基于拍卖理论的车联网群智感知用户的在线激励方法技术

本发明专利技术涉及一种基于拍卖理论的车联网群智感知用户的在线激励方法，包括S1:根据车辆为基础的群智感知场景进行数学建模;S2:设计系统收益、用户收益以及约束下的目标函数；S3:在第一个时隙预设一个作为挑选用户依据的阈值，对于进入模型的车辆用户，根据用户的报价和用户的贡献率之比得到的性价比与阈值进行比较，挑选性价比大于阈值且系统剩余预算足够支付用户报酬的赢家，并以用户的贡献率与阈值的乘积作为用户该轮的报酬；S4:在每一个时隙结束时，将离开系统的车辆用户作为样本计算作为新的阈值；S5:将尚未离开系统且不是赢家的用户重新加入一个候选集，用新的阈值在下一轮开始之前继续挑选赢家，并重新计算赢家报酬,使得赢家得到最高报酬。

【技术实现步骤摘要】
基于拍卖理论的车联网群智感知用户的在线激励方法
本专利技术涉及一种基于拍卖理论的车联网群智感知用户的在线激励方法.
技术介绍
移动群智感知是一种新的感知模式，每个连接到它的感知设备都能通过网络传输数据给它，此外，它能够通过雇佣一批几乎不需要专业知识的普通用户就能实现大量感知数据的收集，完成大规模、较复杂的感知任务。为群智感知情景设计的激励机制主要分为在线激励机制和离线激励机制两种。在离线激励机制中，系统能够提前获得所用参与用户的信息，系统在获取用户信息根据目标函数选择一批用户完成感知任务。近些年来，在线激励机制颇受关注。在在线激励机制中，系统不能提前知道用户的信息，陆续进入系统的用户在进入系统之后才报上信息，系统只能在不知道未来进入系统的用户信息的情况下决定是否雇佣这个用户。显然，相对于离线激励机制，在线激励机制雇佣用户的风险更高，计算报酬的难度更大，但是在线激励机制也更符合实际情况。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种基于拍卖理论的车联网群智感知用户的在线激励方法,结合拍卖理论，以提高群智感知中系统的收益。为实现上述目的，本专利技术采用如下技术方案：一种基于拍卖理论的车联网群智感知用户的在线激励方法，包括以下步骤：步骤S1:根据车辆为基础的群智感知场景进行数学建模，建立有限定时间和预算且系统要求完成的任务有空间和时间维度的模型；步骤S2:结合包括任务具有时间和空间维度、用户能够在不同时间完成不同任务、系统具有时间和预算约束，设计系统收益、用户收益以及约束下的目标函数；步骤S3:在第一个时隙预设一个作为挑选用户依据的阈值，对于进入模型的车辆用户，根据用户的报价和用户的贡献率之比得到的性价比与阈值进行比较，挑选性价比大于阈值且系统剩余预算足够支付用户报酬的赢家，并以用户的贡献率与阈值的乘积作为用户该轮的报酬；步骤S4:在每一个时隙结束时，将离开系统的车辆用户作为样本计算作为新的阈值；步骤S5:将尚未离开系统且不是赢家的用户重新加入一个候选集，用新的阈值在下一轮开始之前继续挑选赢家，并重新计算赢家报酬,使得赢家得到最高报酬。进一步的，所述步骤S1具体为：步骤S11:群智感知中的数据采集部分分为三个部分：(1)、群智感知平台发布具有时间和空间维度的任务；(2)、平台收集感兴趣且能够做任务的用户的类型；(3)、使用含有挑选赢家部分和报酬计算部分的激励机制选择赢家并计算给赢家的报酬；步骤S12:群智感知平台发布的任务建模成一共有T个时隙，m个任务点，建模成一个T行m列的矩阵。进一步的，所述步骤2具体为：步骤S21:设定用户的收益函数是：其中S表示赢家集合，pi是平台给赢家i的报酬，ci是用户做任务的成本；步骤S22:设定赢家的总贡献率函数：其中Rtj表示任务j在时隙t要求被覆盖的次数；步骤S23:收集能够做任务的用户的类型数据步骤S24：用户的边际贡献率记为：r'i(D)＝R(D∪{i})-R(D)，其中R(D∪{i})表示用户集合D和用户i完成的贡献率，R(D)表示用户集合D完成的贡献率；步骤S25：得到目标函数：maximizeR(S)表示在系统预算有限且用户收益大于0的约束下最大化所有赢家的贡献率之和。进一步的，所述类型数据包括：到达时间ai，离开时间di，能做的任务矩阵vi，报价bi；其中vi是一个T行m列的矩阵，表示用户i能否在时隙t内覆盖任务点j。进一步的，所述步骤S3具体为：步骤S31：进入系统的新用户加入集合O,候选用户集为O'＝O\S，其中集合S为赢家用户集合；步骤S32：迭代选择贡献率ri'(S)最高的用户，将此用户的性价比与预设的阈值ρ对比，当性价比高于阈值且系统将要支付给这个赢家的报酬小于系统剩余预算时系统选择以价格雇佣此用户；步骤S33：在每个时隙最后把离开系统的用户加入样本集S'，用这个样本集S'和本阶段的阶段预算更新计算下一阶段的阈值，更新阶段预算为步骤S34：对于还留在系统的用户，用更新后的阈值选择赢家并计算报酬当时，用户i被选为赢家且报酬为r'i(S\{i})/ρ。进一步的，所述步骤S4具体为：步骤S41：将离开系统的用户加入样本集记为S’；步骤S42:依次选择性价比最高的用户即选择值最大的用户，把相应用户的性价比与赢家集D整体性价比进行对比，若用户性价比高于赢家集D整体性价比则该用户被选入赢家集D.步骤S43:依次选择直到用户性价比低于赢家集D的整体性价；得到赢家数为|D|的赢家集合，记最后一个赢家的性价比为则阈值本专利技术与现有技术相比具有以下有益效果：本专利技术基于拍卖理论面向时间敏感型车联网群智感知用户的在线激励机制具有计算有效性，个体理性，用户权益有保障性，预算有效性，真实性，提高实际经济效益。附图说明图1是本专利技术车辆群智感知系统与用户交互过程的图示。图2是本专利技术的机制与其他算法机制在系统预算B的情况下的对比示意图。图3是本专利技术一实施例中的满足真实性的示意图图4是本专利技术一实施例中的满足真实性的示意图。图5是本专利技术的机制与其他算法机制在不同的到达率的情况下的对比示意图。图6是本专利技术总体设计路线图。具体实施方式下面结合附图及实施例对本专利技术做进一步说明。请参照图1，本专利技术提供一种基于拍卖理论的车联网群智感知用户的在线激励方法，包括以下步骤：步骤S1:对以车辆为基础的群智感知场景进行数学建模，建立出系统有限定时间和预算且系统要求完成的任务有空间和时间维度的模型。群智感知中的数据采集部分主要分为三个步骤：阶段1：群智感知平台发布具有时间和空间维度的任务。阶段2：感兴趣且能够做任务的用户向平台汇报自己的类型。阶段3：使用含有挑选赢家部分和报酬计算部分的机制选择赢家并计算给赢家的报酬。群智感知平台发布的任务建模成一共有T个时隙，m个任务点，建模成一个T行m列的矩阵Γ＝[[τ11,τ12,...,τ1m],...,[τT1,τT2,...,τTm]]。感兴趣且能够做任务的用户向平台汇报自己的类型其中表示用户i汇报的到达时间，但是由于用户具有博弈思维，因此这个到达时间并不一定等于用户的真实到达时间ai，同样的，用户汇报的离开时间也不需要等于真实离开时间di，bi表示用户的报价也不一定等于用户完成所有汇报的任务的成本ci。另外，vi表示表示用户i能完成的任务，是一个T行m列的矩阵表示用户能够在时间t经过地点j即完成这个任务。步骤S2：结合包括任务具有时间和空间维度、用户能够在不同时间完成不同任务、系统具有时间和预算约束等实际情况设计系统收益、用户收益以及约束下的目标函数。以及确定所设计的机制应该满足的性质。用户的收益函数是：其中S表示赢家集合，pi是平台给赢家i的报酬，ci是用户做任务的成本。赢家的总贡献率函数：其中S表示赢家集合，Rtj表示任务j在时隙t要求被覆盖的次数。用户在表明自己能够做任务的时候需要向系统汇报自己的类型，类型包括：到达时间ai，离开时间di，能做的任务矩阵vi，报价bi。vi也是一个T行m列的矩阵，表示用户i能否在时隙t内覆盖任务点j。用户的边际贡献率记为：r'i(D)＝R(D∪{i})-R(D)，其中R(D∪{i})表示用户集合D和用户i完成的贡献率，R(D)表示用户集合D完成的贡献率。目标函数：表示在系统预算有限且用户收益大于0的约束下最大化所有赢家的本文档来自技高网...

【技术保护点】
1.一种基于拍卖理论的车联网群智感知用户的在线激励方法，其特征在于：包括以下步骤：步骤S1:根据车辆为基础的群智感知场景进行数学建模，建立有限定时间和预算且系统要求完成的任务有空间和时间维度的模型；步骤S2:结合包括任务具有时间和空间维度、用户能够在不同时间完成不同任务、系统具有时间和预算约束，设计系统收益、用户收益以及约束下的目标函数；步骤S3:在第一个时隙预设一个作为挑选用户依据的阈值，对于进入模型的车辆用户，根据用户的报价和用户的贡献率之比得到的性价比与阈值进行比较，挑选性价比大于阈值且系统剩余预算足够支付用户报酬的赢家，并以用户的贡献率与阈值的乘积作为用户该轮的报酬；步骤S4:在每一个时隙结束时，将离开系统的车辆用户作为样本计算作为新的阈值；步骤S5:将尚未离开系统且不是赢家的用户重新加入一个候选集，用新的阈值在下一轮开始之前继续挑选赢家，并重新计算赢家报酬,使得赢家得到最高报酬。

【技术特征摘要】
1.一种基于拍卖理论的车联网群智感知用户的在线激励方法，其特征在于：包括以下步骤：步骤S1:根据车辆为基础的群智感知场景进行数学建模，建立有限定时间和预算且系统要求完成的任务有空间和时间维度的模型；步骤S2:结合包括任务具有时间和空间维度、用户能够在不同时间完成不同任务、系统具有时间和预算约束，设计系统收益、用户收益以及约束下的目标函数；步骤S3:在第一个时隙预设一个作为挑选用户依据的阈值，对于进入模型的车辆用户，根据用户的报价和用户的贡献率之比得到的性价比与阈值进行比较，挑选性价比大于阈值且系统剩余预算足够支付用户报酬的赢家，并以用户的贡献率与阈值的乘积作为用户该轮的报酬；步骤S4:在每一个时隙结束时，将离开系统的车辆用户作为样本计算作为新的阈值；步骤S5:将尚未离开系统且不是赢家的用户重新加入一个候选集，用新的阈值在下一轮开始之前继续挑选赢家，并重新计算赢家报酬,使得赢家得到最高报酬。2.根据权利要求1所述的基于拍卖理论的车联网群智感知用户的在线激励方法，其特征在于：所述步骤S1具体为：步骤S11:群智感知中的数据采集部分分为三个部分：(1)、群智感知平台发布具有时间和空间维度的任务；(2)、平台收集感兴趣且能够做任务的用户的类型；(3)、使用含有挑选赢家部分和报酬计算部分的激励机制选择赢家并计算给赢家的报酬；步骤S12:群智感知平台发布的任务建模成一共有T个时隙，m个任务点，建模成一个T行m列的矩阵。3.根据权利要求1所诉的基于拍卖理论的车联网群智感知用户的在线激励方法，其特征在于：所述步骤2具体为：步骤S21:设定用户的收益函数是：其中S表示赢家集合，pi是平台给赢家i的报酬，ci是用户做任务的成本；步骤S22:设定赢家的总贡献率函数：其中Rtj表示任务j在时隙t要求被覆盖的次数；步骤S23:收集能够做任务的用户的类型数据步骤S2...

【专利技术属性】
技术研发人员：冯心欣，胡淑英，何领朝，郑海峰，
申请(专利权)人：福州大学，
类型：发明
国别省市：福建,35