群智感知中激励机制实验总结及展望.docVIP

群智感知中激励机制实验总结及展望 　　摘要：通过对激励机制的讨论，认为激励机制是群智感知中最重要的研究内容之一，在保证参与者数量和提高感知数据准确性、覆盖率和及时性上起着不可忽视的重要作用。激励机制与群智感知中其他主要研究问题密切关联，如参与者选择、能耗优化、所收集数据质量优化等，所以此方面近来从实验到理论方案的研究，都是为了提供更综合、全面的激励步骤和保障各方利益。同时，还指出了激励机制在未来面临的一些挑战和机遇。 　　关键词： 群智感知；激励机制；实验研究；未来展望 　　智能设备（包括智能手机、平板电脑等）不仅可以作为移动设备进行日常通信，而且还因为其本身所含的嵌入式传感器，如加速传感器、数字罗盘、陀螺仪、全球定位系统（GPS）、麦克风、摄像头等，而将其作为强大的感知单元。利用这些传感器使招募普通人来收集和共享感知数据变成了可能，“群智感知”便是基于这一新兴应用发展而来的一个新研究领域[1]。通过使用上述的嵌入式传感器，普通人作为“参与者”从周围环境中收集多维度的数据并且用现存的通信基础设施分享这些数据[2]。群智感知已经在诸如医疗保健、社交网络、安全设施、环境检测和公共交通等不同应用领域中显示出它巨大的潜力。比如，Yang等人提出了基于群智感知系统的室内定位方案，任意参与者可以把他们的位置信息上传给服务器，然后那些和他们在同一地点的参与者可以下载这些定位信息进而完成定位[3]。Massung等人使用群智感知系统[4]来支持社区环保行动，他们使用自己开发的应用来让参与者承担轻量级的环境数据收集任务。Mason等人设计了一个系统允许野生探索的参与者上传老虎的照片和GPS信息，以用来追踪野生老虎的踪迹[5]。 　　群智感知的一般流程如图1所示，包括3部分：任务发布者、感知平台和参与者。当任务发布者需要一些感知数据，他会把相应的任务要求以及收集数据的预算发送给感知平台，这些要求包括感知数据的精度、粒度、时间和数量等；接着感知平台根据实际需要招募参与者去收集数据并且根据一定的方案给参与者回报；之后参与者把数据传给感知平台，感知平台最后把数据传给任务发布者。 　　激励机制作为系统的一个主要方面，也被广泛应用于其他领域。如，Wang等人在自治网络中提出了动态的激励机制[6]；Zhao等人使用激励协议去鼓励末端节点协作以使P2P网络能提供稳定强大的服务[7]；Huang等人为点对点移动网络中的单个人提供激励去鼓励相互协作[8]。 　　把报酬奖励引入群智感知系统，有以下两方面的原因： 　　（1）参与者参与感知任务可能会产生费用花销，以及移动设备的电量消耗等，报酬奖励可以用来抵消并且鼓励参与者忽略这些成本，进而贡献数据。 　　（2）不同于那些可以利用汇聚节点完全控制所有节点的传统传感器网络，移动智能设备更私有化，它完全由其所有者控制，什么时候收集数据、持续收集的时间都由智能设备的所有者决定。所以奖励可以用来或多或少地影响所有者的这些决定，继而帮助提高收集数据的整体质量。 　　Wang等人也说过如果没有合适的激励机制，那么由私人提供给大众的信息总是不能达到最令人满意的状态[6]。在群智感知系统中，我们面临两个挑战[9]：如何去招募并且留住更多的参与者；如何去估计他们的贡献。第1个挑战可以站在参与者的角度去理解，只有在参与者的需求、目的和他们所关注的内容完全被理解之后，激励才能发挥它的作用和效果。也就是说，我们应该如何提供利益、安全和公平的参与机会以维持足够的参与者。第2个挑战需要站在任务发布者和平台的角度去看待，因为不同的任务需要不尽相同的感知持续时间和数据质量[10]，所以如何利用最小的回报去得到更高质量的数据是一个挑战。 　　文章回顾并讨论了激励机制实验的相关学术成果，然后展望了其研究发展方向。 　　1群智感知中的激励实验 　　文献[11]―[13]研究了不同激励策略对参与者人数和感知平台所收集到数据的数量所产生影响，是最具代表性的3篇文章。表1总结了这3篇文章的实验信息和结果。 　　1.1 实验参数 　　少量现金回报策略[11]是在真实世界测试激励表现的首步工作之一。研究人在美国的一所大学召集了55名年轻参与者进行了5周的实验。研究人要求参与者在校园里拍垃圾桶中垃圾的照片以查看这所校园的垃圾回收情况。任务完成后参与者通过亚马逊土耳其机器人（MTurk）领取少量现金回报。实验通过参与者上传照片数量的多少衡量他所做的贡献。 　　噪声地图这个实验召集了49名参与者进行了5周的实验[12]。参与者用麦克风收集他所在区域的噪声水平并和他的运动轨迹一同上传到感知平台。不同于文献[11]中使用现金激励，研究人使用虚拟积分作为对参与者的回报。实验通过参与者所录声音片段的时长来衡量他所做出的贡献。 　　文献[13]中的研