損失的感受，反向推動更多的參與者參加感知任務。但是基于金錢的激勵機制，在市場上占據更多的比額，更容易吸引參與者的參與。目前大多數激勵機制算法的研究，都是以服務器為中心的，這樣就導致了參與者獲得利益受到抵制，使得參與者的參與意愿低，數據獲取效率低。以服務器為中心的激勵機制，可以使得服務器獲得更高的收益，但是獲得高質量高效益的數據更加困難。在獲取高質量的數據方面，文獻[3]提出一種基于參與者信譽度感知的數據收集機制，通過意愿程度和數據質量，來評價參與者的信譽度，量化歷史信譽度，動態更新當前信譽度，從而在數據收集中，摘選高質量的數據。在群智感知中，正是通過信譽值、游戲娛樂和報酬支付等方式結合的激勵機制，有效地提高數據收集的速率。

4 群智感知數據收集的研究意義

4.1 增強感知的時空覆蓋度

群智感知利用公眾自有智能手機隨時隨地感知信息，極大地擴展了信息感知的時間和空間覆蓋范圍。由于無須人工部署傳感器，感知代價低，群智感知克服了傳統感知方法代價高昂的問題，將成為大規模信息感知的有效感知模式。

4.2數據收集

4.2.1以參與者為中心的數據收集

群智感知的數據收集主要的參與者是普通用戶，普通用戶具有自私性、個體理性、不誠實性、不確定性等客觀因素。以參與者為中心的數據收集方式，若要獲得高質量的數據，必然要克服參與者自身的不利因素。在報酬支 ?付的模式下，提高數據收集成本，可以對參與者的行為方式進一步約束，顯著降低參與者自身因素對數據收集的影響力度。但是群智感知的目標達到降低數據收集成本和提高任務完成質量的雙重任務。因此，提高報酬支付水平，來提高數據收集的方式是不可取的。在文獻[14]中，陳薈慧，郭斌等人通過對比傳統支付和逆向拍賣兩種激勵機制方式，對比不同數據的采集方式、不同任務難度和不同的支付方式，研究數據收集質量的變化，得出開放式采集的方式可以更有效的提高數據冗余率以及數據收集效率。

以參與者為中心的數據收集方式采用的激勵機制，通常采用逆向拍賣模型來完成的。采用逆向拍賣模型，來完成數據的采集，使得數據的出價更加合理。多屬性-組合拍賣模型，便是基于逆向拍賣模型。通過多屬性-組合拍賣模型，可以提高數據收集效率和數據收集質量，用戶通過向任務發布方提供報價，任務發布方通過對比多個用戶的報價，最優化的選擇數據質量高和報價更為合理的用戶，這種方式是一種以參與者為中心的數據收集方式，達到了任務發布方和參與者雙方共同受益的一致性。

4.2.2 以服務器平臺為中心的數據收集

以服務器平臺為中心的數據收集方式，主要有兩個方面的困難。一個方 面是如何設計出高效的算法，通過算法程序去篩選高質量的數據;另一個方面是如何促進更多的參與者參與感知任務。目前大多數激勵機制都是以服務 器平臺為中心的，考慮的都是以服務器平臺收益的最大化，這樣將導致參與者的積極性不高。對于困難度比較大的任務，參與者的參與感知任務的人數難以得到保障，并且提供的感知數據的數量很少，從而算法進程程序篩選出來的數據的質量很難得到保障。因此，以服務器為中心的數據收集方式，采用何種激勵機制是重中之重。

5 結束語

群智感知作為一種效率高并且富有創新的新型感知模式，為日后的物聯網感知提供了新的思路和方法，但同時在實際應用中也面臨著嚴峻的用戶數量不足，用戶提供的數據不真實等等問題，這些問題的出現，導致群智感知平臺擁有昂貴成本而低收益的現象。群智感知作為物聯網下一個成功的關鍵和新型感知模式的發展方向，基于社會行為分析的機會式數據收集已成為深化物聯網研究 的核心技術，對解決國家重大需求具有重要意義。

參考文獻：

[1] 陳薈慧.面向移動群智感知的高質量數據收集方法研究[D].西安：西北工業大學，2017.

[2] 劉佳琦，高目.群智感知中基于損失厭惡的激勵機制[J].華南理工大學學報（自然科學版），2019，47（8）：96-104.

[3] 楊靜，李鵬程，閆俊杰.參與者信譽度感知的MCS數據收集機制[J].工程科學學報，2017，39（12）：1922-1934.

【通聯編輯：李雅琪】