移動群智感知激勵機制研究綜述

劉媛妮，李慧聰，關(guān) 鑫，袁 凱，趙國鋒,3，段 潔

(1.重慶郵電大學 未來網(wǎng)絡(luò)研究中心, 重慶 400065；2.重慶市渝中區(qū)公安局分局，重慶 400010； 3.重慶市高校光通信與網(wǎng)絡(luò)重點實驗室，重慶 400065)

0 引 言

隨著無線通信和傳感器技術(shù)的快速發(fā)展以及無線移動智能終端設(shè)備的快速普及，市場上的智能手機和平板電腦集成了全球定位系統(tǒng)(global positioning system,GPS)、加速度計、陀螺儀、麥克風、攝像頭等計算和感知功能強大的感知模塊，使得人們可以隨時隨地感知和獲取周圍環(huán)境信息。大量的基于感知信息的應用也不斷涌現(xiàn)，如：環(huán)境監(jiān)測、交通監(jiān)測和社交網(wǎng)絡(luò)應用等。這些不斷增加的應用促進了移動群智感知(mobile crowd sensing，MCS)[1-4]的誕生和發(fā)展。

移動群智感知將普通用戶的移動智能終端(手機、平板電腦、智能可穿戴設(shè)備等)作為基本感知單元，通過移動互聯(lián)網(wǎng)進行有意識或無意識的協(xié)作，形成移動群智感知網(wǎng)絡(luò)，實現(xiàn)感知任務分配與感知數(shù)據(jù)收集，然后在云端對這些數(shù)據(jù)匯集及融合，最終用于群智提取以及以人為中心服務的數(shù)據(jù)交付。作為一種多用戶協(xié)作感知的數(shù)據(jù)收集模式，移動群智感知網(wǎng)絡(luò)將每個攜帶感知設(shè)備的用戶看作是一個獨立的傳感器，并利用他們之間有意識或無意識的協(xié)作完成大規(guī)模、復雜的社會感知任務。移動群智感知網(wǎng)絡(luò)最重要的特點是人將參與數(shù)據(jù)感知、傳輸、分析、應用等整個系統(tǒng)的每個過程，既是感知數(shù)據(jù)的“消費者”，也是感知數(shù)據(jù)的“生產(chǎn)者”。這種“以人為中心”的感知模式可以充分發(fā)揮“人多力量大”、“眾人拾柴火焰高”的特點，對未來普適計算(ubiquitous computing)[5]具有重要意義。相對于傳統(tǒng)的傳感器網(wǎng)絡(luò)，移動群智感知具有數(shù)據(jù)收集成本低、設(shè)備維護簡單、系統(tǒng)可擴展性強等優(yōu)勢。

移動群智感知應用實現(xiàn)的前提在于大量用戶的參與。然而，這種“以人為中心”的感知方式也因人的自私性、隨機性使移動群智感知的數(shù)據(jù)收集過程存在一定的困難：①自私性造成的問題。在感知過程中往往需要用戶的移動終端收集大量的感知信息，這將會消耗用戶終端的資源(電量、流量等)，數(shù)據(jù)上傳會造成花費，導致了用戶不愿意無償參與感知活動；②移動性。用戶不斷移動造成數(shù)據(jù)感知過程中斷使數(shù)據(jù)收集質(zhì)量低，平臺需要重新招募用戶，任務完成時間被延長，數(shù)據(jù)質(zhì)量低也會降低移動群智感知應用的服務質(zhì)量；③安全性。數(shù)據(jù)大多是時間和位置敏感的，對隱私泄露的擔憂使用戶參與積極性較低。為此，研究者提出了移動群智感知的激勵機制，通過將感知活動與娛樂游戲、信譽值或報酬支付結(jié)合等手段提高用戶參與感知活動的積極性和數(shù)據(jù)收集的質(zhì)量。因此，研究移動群智感知激勵機制，以提高用戶參與感知活動的積極性，對于保證移動群智感知應用的服務質(zhì)量，具有重要的意義。近年來移動群智感知激勵機制的研究成為移動群智感知網(wǎng)絡(luò)的熱點研究方向，獲得了較多的研究成果。

1 移動群智感知

1.1 移動群智感知概述

文獻[6]將移動群智感知定義為移動群智感知是指利用普通用戶的移動設(shè)備作為基本感知單元，通過移動互聯(lián)網(wǎng)進行有意識或無意識的協(xié)作，實現(xiàn)感知任務分發(fā)與感知數(shù)據(jù)收集，完成大規(guī)模的、復雜的社會感知活動。

根據(jù)用戶的參與程度，可將移動群智感知分為參與式感知(participatory sensing)[7-8]和機會感知(opportunity sensing)[9-10]。例如，在交通路況監(jiān)測應用中，參與式感知強調(diào)用戶的主動參與，參與式感知需用戶以短信匯報等方式手動上傳當時當?shù)亟煌顩r數(shù)據(jù)，而機會感知通過直接或間接的方式感知用戶行為，比如，利用手機中的傳感器自動地監(jiān)測人群的移動情況并進行匯報。

1.2 移動群智感知系統(tǒng)架構(gòu)

移動群智感知系統(tǒng)通常由群智感知平臺和感知用戶2部分組成。群智感知平臺主要由數(shù)據(jù)中心的多臺服務器構(gòu)成，感知用戶則可利用日常攜帶或可穿戴的智能設(shè)備作為傳感器進行數(shù)據(jù)收集。在感知用戶得知群智感知平臺下發(fā)的感知任務信息后，用戶根據(jù)自身的情況通過智能設(shè)備進行感知任務，并通過移動蜂窩網(wǎng)絡(luò)(如3G，4G等)以及短距離無線通信(如藍牙、WiFi等)方式進行數(shù)據(jù)傳輸，平臺則對數(shù)據(jù)進行收集、存儲和處理，通過對數(shù)據(jù)的智能提取，移動群智感知的數(shù)據(jù)可以為多種上層應用提供服務。一個典型的移動群智感知系統(tǒng)架構(gòu)通常可分為5層,如圖1所示。

1)感知層。感知層主要由群智感知終端組成，用戶利用智能終端收集原始的感知數(shù)據(jù)。

2)數(shù)據(jù)傳輸層。數(shù)據(jù)傳輸層主要負責將感知層收集的數(shù)據(jù)上傳到群智感知平臺的服務器中。

3)數(shù)據(jù)收集層。數(shù)據(jù)收集層主要是通過激勵用戶參與、進行用戶選擇和任務分配等實現(xiàn)感知任務的分配和數(shù)據(jù)的收集，通過數(shù)據(jù)匿名化對數(shù)據(jù)貢獻者提供隱私保護，并實現(xiàn)對感知數(shù)據(jù)的存儲。

4)數(shù)據(jù)處理層。數(shù)據(jù)處理層主要是對數(shù)據(jù)收集層存儲的原始感知數(shù)據(jù)進行處理。在群智感知中，由于大量未經(jīng)訓練的用戶作為基本的感知單元，感知數(shù)據(jù)存在不精確、不完整、不一致的問題，因此，需對原始數(shù)據(jù)進行處理提高數(shù)據(jù)質(zhì)量。在數(shù)據(jù)處理層，主要是對大量的原始數(shù)據(jù)進行數(shù)據(jù)過濾清洗、融合與分析，通過處理得到的最終數(shù)據(jù)將用于實現(xiàn)各種應用。

5)應用層。該層通過各種群智感知應用程序為用戶提供各種類型的應用服務。

圖1 移動群智感知系統(tǒng)架構(gòu)Fig.1 System architecture of mobile crowd sensing

相較于需部署固定傳感節(jié)點的傳統(tǒng)的傳感器網(wǎng)絡(luò)而言，移動群智感知系統(tǒng)架構(gòu)具有以下優(yōu)點。

1)感知設(shè)備的維護更加簡單。移動群智感知采用的感知設(shè)備實際上是人們?nèi)粘y帶的移動智能終端，因而不需要專門派遣人員進行定期維護；

2)感知范圍廣。人的泛在性和移動性使得移動群智感知能夠輕松應對大范圍的數(shù)據(jù)收集任務；

3)方便部署且數(shù)據(jù)收集成本較低。智能移動終端由人們?nèi)粘y帶因而部署起來十分方便，僅需要在感知區(qū)域內(nèi)招募合適的感知節(jié)點即可，并且相較于昂貴的專業(yè)感知設(shè)備，以普通的移動設(shè)備作為基本的感知單元可以大大降低數(shù)據(jù)收集的成本。與傳統(tǒng)的無線傳感器網(wǎng)絡(luò)相比，移動群智感知具有網(wǎng)絡(luò)部署成本低、維護簡單、系統(tǒng)可擴展性強以及采集數(shù)據(jù)類型廣泛等優(yōu)勢。但感知數(shù)據(jù)質(zhì)量相對較低，當前大部分智能移動終端都是集成了低成本、低功耗的傳感器，由于人的隨機移動，設(shè)備的可用性，網(wǎng)絡(luò)環(huán)境的變化等都有可能影響數(shù)據(jù)的完整性和數(shù)據(jù)收集的質(zhì)量，此外，由于用戶的行為不可控制，用戶可能上傳虛假的感知數(shù)據(jù)，使得感知數(shù)據(jù)質(zhì)量較低。

1.3 移動群智感知應用

目前，移動群智感知已廣泛應用于環(huán)境監(jiān)測[11-14]、交通狀況監(jiān)測[15-18]、社交行為分析[19-20]、移動社交推薦[21-24]等方面。

1)環(huán)境監(jiān)測。環(huán)境監(jiān)測應用主要包括空氣污染監(jiān)測[11]、噪聲污染監(jiān)測和水污染監(jiān)測。在空氣污染監(jiān)測方面，文獻[12]利用移動群智感知設(shè)計了一個細粒度城市PM2.5三維監(jiān)測系統(tǒng)BlueAer。在噪聲污染監(jiān)測方面，Rana等[13]設(shè)計了用于感知城市環(huán)境噪音的系統(tǒng)Ear-Phone，手機用戶通過收集途徑區(qū)域的噪音數(shù)據(jù)，通過WiFi上傳至服務器后得到噪音強度、位置等信息，并匯集大量用戶的感知數(shù)據(jù)構(gòu)造城市的環(huán)境噪音地圖。在水污染監(jiān)測方面，IBM研究中心的CreekWatch[14]系統(tǒng)通過用戶拍照或文本描述來記錄不同地方的水質(zhì)或垃圾數(shù)量，用來跟蹤水污染。

2)交通狀況監(jiān)測。利用普適的移動感知設(shè)備對路況信息進行收集、處理后反饋給用戶，向用戶提供更智能的出行路線和駕駛輔助。文獻[15]基于群智感知數(shù)據(jù)生成最優(yōu)的車輛共乘計劃，提出了一種出租車共乘服務T-Share。Liu等[16]提出一種基于參與式感知的城市交通監(jiān)測系統(tǒng)，利用乘坐公交車的智能手機用戶完成交通感知任務，在該系統(tǒng)中，公交車乘坐者既是交通信息的提供者也是交通信息的消費者。文獻[17]利用公共汽車乘客感知的周圍環(huán)境信息估計公交車站公共汽車到達的時間，避免了用戶長時間盲目地等待。B-Planner[18]計劃利用出租車的GPS數(shù)據(jù)和乘客上下車記錄，對夜班車路線規(guī)劃給予建議。

3)社交行為分析。用戶可以通過移動社交網(wǎng)絡(luò)相互分享感知信息，通過感知信息的比較和分析來更加了解自己的行為習慣，獲取對自己有用的知識，進而改善自己的行為模式。例如達特茅斯學院的CenceMe[19]利用手機采集的數(shù)據(jù)推測用戶行為模式(開車、步行等)、習慣、情緒、環(huán)境等，發(fā)布至在線社交網(wǎng)絡(luò)平臺共享，實現(xiàn)用戶在虛擬世界的存在。在Reddy等[20]的DietSense計劃中人們對自己所吃的食物進行拍照，在社區(qū)內(nèi)共享自己的飲食習慣并和社區(qū)內(nèi)的其他成員比較各自的飲食習慣。一個典型的應用就是糖尿病患者可在社區(qū)內(nèi)了解其他糖尿病患者的飲食和控制自己的飲食，或給他人提供良好的建議。

4)移動社交推薦。利用移動群智感知系統(tǒng)收集的大量的數(shù)據(jù)并結(jié)合推薦技術(shù)，可以給用戶提供更加豐富的推薦，包括位置推薦、旅程推薦和服務推薦等。文獻[21]利用用戶在FourSquare中的點擊量和評論提出了個性化位置推薦系統(tǒng)，可以為用戶推薦與用戶偏好相似的地點。文獻[22]利用基于位置的社交網(wǎng)絡(luò)數(shù)據(jù)提出了一個旅游套餐推薦系統(tǒng)，幫助用戶決定旅游路線。T-Finder[23]是一種出租車服務推薦系統(tǒng)，其一方面幫助出租車司機規(guī)劃路線以便其能快速地接到客人最大化其效用，另一方面向用戶推薦在可行范圍內(nèi)容易搭乘到出租車的地點。GroupMe[24]是一種社交活動援助系統(tǒng)，該系統(tǒng)結(jié)合移動感知數(shù)據(jù)挖掘[25]技術(shù)促進社交活動的組織(例如晚宴等)。

2 移動群智感知激勵機制

2.1 激勵機制概述

移動群智感知應用的實現(xiàn)需要依賴廣泛的、大量的移動感知設(shè)備的參與。然而，在執(zhí)行感知任務的過程中會消耗用戶資源(電量、存儲、流量等)或面臨隱私泄露(位置信息等)的威脅，用戶通常不愿意無償?shù)貐⑴c到感知任務中來。為了有足夠的用戶參與感知從而保證移動群智感知應用的服務質(zhì)量，需設(shè)計合適的激勵機制激勵用戶參與。因此，移動群智感知激勵機制研究為移動群智感知研究的重點研究問題之一。

2.2 激勵機制工作階段

根據(jù)移動群智感知系統(tǒng)架構(gòu)(見圖1)，激勵機制涉及的主體包括群智感知平臺和感知用戶。感知用戶為被激勵的對象。激勵機制又可稱為參與者招募和選擇機制。一個典型的移動群智感知過程可劃分為任務下發(fā)、任務分配、任務執(zhí)行和數(shù)據(jù)融合4個部分。其中，在任務分配階段，平臺在分配任務的同時需有一定的激勵機制激勵用戶參與感知任務，才能保證足夠的用戶愿意參與感知，進而確保移動群智感知應用的服務質(zhì)量。即通過某種激勵方式達到群智感知平臺和參與者效用最大化。因此，激勵機制工作在任務分配階段[26-27]。

在任務分配階段，激勵機制的研究主要是通過具體的激勵方式達到一定的激勵效果。若用戶在執(zhí)行感知任務后所得到的報酬不大于其感知成本時，用戶就會失去參與感知的興趣。那么在激勵機制設(shè)計的過程中需考慮多種因素，包括用戶效用、平臺效用、數(shù)據(jù)質(zhì)量、任務覆蓋率等問題。

3 移動群智感知激勵機制分類

3.1 移動群智感知激勵機制分類概要

在移動群智感知激勵機制的研究中，不同的激勵機制應用于不同的應用背景和解決不同的問題，沒有哪一種激勵機制能解決所有的問題。大多數(shù)激勵機制設(shè)計工作重點在于通過不同的激勵方式對用戶的感知成本進行補償[28-29]，而很少從隱私保護的角度設(shè)計激勵機制[30-31]。

根據(jù)激勵方式的不同，將現(xiàn)有的激勵機制分為娛樂游戲、信譽值和報酬支付三大類，前2種激勵機制為非金錢的激勵機制，報酬支付方式的激勵效果往往優(yōu)于前2種。表1分別從激勵方式、機制名稱、應用范圍以及研究目的和問題幾個方面對移動群智感知激勵機制相關(guān)文獻進行分類概要?？梢钥闯?，在激勵機制的設(shè)計中通過合適的激勵方式激勵足夠多的用戶參與感知的同時研究了數(shù)據(jù)質(zhì)量問題、預算平衡問題、任務覆蓋問題和參與水平問題等。只有結(jié)合上述研究問題，才能使移動群智感知應用有較高的服務質(zhì)量。

3.2 基于娛樂游戲的激勵機制

娛樂游戲是指通過基于位置的游戲激勵用戶參與到移動群智感知任務中，此類機制的研究重點在于通過設(shè)置合適于感知任務的與位置相關(guān)的娛樂游戲來豐富用戶體驗。

文獻[32]為建立某區(qū)域內(nèi)的WiFi覆蓋地圖，設(shè)計了一個室外游戲，游戲玩家攜帶配有GPS和WiFi的移動設(shè)備參與游戲。游戲規(guī)則為玩家需拾取散布在游戲區(qū)域上的虛擬硬幣，然后將硬幣上傳到服務器以獲得游戲點數(shù)，更好的網(wǎng)絡(luò)連接增加了成功收集并上傳硬幣的可能性，因此,玩家有動力去找到WiFi覆蓋信號強的地點，通過玩家的移動，可以幫助建立和更新該區(qū)域的WiFi覆蓋地圖。

Ostereiersuche[33]是一個基于位置的手機游戲，游戲玩家根據(jù)導航提示在指定位置搜索藏有優(yōu)惠券的虛擬雞蛋，通過收集3種不同的優(yōu)惠券可贏得獎品，利用玩家收集虛擬雞蛋的動作獲取玩家的移動軌跡，結(jié)合大量的用戶軌跡可以揭示空間結(jié)構(gòu)和空間元素。

表1 移動群智感知激勵機制分類概要

Han等[34]將游戲激勵加入到參與式感知項目BudBurst中，BudBurst是一項根據(jù)用戶觀察植物記錄的觀測結(jié)果，并將結(jié)果上傳到服務器網(wǎng)站來研究氣候變化對植物生長影響的項目。用戶可以通過2種方式獲得游戲積分：①使用本地植物列表和交互式地圖啟動植物觀測，②根據(jù)發(fā)布的位置找到相應的植物，拍攝照片并記錄觀測結(jié)果。

基于游戲的激勵機制通常將感知任務以室外游戲的形式表示，以游戲的趣味性吸引用戶參與，可以達到激勵用戶參與的目的。因此，位置相關(guān)的感知任務更容易與娛樂游戲相結(jié)合，但也不是所有的感知任務都能夠簡單地游戲化。

3.3 基于信譽值的激勵機制

信譽值激勵是指用戶通過執(zhí)行感知任務得到一定的信譽值，用戶可以從中獲得滿足感(社會地位等)，平臺也可以根據(jù)用戶的信譽值選取質(zhì)量高的用戶執(zhí)行感知任務。此類機制側(cè)重于通過用戶為維護自身的社會地位、利益等而帶來的參與感知任務的積極性，以提高感知任務的質(zhì)量。

文獻[35]為了解決機會網(wǎng)絡(luò)中自私節(jié)點不愿意轉(zhuǎn)發(fā)消息而降低網(wǎng)絡(luò)性能的問題，提出基于信譽的激勵機制IRONMAN，激勵用戶參與消息轉(zhuǎn)發(fā)提高網(wǎng)絡(luò)性能。該機制利用社交網(wǎng)絡(luò)信息引導的信任關(guān)系去檢測和懲罰自私節(jié)點，實驗結(jié)果表明，該機制有較高的、及時的自私節(jié)點檢測準確率，能最大化網(wǎng)絡(luò)中合作節(jié)點的比例。同時表明社交網(wǎng)絡(luò)信息可以用來改善現(xiàn)有的激勵機制。

文獻[36]為設(shè)計適用于用戶連續(xù)到達的在線激勵機制，并達到最大化社會福利的目的。提出一種基于異質(zhì)信譽值的激勵機制，該機制將社會地位與實時吞吐量相結(jié)合，多階段選擇用戶。結(jié)果表明，該算法的性能能接近最優(yōu)并趨于穩(wěn)定。

總的來說，基于信譽值的激勵機制通過社交關(guān)系和信譽積分激勵用戶完成目標任務，其社會地位、名譽、利益等因素能激勵用戶參與。在通過實名認證的網(wǎng)絡(luò)中，用戶的積極性往往更高。

3.4 基于報酬支付的激勵機制

娛樂游戲激勵和信譽值激勵均屬于非金錢的激勵機制，文獻[38]指出采取金錢的激勵機制，即基于報酬支付的激勵機制，往往比非金錢的激勵方式更能提高用戶參與的興趣。現(xiàn)有的移動群智感知中基于報酬支付的激勵機制主要通過將博弈論[39]和市場經(jīng)濟學中的拍賣機制[40]相結(jié)合設(shè)計激勵機制。機制的設(shè)計主要分為用戶選擇和報酬支付2個過程。

根據(jù)有無用戶報價的過程可將基于報酬支付的激勵機制分為以平臺為中心的激勵機制和以用戶為中心的激勵機制。在以平臺為中心的激勵機制中，無用戶報價的過程，此類機制側(cè)重于研究如何選擇用戶以及采用何種報酬支付決策以最大化平臺效用。在以用戶為中心的激勵機制中，存在用戶上報競價的過程，此類機制重點研究如何確定贏標集和報酬支付決策以最小化平臺成本、最大化平臺效用和最大化社會福利，以及考慮預算平衡問題、參與水平問題、任務覆蓋問題和數(shù)據(jù)質(zhì)量問題，以保證機制的可行性和感知任務的質(zhì)量。

3.4.1 以平臺為中心的激勵機制

在基于報酬支付的激勵機制中，若沒有用戶上報競價的過程，對于支付給感知用戶的報酬，平臺具有絕對的控制權(quán)，則稱之為以平臺為中心的激勵機制。以平臺為中心的激勵模型如圖2所示。首先，平臺發(fā)布任務信息及任務的總酬勞，然后，收到任務信息的用戶結(jié)合自身情況決定是否參與感知，最后，平臺對用戶進行報酬支付。

圖2 以平臺為中心的激勵模型Fig.2 Platform-centric incentive model

當假設(shè)用戶是異質(zhì)的前提下，平分報酬的方式不適用于此情景，根據(jù)報酬支付的方式將此情形下以平臺為中心的激勵機制分為基于時間的報酬支付、基于貢獻值的報酬支付以及基于數(shù)據(jù)質(zhì)量的報酬支付。

1)基于時間的報酬支付?；跁r間的報酬支付根據(jù)參與者參與感知的時間長短對參與者進行報酬支付。文獻[42]中提出以平臺為中心的激勵模型，利用stackelberg game設(shè)計激勵機制，共包括3個階段。①平臺發(fā)布任務描述和總報酬R；②每個用戶制定自己的感知計劃即感知時間ti以最大化自身效用；③平臺根據(jù)用戶的感知時間對用戶進行支付以最大化自身的效用。第2階段為非合作博弈階段，稱之為感知時間決策博弈(sensing time determination game，STD)。用戶i的效用函數(shù)計算公式為

(1)

平臺的的效用函數(shù)計算公式為

朱光潛認為，美不完全在外物，也不完全在人心，它是心物結(jié)合后所產(chǎn)生的嬰兒。因而引導學生用心去關(guān)心身邊的人，留意身邊的事，并細細地去體悟，他們的情感世界將會漸漸豐富起來，流露筆端的情感也將漸漸真切起來。下面是一位學生的一篇習作：

(2)

(1)式和(2)式中：u={1,2,…,n}為用戶集；ki為用戶單位時間內(nèi)的成本；λ>1為系統(tǒng)參數(shù)。在假設(shè)平臺知道所有用戶的感知成本的前提下，在STD階段通過納什均衡(Nash equilibrium)確定唯一能使用戶效用最大化的最佳感知策略ti, 平臺通過唯一的納什均衡預測用戶的行為，從而選擇最優(yōu)的R最大化自身效用。

2)基于貢獻值的報酬支付。在移動群智感知應用中，感知任務有其對應的任務價值，對于用戶來說，完成相應的任務就具有相應的貢獻值，基于貢獻值的報酬支付即平臺根據(jù)參與者的貢獻大小對參與者進行報酬支付。文獻[43]中為激勵用戶參與感知并達到服務器平臺利益最大化的目的，提出全付拍賣的方式來激勵參與者參與，即服務器只支付參與者中貢獻最大的參與者，而不是所有的參與者。文中全付拍賣支付給參與者的報酬不是一個固定的值，而是關(guān)于所有參與者最大貢獻的函數(shù)。這個支付報酬往往比較高，這就在一定程度上激勵參與者參與并達到服務器平臺利益最大化的目的。

3)基于數(shù)據(jù)質(zhì)量的報酬支付。在移動群智感知數(shù)據(jù)收集中，較高的數(shù)據(jù)質(zhì)量是實現(xiàn)移動群智感知應用高服務質(zhì)量的關(guān)鍵。數(shù)據(jù)質(zhì)量一般包括數(shù)據(jù)的完整性和準確性。例如，文獻[44]針對長期的移動群智感知應用，為最大化平臺預期利潤并激勵用戶普遍參與，提出基于邊際質(zhì)量的激勵機制，該機制根據(jù)用戶上傳內(nèi)容質(zhì)量的高低對用戶進行報酬支付以達到激勵用戶的效果。

總而言之，在以平臺為中心的激勵機制中，平臺根據(jù)用戶的感知時間、任務的價值、數(shù)據(jù)質(zhì)量等因素對參與者進行報酬支付。雖然平臺對支付的多少有絕對的控制權(quán)，可以很容易地控制預算達到自身效用最大化，但是這樣會使參與者處于被動狀態(tài)，此種情況下參與者的積極性往往不高。

3.4.2 以用戶為中心的激勵機制

在基于報酬支付的激勵機制中，若有用戶報價的性質(zhì)，即用戶有反向競標價格，對于支付給感知用戶的報酬，平臺沒有絕對的控制權(quán)，則稱之為以用戶為中心的激勵機制。以用戶為中心的激勵模型如圖3所示。平臺與用戶之間的交互描述為以下5個步驟。

1)平臺發(fā)布任務信息；

2)對任務感興趣的用戶i根據(jù)自身情況上報競價bi；

3)平臺根據(jù)感知用戶的反饋信息選擇合適的贏標集S執(zhí)行感知任務；

4)用戶上傳感知數(shù)據(jù)；

5)平臺支付報酬pi。

圖3 以用戶為中心的激勵模型Fig.3 User-centric incentive model

用戶i的效用表達式為

(3)

平臺的效用表達式為

(4)

(3)式和(4)式中：ci為用戶的感知成本；v(s)為用戶集S完成的感知任務的總價值。

以用戶為中心的激勵機制研究的本質(zhì)是在研究用戶與平臺之間最大化各自效用及最小化代價的決策博弈。通常基于競拍模型設(shè)計機制，機制的設(shè)計主要分為贏標者選擇和報酬支付2個過程，機制一般滿足計算效率、個體理性、可行性和真實性。計算效率是指機制能在多項式時間內(nèi)輸出結(jié)果，個體理性即用戶的效用為非負，可行性是指平臺的支付不大于任務的總價值，真實性即沒有用戶能通過上報不同于自身價值的競價來提高效用。根據(jù)對贏標者選擇的實時性要求，可將以用戶為中心的激勵機制分為離線激勵機制和在線激勵機制。

1)離線激勵機制。假設(shè)參與者有足夠的耐心，在平臺收集了所有感興趣用戶的信息后決定贏標集和支付報酬。

文獻[45]為提高用戶參與感知應用的積極性，設(shè)計基于逆向競拍模型的激勵機制CSII激勵用戶參與，該機制利用物理空間和網(wǎng)絡(luò)空間的數(shù)據(jù)即離線數(shù)據(jù)和在線數(shù)據(jù)估計任務的價值和參與者的能力，從而更好地選擇合適的參與者參與以及報酬支付決策，以提高任務的完成質(zhì)量和用戶參與積極性。 文獻[46]基于逆向競拍框架設(shè)計激勵機制時考慮任務與位置的相關(guān)性，用戶根據(jù)自身所在的位置上報感知任務及競價，并證明選擇最優(yōu)的贏標集是NP難的，文獻以1+ln(n)為因子設(shè)計近似最優(yōu)算法，其中，n為用戶所能承受的最大任務數(shù)。通過贏標價決策算法決定贏標價以最小化社會成本，同時利用關(guān)鍵支付價格決策保證機制的真實性。不過該機制的設(shè)計并未考慮用戶上報錯誤的位置信息的情形。以上工作根據(jù)任務屬性，包括任務的價值、任務與位置的相關(guān)性進行贏標者選擇和報酬支付，以實現(xiàn)任務的近似最優(yōu)分配和效用最大化。

文獻[49]為激勵大量用戶參與感知的同時保證感知數(shù)據(jù)的真實性。在基于競拍模型設(shè)計激勵機制時將社交概念“裙帶關(guān)系”引入到參與式感知中形成擔保網(wǎng)絡(luò)，即用戶必須有擔保者才能參與感知，用戶可以作為擔保者，同時也可作為被擔保者。在此機制中擔保者與被擔保者均可從中獲利，在實際情況中，用戶更傾向于與自身有社交關(guān)系的用戶作為擔保者，該機制不僅能保證數(shù)據(jù)的真實性而且能最大化感知活動組織者的效用。將社交關(guān)系與激勵機制相結(jié)合的思想除了適用于參與式感知以外，同樣適用于P2P(peer to peer)系統(tǒng)、眾包系統(tǒng)等。Koutsopoulos I等[50]對于參與式感知應用中數(shù)據(jù)收集者的激勵機制設(shè)計問題，為最小化平臺補償參與者的總成本，基于逆向競拍模型設(shè)計激勵機制，結(jié)合用戶貢獻的數(shù)據(jù)量和數(shù)據(jù)質(zhì)量進行用戶選擇和報酬支付。

Krontiris I等[51]為激勵用戶參與感知的同時幫助服務提供者選擇高質(zhì)量的感知數(shù)據(jù)，提出多屬性拍賣機制，不僅考慮用戶的競價信息，同時考慮位置精度和失標次數(shù)，可通過失標次數(shù)來衡量用戶的可性度。平臺可通過多屬性拍賣過程影響數(shù)據(jù)質(zhì)量，同時，用戶可根據(jù)拍賣結(jié)果提高自身的感知數(shù)據(jù)的質(zhì)量，從而提高競價。仿真實驗結(jié)果表明，獲取的感知數(shù)據(jù)的效用可隨著屬性的增加而增加，即多屬性拍賣的效用高于單一屬性逆向拍賣的效用，但是高的效用會帶來高的感知成本。隨著參與用戶的增加，由于用戶之間的競爭增強導致獲取感知數(shù)據(jù)的效用增加，相反地，隨著所需求的贏標者的數(shù)量增加，由于用戶之間的競爭較小導致獲取感知數(shù)據(jù)的效用降低，但還是高于單一屬性逆向拍賣的效用。

文獻[52]為在一定的預算前提下鼓勵用戶完成一組二進制的標記工作，通過連續(xù)貝葉斯方法對收集的標記進行聚類，并基于平臺與用戶之間的逆向競拍模型設(shè)計激勵機制，平臺根據(jù)任務的難度水平和工作者的質(zhì)量選擇贏標者并根據(jù)匯總的用戶競價對用戶進行報酬支付。最終平臺能在一定預算內(nèi)實現(xiàn)較高的效用。

對于離線激勵機制的設(shè)計，平臺在了解所有用戶的競價信息之后做出用戶是否參與感知的決策，因此，平臺很容易將支付控制在預算之內(nèi)，該類機制的設(shè)計主要針對各類應用研究數(shù)據(jù)質(zhì)量問題、參與水平問題、預算平衡問題、任務覆蓋問題等。

2)在線激勵機制。在實際應用中，用戶總是在不同時間以隨機順序逐一在線到達，平臺需在不同時間根據(jù)當前已到達用戶的信息來作出是否選擇當前用戶的決策。

文獻[53]針對現(xiàn)有的激勵機制(大多考慮離線情況)設(shè)計在線激勵機制。實際情況中，用戶隨機到達，平臺必須在用戶離開之前決定是否選擇用戶參與感知，針對這種情況，文章提出2種在線激勵機制，分別為用戶到達與離開的時間間隔為零的在線激勵機制(online mechanism under zero arrival-departure interval case，OMZ)，以及用戶到達與離開的時間間隔為非零值的在線激勵機制(online mechanism under general case，OMG)。分別適用于零“到達-離開”間隔模型和一般間隔模型。任務發(fā)起者在指定的截止時間之前選擇一個用戶集來執(zhí)行感知任務使其獲得的價值最大化，并且支付給這些用戶的總報酬不超過指定的預算限制。

文獻[54]指出連續(xù)的低質(zhì)量的數(shù)據(jù)會降低感知服務的可用性和精確性，為避免無效的感知和不必要的支付，該文獻基于競拍模型提出一種基于質(zhì)量的激勵機制，該機制通過最大似然估計和貝葉斯推理來估計感知數(shù)據(jù)的質(zhì)量，從而選擇數(shù)據(jù)質(zhì)量高的用戶，并結(jié)合數(shù)據(jù)質(zhì)量和用戶競價進行報酬支付。相比于統(tǒng)一定價方案而言，基于質(zhì)量的報酬支付能使服務提供方獲得較高的利潤。

ZHANG等[55]指出在基于鄰近的移動群智感知系統(tǒng)中，每個用戶的資源有限且用戶都是個體理性的，為保證交易的公平性，提出一種多市場動態(tài)拍賣機制激勵用戶參與感知。該機制根據(jù)用戶的報價選擇用戶和支付報酬，滿足真實性、可行性、個體理性和計算效率。

GAO等在文獻[56]中指出在參與式感知中，能激勵用戶長期參與感知活動是至關(guān)重要的，為激勵用戶長期參與感知活動，該文獻基于VCG(vickrey-clarke-groves)競拍模型設(shè)計激勵機制在線選擇用戶，將感知時間劃分為多個時隙，在每個時隙中最大化社會福利以激勵用戶長期參與感知，其中，社會福利為用戶效用與平臺效用之和。

對于在線激勵機制，參與者線上隨機加入競價也可隨機退出競價，因此，平臺必須在其加入競價時就要確定其是否被選擇執(zhí)行感知任務，在這種情況下，平臺對支付不易控制，該類激勵的設(shè)計在研究支付控制的同時研究數(shù)據(jù)質(zhì)量問題、參與水平問題等。

3.5 移動群智感知激勵機制分類小結(jié)

根據(jù)激勵方式將現(xiàn)有的移動群智感知激勵機制的分類總結(jié)如圖4?，F(xiàn)有的激勵方式主要分為娛樂游戲、信譽值和報酬支付三大類。對于基于報酬支付的激勵機制，若在機制的設(shè)計過程中沒有用戶上報競價的過程，則該機制為以平臺為中心的激勵機制，反之，則為以用戶為中心的激勵機制。在以平臺為中心的激勵機制中，根據(jù)平臺如何對用戶進行報酬支付將其分為基于時間的報酬支付、基于貢獻值的報酬支付和基于數(shù)據(jù)質(zhì)量的報酬支付。在以用戶為中心的激勵機制中，如果用戶有足夠的耐心等待服務器平臺收集了所有用戶的信息之后決定贏標集，則該機制為離線激勵機制，反之，為在線激勵機制。

圖4 激勵機制分類Fig.4 A taxonomy of incentive mechanism

4 總結(jié)與展望

目前，移動群智感知激勵機制的研究取得了一定的進展，未來對移動群智感知激勵機制的研究，有以下幾個方面值得關(guān)注。

1)自適應性。目前激勵機制的設(shè)計考慮了用戶的位置信息，例如，用戶位置與任務的相關(guān)性，但對用戶位置的移動性研究不足。由于移動群智感知是以人為中心的感知模式，而人一方面具有高動態(tài)性，用戶參與感知的范圍和能力不同，另一方面又有行為可預測性，即用戶具有移動的軌跡規(guī)律和時間周期性。如何將兩者結(jié)合設(shè)計高效的激勵機制是需要深入研究的內(nèi)容。

2)協(xié)同。移動群智感知中可能存在結(jié)構(gòu)和通信模式都不相同的異質(zhì)用戶，目前的激勵機制的研究很少考慮異質(zhì)用戶間的協(xié)同工作，如何實現(xiàn)異質(zhì)用戶之間的互聯(lián)互通和協(xié)同工作以提高感知任務完成的效率和質(zhì)量，也是未來研究有待加強的一個內(nèi)容。

3)以用戶為中心。在現(xiàn)有的基于報酬支付的激勵機制的設(shè)計中，大多以最大化平臺效用或最小化平臺成本為目的，沒有優(yōu)先考慮用戶的利益，用戶參與的積極性往往不高，這是此類激勵機制激勵效果受限的主要原因。因此，如何設(shè)計以用戶為中心的激勵機制，優(yōu)先考慮用戶利益是值得研究的課題。

4)隱私安全?，F(xiàn)有的激勵機制大多旨在對用戶在感知過程中產(chǎn)生的成本進行補償，而對用戶面臨隱私(位置信息等)暴露的威脅研究甚少，尤其是對位置敏感的移動群智感知應用來說，研究如何降低由于位置信息泄露造成的隱私風險是至關(guān)重要的。

總之，作為一種能夠充分利用人們自身攜帶的移動智能終端進行感知的新型感知模式，移動群智感知對于實現(xiàn)未來普適計算具有重大影響。本文對移動群智感知激勵機制的研究進展情況進行了詳細的闡述。從移動群智感知體系架構(gòu)和應用對移動群智感知進行了詳細的介紹，并從娛樂游戲、信譽值和報酬支付3個方面對現(xiàn)有的激勵機制進行分類綜述，針對目前的研究現(xiàn)狀，給出了未來的研究方向，包括自適應性、協(xié)同、以用戶為中心和隱私安全。有關(guān)移動群智感知激勵機制的研究有待深入開展，未來的研究工作也將由此展開。

參考文獻：

[1] MA H, ZHAO D, YUAN P. Opportunities in mobile crowd sensing[J]. Communications Magazine IEEE, 2014, 52(8):29-35.

[2] GANTI R K, YE F, LEI H. Mobile crowdsensing: current state and future challenges[J]. Communications Magazine IEEE, 2011, 49(11):32-39.

[3] GUO B, YU Z, ZHOU X, et al. From participatory sensing to Mobile Crowd Sensing[J]. Computer Science, 2014, 6(4):593-598.

[4] SHU L, CHEN Y F, HUO Z, et al. When mobile crowd sensing meets traditional industry[J]. IEEE Access, 2017, PP(99): 1-1.

[5] REN J, ZHANG Y, ZHANG K, et al. Exploiting mobile crowdsourcing for pervasive cloud services: challenges and solutions[J]. IEEE Communications Magazine, 2015, 53(3): 98-105.

[6] 劉云浩.群智感知計算[J].中國計算機學會通訊, 2012, 8(10): 38-41.

LIU Y. Crowd sensing computation [J]. China Computer Federation, 2012, 8(10): 38-41.

[7] 李懷瑜,朱瀚,肖漢,等.基于位置的參與式感知服務[J].北京大學學報：自然科學版, 2014, 50(2): 341-347.

LI H, ZHU H, XIAO H, et al. Location-based participatory sensing services[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2014, 50(2): 341-347.

[8] XU Z, ZHANG H, SUGUMARAN V, et al. Participatory sensing-based semantic and spatial analysis of urban emergency events using mobile social media[J]. EURASIP Journal on Wireless Communications and Networking, 2016, 2016(1): 1-9.

[9] JOHNSON H, LAVESSON N, OLIVEIRA D, et al. Trustworthy opportunistic sensing: A Social Computing Paradigm[C]// IEEE International Conference on Information Reuse and Integration. Las Vegas, NV, USA: IEEE Press, 2011:513-518.

[10] FIORE M, NORDIO A, CHIASSERINI C F. Driving Factors Toward Accurate Mobile Opportunistic Sensing in Urban Environments[J]. IEEE Transactions on Mobile Computing, 2016, 15(10): 2480-2493.

[11] HASENFRATZ D, SAUKH O, WALSER C, et al. Deriving high-resolution urban air pollution maps using mobile sensor nodes[J]. Pervasive & Mobile Computing, 2015，16(B):268-285.

[12] HU Y, DAI G, FAN J, et al. BlueAer: A fine-grained urban PM2.5 3D monitoring system using mobile sensing[C]// IEEE International Conference on Computer Communications. San Francisco, CA, USA: IEEE Press, 2016:1-9.

[13] RANA R K, CHOU C T, KANHERES S, et al. Ear-Phone: An end-to-end participatory urban noise Mapping[C]//Proceedings of the 9th ACM/IEEE International Conference on Information Processing in Sensor Networks. New York, NY, USA: ACM Press, 2010: 105-116.

[14] KIM S, ROBSON C, ZIMMERMAN T, et al. Creek watch: pairing usefulness and usability for successful citizen science[C]//In Proc. of ACM SIGCHI. Vancouver, BC, Canada: ACM Press, 2011: 2125-2134.

[15] MA S, ZHENG Y, WOLFSON O. T-share: A large-scale dynamic taxi ridesharing service[C]// IEEE International Conference on Data Engineering. IEEE Computer Society. washington, DC, USA: IEEE Press, 2013:410-421.

[16] LIU Z D, JIANG S Q, ZHOU P F. A participatory urban traffic monitoring system: the power of bus riders[J]. IEEE Transactions on Intelligent Transportation Systems, 2017, PP(99): 1-14.

[17] ZHOU P, ZHENG Y, LI M. How Long to Wait? Predicting Bus Arrival Time With Mobile Phone Based Participatory Sensing[J]. IEEE Transactions on Mobile Computing, 2014, 13(6):1228-1241.

[18] CHEN C, ZHANG D, ZHOU Z H, et al. B-Planner: Night bus route planning using large-scale taxi GPS traces[C]// Pervasive Computing and Communications (PerCom), 2013 IEEE International Conference on. San Diego, CA, USA: IEEE Press, 2013:225-233.

[19] MILUZZO E, LANE N D, FODOR K, et al. Sensing meets mobile social networks: the design, implementation and evaluation of the CenceMe application [C]// Proceedings of the 6th ACM conference on Embedded network sensor systems. New York, NY, USA: ACM Press, 2008: 337-350.

[20] HYMAN J, HYMAN J, et al. Image browsing, processing, and clustering for participatory sensing: lessons from a DietSense prototype[C]//workshop on Embedded Networked Sensors. New York, NY, USA: ACM Press, 2007: 13-17.

[21] YANG D, ZHANG D, YU Z, et al. Fine-Grained preference-aware location search leveraging crowdsourced digital footprints from LBSNs[C]// ACM International Joint Conference on Pervasive and Ubiquitous Computing. New York, NY, USA: ACM Press, 2013:479-488.

[22] YU Z, FENG Y, XU H, et al. Recommending travel packages based on mobile crowdsourced data[J]. IEEE Communications Magazine. China: IEEE Press, 2014, 52(8):56-62.

[23] YUAN N J, ZHENG Y, ZHANG L, et al. T-Finder: A Recommender System for Finding Passengers and Vacant Taxis[J]. IEEE Transactions on Knowledge & Data Engineering, 2013, 25(10):2390-2403.

[24] GUO B, YU Z, ZHANG D, et al. Toward a Group-Aware Smartphone Sensing System[J]. IEEE Pervasive Computing, 2014, 13(4):80-88.

[25] AGRAWAL N, JAWDEKAR A. A Survey Report On Current Research and Development of Data Processing In Web Usage Data Mining[J]. International Journal of Database Theory and Application, 2016, 9(5): 101-110.

[26] MA P, TAO D. 5W1H model for incentive mechanism in mobile crowd sensing[C]// IEEE International Conference on Consumer Electronics-Taiwan. Nantou, Traiwan, China: IEEE Press, 2016: 1-2.

[27] ZHANG D, WANG L, XIONG H, et al. 4W1H in mobile crowd sensing[J]. IEEE Communications Magazine, 2014, 52(8):42-48.

[28] HUANG L, ZHU Y, YU J, et al. Group Buying Based Incentive Mechanism for Mobile Crowd Sensing[C]// IEEE International Conference on Sensing, Communication, and NETWORKING. IEEE. Shanghai, China: IEEE Press, 2016: 1-9.

[29] LUO S, SUN Y, JI Y, et al. Stackelberg game Based Incentive Mechanisms for Multiple Collaborative Tasks in Mobile Crowdsourcing[J]. Mobile Networks and Applications, 2016, 21(3):506-522.

[30] ALSHEIKH M A, JIAO Y, NIYATO D, et al. The Accuracy-Privacy Tradeoff of Mobile Crowdsensing[J]. IEEE lommunications Magazine, 2017, 55(6): 132-139.

[31] WEN T, ZHU Y M, LIU T. P2: A location privacy-preserving auction mechanism for mobile crowd Sensing[C]∥Global Communication Conference(GLOBECOM), IEEE 2016. Shanghai, China: IEEE Press, 2016: 1-6.

[32] BARKHUUS L, CHALMERS M, TENNENT P, et al. Picking Pockets on the Lawn: The Development of Tactics and Strategies in a Mobile Game[M].Ubiquitous Computing, UbiComp 2005. Lecture Notes in Computer Science. Berlin, Heidelberg: Spring, 2005.

[33] JORDAN K O, SHEPTYKIN I, GRüTER B, et al. Identification of structural landmarks in a park using movement data collected in a location-based game[C]// ACM Sigspatial International Workshop on Computational MODELS of Place.[S.l.]: ACM Press, 2013:1-8.

[34] HAN K, GRAHAM E A, VASSALLO D, et al. Enhancing Motivation in a Mobile Participatory Sensing Project through Gaming[C]// IEEE Third International Conference on Privacy, Security, Risk and Trust. Boston, MA, USA: IEEE Press, 2011:1443-1448.

[35] BIGWOOD G, HENDERSON T. IRONMAN: Using Social Networks to Add Incentives and Reputation to Opportunistic Networks[C]// Passat/socialcom 2011, Privacy, Security, Risk and Trust. Boston, MA, USA: IEEE Press, 2011:65-72.

[36] SUN J. An incentive scheme based on heterogeneous belief values for crowd sensing in mobile social networks[C]// Global Communications Conference (GLOBECOM), 2013 IEEE. Atlanta, GA, USA: IEEE Press, 2014: 1717-1722.

[37] YU T, ZHOU Z, ZHANG D, et al. INDAPSON: An incentive data plan sharing system based on self-organizing network[C]// IEEE INFOCOM 2014-IEEE Conference on Computer Communications. Toronto, ON, Canada: IEEE Press, 2014:1545-1553.

[38] REDDY S, ESTRIN D, HANSEN M, et al. Examining micro-payments for participatory sensing data collections[C]// UBICOMP 2010: Ubiquitous Computing, International Conference. New York, NY, USA. ACM Press, 2010:33-36.

[39] FUDENBERG D, TIROLE J. Game theory[M]. England: MIT Press, 1991.

[40] MYERSON R. Optimal auction design[M].[S.l.]: Math of Operations Research, 1981: 58-73.

[41] DUAN L, KUBO T, SUGIYAMA K, et al. Incentive mechanisms for smartphone collaboration in data acquisition and distributed computing[J]. Proceedings-IEEE INFOCOM, 2012, 131(5):1701-1709.

[42] YANG D, XUE G, FANG X, et al. Crowdsourcing to smartphones: incentive mechanism design for mobile phone sensing[C]// International Conference on Mobile Computing and Networking. New York, NY, USA: ACM Press, 2012:173-184.

[43] LUO T, TAN H P, XIA L. Profit-maximizing incentive for participatory sensing[C]// INFOCOM, 2014 Proceedings IEEE. Toronto, ON, Canada: IEEE Press, 2014:127-135.

[44] SUN J. Long-term profit-maximizing incentive for crowd sensing in mobile social networks[J]. Computer Science, 2015:1-8.

[45] 南文倩,郭斌,陳薈慧,等.基于跨空間多元交互的群智感知動態(tài)激勵模型[J].計算機學報, 2015, 38(12): 2412-2425.

NAN W, GUO B, CHEN H H, et al. A Cross-space, multi-interaction-based dynamic incentive mechanism for mobile crowd sensing[J]. Chinese Journal of Computers, 2015, 38(12): 2412-2425.

[46] FENG Z, ZHU Y, ZHANG Q, et al. TRAC: Truthful auction for location-aware collaborative sensing in mobile crowdsourcing[C]// INFOCOM, 2014 Proceedings IEEE. Toronto, ON, Canada: IEEE Press, 2014:1231-1239.

[47] JAIMES L G, LAURENS I J V, RAIJ A. A location-based incentive algorithm for consecutive crowd sensing tasks[J]. IEEE Latin America Transactions, 2016, 14(2):811-817.

[48] ZHENG Z, WU F, GAO X, et al. A Budget Feasible Incentive Mechanism for Weighted Coverage Maximization in Mobile Crowdsensing[J]. IEEE Transactions on Mobile Computing, 2016, PP(99):1-1.

[49] LUO T, KANHERE S S, TAN H P. SEW-ing a Simple Endorsement Web to incentivize trustworthy participatory sensing[C]// Eleventh IEEE International Conference on Sensing, Communication, and NETWORKING. Singapore, Singapore: IEEE Press, 2014:636-644.

[50] KOUTSOPOULOS I. Optimal incentive-driven design of participatory sensing systems[J]. IEEE INFOCOM, 2013,12(11):1402-1410.

[51] KRONTIRIS I, ALBERS A. Monetary incentives in participatory sensing using multi-attributive auctions[J]. International Journal of Parallel Emergent & Distributed Systems, 2012, 27(4):317-336.

[52] ZHANG Q, WEN Y, TIAN X, et al. Incentivize crowd labeling under budget constraint[C]// Computer Communications. Kowloon, Hong Kong, China: IEEE Press, 2015:2812-2820.

[53] ZHAO D, LI X Y, MA H. How to crowdsource tasks truthfully without sacrificing utility: Online incentive mechanisms with budget constraint[C]// IEEE INFOCOM 2014-IEEE Conference on Computer Communications. Toronto, ON, Canada: IEEE Press, 2014:1213-1221.

[54] PENG D, WU F, CHEN G. Pay as how well you do: a quality based incentive mechanism for crowd sensing[C]// ACM International Symposium on Mobile Ad Hoc NETWORKING and Computing. Hangzhou, China: ACM Press, 2015: 177-186.[55] ZHANG H, LIU B, SUSANTO H, et al. Incentive mechanism for proximity-based Mobile Crowd Service systems[C]// IEEE INFOCOM 2016-IEEE Conference on Computer Communications. San Francisco, CA, USA: IEEE Press, 2016: 1-9.

[56] GAO L, HOU F, HUANG J. Providing long-term participation incentive in participatory sensing[C]// Computer Communications. Kowloon, Hong Kong ,China: IEEE Press, 2015:2803-2811.