一种位置相关的基于需求的动态激励机制方法与流程

本发明涉及一种位置相关的基于需求分析的动态激励方法，属于群智感知领域。

背景技术：

随着科技的发展，近年来移动设备(手机、平板)已经普及，这也给移动群智感知发展带来了机会。移动群智感知是将普通用户的移动设备作为基本感知单元，通过移动互联网进行有意识或无意识的协作，实现感知任务的分发和数据的收集。经典的群智感知系统由一个云服务器和大量的移动端用户组成。云服务器发布任务，移动端用户利用移动设备收集数据从而完成发布的任务。由于现在大量的移动端用户和移动设备的流行，群智感知技术已经成为收集大量数据的有效方法，尤其是对于那些用户集中式和位置相关的应用。

现在，基于群智感知的应用也成为国内外的研发热点，而基于位置的应用更是普遍。例如，空气质量检测、智能交通、噪声检测等。此种应用的感知任务是依赖于位置的即需要在某个具体位置执行任务，并且收集到的数据是与位置相关的。对于应用的服务提供方来说，他总是希望能够收集到高质量的数据，但是数据质量又因为不同的用 户而参差不齐。因此为了收集到高质量的数据，服务提供方会让一个任务被多人执行。

然而，用户参与数据收集需要消耗自己的体力、时间、还要使用自己的移动设备从而还会造成电源和流量的消耗。所以，如果没有一点的奖励，理性的用户一般不会主动参与收集活动。而且对于隐私敏感的用户来说隐私泄露也会使得其不愿意贡献自己的数据。因此为了平衡用户与任务提供方，从而使得任务提供方有收益的同时每个用户也可以得到回报，研究群智感知的激励机制显得十分重要。近年来有许多工作与群智感知激励机制有关，其中一些使用博弈论机制将任务分配给用户使得社会效益最大化。并且随着对数据质量的要求越来越高，一些面向质量的群智感知激励机制提高了感知数据的质量。另外随着移动设备的普及，许多与位置相关的群智感知系统也被提出。尽管目前已经存在各种基于位置的移动群智感知激励，然而大多激励机制的激励在任务发布开始就定价并不在发生改变。如果不同位置的任务都有相同的定价，这样势必会导致偏远位置的任务无人问津，因为理性的用户会优先挑选距离自己近的任务。而那些人流量不大位置的任务就容易被忽视。因此任务本质的吸引力在一开始就由位置和定价决定了，如果固定激励，那么导致任务的吸引力一直不变，那么吸引力弱的任务就无法被完成，最后导致低覆盖率。

本发明认为固定激励机制存在不足，急需一种动态的激励机制。

技术实现要素：

本发明的目的是克服现有技术的不足，提供一种与位置相关的基于需求的动态激励方法。

一种位置相关的基于需求的动态激励机制方法，其特征在于，基于一个群智感知系统，该群智感知系统包括一个平台方以及若干移动端用户，在一个感知周期中，具体包括以下步骤：

步骤1，平台方将需要收集数据的若干组感知任务发布给移动端用户，用户选择一组任务并将感知结果发送给平台方；

步骤2，平台方根据在一个感知周期内接收的用户感知结果，基于层次分析来定量计算若干组感知任务的需求值，并对若干组感知任务的需求权重进行排序；

步骤3，平台方根据步骤2中得到的排序结果对移动端用户进行报酬奖励。

在上述的一种位置相关的基于需求的动态激励机制方法，所述步骤2中，所述层次分析来定量计算若干组感知任务的需求值基于一个需求指示器，从任务的截止时间、完成进度、周边用户数三个因素进行测评；具体体现为越接近截止时间，需求越大；任务完成进度越低，需求越大；任务周边用户数越少，需求越大。

在上述的一种位置相关的基于需求的动态激励机制方法，需求指示器，从任务的截止时间、完成进度、周边用户数三个因素进行测评的具体方法是基于以下公式：

表示任务t_i在第k轮时的需求，分别表示受截止 时间，完成进度，周围人数影响的需求值，w₁，w₂，w₃则分别表示这三个因素的相对重要程度。

在上述的一种位置相关的基于需求的动态激励机制方法，对于感知任务来说越靠近截止时间，需求越大基于以下公式：

其中τ_i表示的任务t_i的截止时间，λ₁用来控制时间因素的尺度，k表示当前的时间段数，随着k的增大，截止时间的需求值也增大。

在上述的一种位置相关的基于需求的动态激励机制方法，对于感知任务来说任务的完成进度越大，需求越低基于以下公式：

其中表示的任务t_i的完成进度，π_i表示已经收到的测量次数，表示任务需要的测量次数，λ₂用来控制完成进度因素的尺度，随着的增大，完成进度的需求值减小。

在上述的一种位置相关的基于需求的动态激励机制方法，对于感知任务来说周边任务变少，需求越低基于以下公式：

其中N_i表示任务t_i周边的用户数，且N_max＝max(N_i)表示的是任务周边用户数的最大值，λ₃用来控制周边用户因素的尺度，随着N_i增大，周边人数的需求值减小。

在上述的一种位置相关的基于需求的动态激励机制方法，层次分析法结合定量定性的信息来决定感知任务和三个影响因素的相对重 要程度步骤为：首先目标层是为了求任务的需求值，标准层由截止时间、完成进度和周边人数组成，选择层是有各任务，然后使用一个3*3的比较矩阵A来表示不同因素间的相对重要性，国际标准的重要性尺度在[1,9]，所以矩阵项a_ij的取值范围在[1,9]，最后将矩阵按列进行归一化，计算三个需求影响因素的权重，通过求归一化矩阵行向量的平均值，得到描述影响因素相对重要性的权重向量：

在上述的一种位置相关的基于需求的动态激励机制方法，在每个感知周期，根据任务的实时需求动态的调整任务的报酬步骤为：任务的需求与任务的截止时间、完成进度、周边的用户数有关，感知任务的需求越大，平台方给予的报酬越大，根据任务的实时需求从而动态的调整报酬值步骤为：对需求值进行归一化后映射到N个需求等级，最后根据需求等级来决定相应的报酬值：

表示的是任务t_i在k轮时间段的新报酬，表示的是任务的需求等级，R₀表示的是需求等级1的报酬，λ是报酬的增长步长。

本发明具有如下优点：1、与现存的固定激励机制不同，本发明按照任务的需求在每个新的时间段更新报酬。因为以往的机制一旦确定报酬就不再更改，这导致一旦价格设置不合理，将使得最后有些任务无法在截止时间前完成；2、本发明引入一种全新的需求指示器，从任务的截止时间、完成进度和周边用户数三个方面综合分析，从而 很好的刻画了任务的需求；3、使用层次分析法来计算三个需求影响因素的相对重要性，从而更精确的求出了任务的需求值；4、相对于以往的固定激励方式，本发明提高了任务的完成率并且尽可能的提高了平台的收益。

附图说明

图1为本发明层次分析法中决定任务需求的层次结构。

图2为动态激励机制与固定激励机制基于总体完成度的比较图。

图3为动态激励机制与固定激励机制基于覆盖率的比较图。

图4为动态激励机制与固定激励机制基于平均测量报酬的比较图。

具体实施方式

下面结合本发明实施例中的附图，对本发明实施例中的方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部实施例。基于本发明实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

本发明包含如下步骤：

1)群智感知系统一般由平台方和众多携带智能设备的用户组成。在一个感知周期，平台方将需要收集数据的感知任务发布给用户。用户选择一组任务并将感知结果上传给平台从而获得应有的报酬；

2)为了刻画任务的需求，引入一种新的需求指示器，从任务的截 止时间、完成进度、周边用户数等三个因素做出综合测评。具体体现为越接近截止时间，需求越大；任务完成进度越低，需求越大；任务周边用户数越少，需求越大；

3)通过层次分析法来定量计算任务的需求值。层次分析法结合定量定性的信息来决定感知任务和三个影响因素的相对重要程度，从而计算出三个因素各自的权重；

4)在感知周期初始，根据任务的实时需求从而动态的调整报酬值。

所述的根据任务的实时需求动态的调整任务的报酬步骤为：任务的需求与多个因素有关，比如任务的截止时间、完成进度、周边的用户数。感知任务的需求越大，平台方给予的报酬越大。

所述的用需求指示器来刻画任务的需求大小，步骤为：

表示任务t_i在第k轮时的需求，分别表示受截止时间，完成进度，周围人数影响的需求值，w₁，w₂，w₃则分别表示这三个因素的相对重要程度。

所述的对于感知任务来说越靠近截止时间，需求越大步骤为：

其中τ_i表示的任务t_i的截止时间，λ₁用来控制时间因素的尺度，k表示当前的时间段数。随着k的增大，截止时间的需求值也增大。

所述的对于感知任务来说任务的完成进度越大，需求越低步骤为：

其中表示的任务t_i的完成进度，π_i表示已经收到的测量次数，表示任务需要的测量次数，λ₂用来控制完成进度因素的尺度。随着的增大，完成进度的需求值减小。

所述的对于感知任务来说周边任务变少，需求越低步骤为：

其中N_i表示任务t_i周边的用户数，且N_max＝max(N_i)表示的是任务周边用户数的最大值，λ₃用来控制周边用户因素的尺度。随着N_i增大，周边人数的需求值减小。

所述的层次分析法结合定量定性的信息来决定感知任务和三个影响因素的相对重要程度步骤为：首先目标层是为了求任务的需求值，标准层由截止时间、完成进度和周边人数组成，选择层是有各任务。然后使用一个3*3的比较矩阵A来表示不同因素间的相对重要性，国际标准的重要性尺度在[1,9]，所以矩阵项a_ij的取值范围在[1,9]。最后将矩阵按列进行归一化，计算三个需求影响因素的权重。通过求归一化矩阵行向量的平均值，可以得到描述影响因素相对重要性的权重向量。

所述的根据任务的实时需求从而动态的调整报酬值步骤为：对需求值进行归一化后映射到N个需求等级，最后根据需求等级来决定相 应的报酬值

表示的是任务t_i在k轮时间段的新报酬，表示的是任务的需求等级，R₀表示的是需求等级1的报酬，λ是报酬的增长步长。

实施例1

1)在一个感知时间段，用户选择一组任务并将感知结果上传给平台。因此平台可以了解所有任务的完成进度在每个感知时间段的结尾。在新的时间段开始可以根据每个任务的需求来更新报酬；

2)求与任务需求有关的影响因素的需求值步骤为：新的时间段初始化(更新)任务三个影响因素的需求值使得任务越接近截止时间，截止时间项需求值越大；任务完成进度越小，完成进度项需求值越大；任务周边人数越少，周边人数项需求值越大。

其中τ_i表示的任务t_i的截止时间，λ₁用来控制时间因素的尺度，k表示当前的时间段数。随着k的增大，截止时间的需求值也增大。其中表示的任务t_i的完成进度，π_i表示已经收到的测量次数，表示任务需要的测量次数，λ₂用来控制完成进度因素的尺度。其中N_i表示任务t_i周边的用户数，且N_max＝max(N_i)表示的是任务周边用户数的最大值，λ₃用来控制周边用户因素的尺度。随着N_i增大，周边人数的 需求值减小。

3)利用层次分析法(AHP)求三个影响因素的相对重要性的步骤为：

A、构建需求计算的AHP框架。结合图1来介绍需求计算的AHP框架，首先目标层是为了求任务的需求值，标准层由截止时间、完成进度和周边人数组成，选择层是各感知任务。

B、构建成对比较矩阵。利用一个3*3的比较矩阵A来表示不同因素间的相对重要性，国际标准的重要性尺度在[1,9]，所以矩阵项a_ij的取值范围在[1,9]。a_ij表示因素i相对因素j的相对重要性，a_ij>1时表示因素i比因素j更重要，a_ij<1时表示因素j比因素i更重要，a_ij＝1时表示因素i和因素j一样重要。

C、导出A的归一化矩阵。将矩阵A按列进行归一化得到矩阵使得每项的值范围在[0,1]，并且按列三项相加的值为1。

D、计算三个需求影响因素的权重。通过求归一化矩阵行向量的平均值，可以得到描述影响因素相对重要性的权重向量。

4)因为的范围在[0,λ₁ln2]，的范围在[0,λ₂ln2]，的范围在[0,λ₃ln2]，另外w₁+w₂+w₃＝1。所以其中λ_max＝max(λ₁,λ₂,λ₃)。

5)根据需求值来更新报酬步骤为：对需求值进行归一化后映射 到N个需求等级，最后根据需求等级来决定相应的报酬值步骤为：

表示的是任务t_i在k轮时间段的新报酬，表示的是任务的需求等级，R₀表示的是需求等级1的报酬，λ是报酬的增长步长。

本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。