一种车联网群智感知中提高数据可用性的激励方法

1.本发明属于车辆网群智感知技术领域，具体涉及一种车联网群智感知中提高数据可用性的激励方法。


背景技术：

2.随着传感器技术和嵌入式计算设备的发展和改进，移动群智感知(mcs)已成为一种热门技术。此外，由于车联网能够大幅提高道路安全和交通效率，近年来受到工业界和学术界的广泛支持。随着社会事件和现象分析需求的不断增长，群智感知逐渐应用于车联网中。车联网群智感知指移动车辆采用先进的传感器技术，即时收集和传输感知数据。例如：车辆能够利用车载单元和传感器装置定期地报告当前车辆状态、交通状态和天气情况等。
3.然而，由于车联网群智感知大数据分析对海量数据的需求，需要有更多的车辆参与到群智感知中。除此之外，虚假的数据会污染数据结果，服务消费者希望参与车辆提供的数据都是真实有效的。目前现有激励方案很多只考虑了服务提供者和数据收集者之间的交互作用，而忽视了服务消费者的支付消费行为，无法保证可用数据量。例如，yang等人设计了两种基于拍卖的激励机制，以平台或用户为中心，激励用户参与感知并完成感知任务。j.s.lee等人提出一种反向拍卖机制，允许用户将其数据的估值发送至服务提供者，由服务提供者决定是否购买他们的数据。t.luo等人提出一种用户参与游戏的激励机制，该机制为服务提供者根据用户对拍卖的贡献设定支付全额奖励。以上方案均无法在提高数据量的同时兼顾数据可用性，如何在满足海量数据的需求下保证可用数据量，是当前车联网群智感知面临的挑战之一。


技术实现要素：

4.本发明的主要目的在于克服现有技术的缺点与不足，提出一种车联网群智感知中提高数据可用性的激励方法，方法基于斯塔克尔伯格博弈模型和lloyd’s聚类算法，能够在提高数据收集量的同时兼顾数据可用性。
5.为了达到上述目的，本发明采用以下技术方案：
6.一种车联网群智感知中提高数据可用性的激励方法，设有可信机构ta、服务提供者sp、服务消费者sc以及作为数据收集者dc的车辆，方法包括以下步骤：
7.s1、初始化，包括可信机构初始化以及其他实体的初始化；
8.s2、服务请求，服务消费者根据需要感知任务的具体要求发送请求消息至服务提供者，服务提供者反馈服务信息后，服务消费者选择服务并发送需求消息；
9.s3、数据收集，服务提供者向数据收集者发布任务，由数据收集者负责收集；
10.s4、数据处理，服务提供者对收集的数据进行处理，并进行反馈；
11.s5、信息更新，可信机构根据声望反馈更新车辆的声望信息，服务提供者根据数据收集量对策略进行更新。
12.进一步的，步骤s1中，初始化具体为：
13.可信机构设置自身时钟并将时间划分为一系列等长的时间区间t
α
∈{t1,t2,...}；可信机构为每个车辆vi设置唯一标识和初始声望分数设置初始声望分数的公式如下：
[0014][0015]
可信机构将每个车辆的唯一标识和声望分数存储在数据库中，根据时间间隔即时更新车辆声望分数。
[0016]
进一步的，步骤s2具体为：
[0017]
服务消费者请求信息时，根据需要感知任务的具体要求决定任务编号tid、任务内容cm以及请求信息数量n0，然后发送请求消息至服务提供者，请求消息具体如公式(2)：
[0018][0019]
收到后，服务提供者发布服务信息至服务消费者，服务信息具体如公式(3)：
[0020][0021]
其中，为服务定价；
[0022]
服务消费者根据服务信息选择一个服务提供者发送需求消息如公式(4)所示：
[0023][0024]
其中，为支付报酬金额，t0为截止时间。
[0025]
进一步的，步骤s3具体为：
[0026]
当服务提供者收到需求信息后，根据公式(5)生成请求任务发送至车辆vi，公式(5)如下：
[0027][0028]
其中，tm为过期时间；和分别为直接支付和积分累计获得报酬两种收集方案的最低声望要求，由服务提供者统一设定，其中，
[0029]
车辆vi收到服务提供者的请求任务后，若车辆决定参与收集任务，则选择相应的收集方案，生成最终反馈信息并将结果反馈至服务提供者，具体如公式(6)：
[0030][0031]
其中，为车辆唯一标识，为车辆选择的收集方案，为车辆定价，为当前时间戳。
[0032]
进一步的，步骤s4具体为：
[0033]
服务提供者收集车辆vi发送的反馈信息，然后发送声望查询请求至可信机构ta，声望查询请求具体如公式(7)：
[0034][0035]
可信机构ta根据车辆唯一标识调取声望值，并生成反馈消息发送至服务提供者，反馈消息具体如公式(8)
[0036][0037]
服务提供者对所收集信息数据进行处理，具体流程如下：
[0038]
服务提供者根据可信机构反馈的声望值判断车辆vi是否满足是否满足若不满足则对当前车辆vi不诚实行为生成反馈
[0039]
否则，服务提供者运用lloyd’s聚类算法对信息数据进行聚类处理，得到聚类优先级顺序；
[0040]
服务提供者根据所得聚类优先级顺序判断每个车辆提供的数据是否存在无效数据情况，若存在，则生成声望反馈否则，生成声望反馈
[0041]
服务提供者生成车辆声望反馈信息并发送至可信机构用于更新车辆声望值，车辆声望反馈消息具体如公式(9)：
[0042][0043]
最后，服务提供者将验证处理后的可靠数据集合发送至服务消费者并向数据可靠的数据收集者支付报酬。
[0044]
进一步的，运用lloyd’s聚类算法对信息数据进行聚类处理具体为：
[0045]
服务提供者将车辆按数值比划分为若干个优先级，并将它们压入相应的优先级队列中，并进行以下操作：
[0046]
输入需要划分的优先级个数a，随机生成a个随机中心点，表示为{w1,w2,...,wa}；
[0047]
其次，根据中心点的值将每个车辆数值比派到最相近的区域，整合每个区域中中心点的泰森多边形计算出其质心；
[0048]
最后将中心点移动到质心位置并更新中心点；
[0049]
重复以上三个步骤，直到区域中心点不再变化，最后输出a个中心点的值，按中心点数值从大到小排序得到最终合集{w
′1,w
′2,...,w
′a}；
[0050]
由此服务提供者可将收到的车辆信息数据按比值分为a个分组，用于优先级判断，数值大的组优先处理。
[0051]
进一步的，步骤s5具体为：
[0052]
每隔时间区间t
α
，可信机构根据所收到的车辆声望反馈消息更新每个车辆的声望值，车辆vi当前时间段收到的n条声望反馈集合为新的声望值
公式为：
[0053][0054]
每隔时间区间t
α
，服务提供者会更改自己的服务策略，促使服务消费者和数据收集者相应地更改策略，进而获得最小化成本；
[0055]
设u∈r为服务提供者的策略集，服务消费者和数据收集者策略集分为：v1∈r和v2∈r；c
sp
、c
sc
和c
sp
分别为服务提供者服务策略成本函数、服务消费者消耗成本函数和数据收集者收集成本函数；
[0056]
服务提供者、服务消费者和数据收集者各自从可行策略集u、v1和v2中分别选择策略u、v1和v2，但策略的最终目标均是生成最小化成本函数c
sp
(u,v1,v2)、c
sc
(u,v1,v2)和c
dc
(u,v1,v2)，最终到达纳什平衡，生成的最小化成本公式如下：
[0057][0058]
本发明与现有技术相比，具有如下优点和有益效果：
[0059]
1、本发明基于斯塔克尔伯格博弈模型，平衡了参与者之间竞争关系；采用lloyd’s聚类算法，根据优先级顺序处理数据，以提高数据收集量和激励参与者诚实提供数据以获得更多可用数据量。
[0060]
3、本发明在提高数据收集量的同时兼顾数据可用性。
附图说明
[0061]
图1是本发明方法的流程图；
[0062]
图2是本实施例系统的组成示意图；
[0063]
图3是本发明数据处理步骤的示意图。
具体实施方式
[0064]
下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。
[0065]
实施例
[0066]
本发明，一种车联网群智感知中提高数据可用性的激励方法，设有可信机构ta、服务提供者sp、服务消费者sc以及作为数据收集者dc的车辆；
[0067]
可信机构ta，用于存储对应区域内所有用户的身份信息，确保车联网组织架构的正常运行。
[0068]
服务提供者sp，用于向数据收集者支付一定的奖励，从数据收集者中获得数据，然后将数据处理后，发送至服务消费者。
[0069]
服务消费者sc：指一些管理部门(如交通管理部门、气象局等)，它们产生对某些数据的需求并希望从现有的感知数据提取有价值的信息(交通情况、事故情况、天气情况等)，服务消费者根据自己的需求考虑最优消费策略，选择相应服务提供者为自己提供服务。
[0070]
所述数据收集者dc，负责选择合适的数据收集策略采集感知数据，将收集到的数
据提供至服务提供者。车联网中的车辆自身具有一定的计算与存储能力，可以充当车联网群智感知中的数据收集者。
[0071]
在本实施例中，如图2所示，为本实施例方法所部署系统的组成示意图。
[0072]
本实施例中，如图1所示，本发明激励方法包括以下步骤：
[0073]
s1、初始化，包括可信机构初始化以及其他实体的初始化；具体为：
[0074]
可信机构设置自身时钟并将时间划分为一系列等长的时间区间t
α
∈{t1,t2,...}；可信机构为每个车辆vi设置唯一标识和初始声望分数设置初始声望分数的公式如下：
[0075][0076]
可信机构将每个车辆的唯一标识和声望分数存储在数据库中，根据时间间隔即时更新车辆声望分数。
[0077]
s2、服务请求，服务消费者根据需要感知任务的具体要求发送请求消息至服务提供者，服务提供者反馈服务信息后，服务消费者选择服务并发送需求消息；具体为：
[0078]
服务消费者请求信息时，根据需要感知任务的具体要求决定任务编号tid、任务内容cm以及请求信息数量n0，然后发送请求消息至服务提供者，请求消息具体如公式(2)：
[0079][0080]
收到后，服务提供者发布服务信息至服务消费者，服务信息具体如公式(3)：
[0081][0082]
其中，为服务定价；
[0083]
服务消费者根据服务信息选择心仪的服务提供者发送需求消息如公式(4)所示：
[0084][0085]
其中，为支付报酬金额，t0为截止时间。
[0086]
s3、数据收集，服务提供者向数据收集者发布任务，由数据收集者负责收集；当服务提供者收到需求信息后，根据公式(5)生成请求任务发送至车辆vi，公式(5)如下：
[0087][0088]
其中，tm为过期时间；和分别为直接支付和积分累计获得报酬两种收集方案的最低声望要求，由服务提供者统一设定；
[0089]
车辆vi收到服务提供者的请求任务后，若车辆决定参与收集任务，则选择相应
的收集方案，生成最终反馈信息并将结果反馈至服务提供者，具体如公式(6)：
[0090][0091]
其中，为车辆唯一标识，为车辆选择的收集方案，为车辆定价，为当前时间戳。
[0092]
s4、数据处理，服务提供者对收集的数据进行处理，并进行反馈；如图3所示，具体为：
[0093]
服务提供者收集车辆vi发送的反馈信息，然后发送声望查询请求至可信机构ta，声望查询请求具体如公式(7)：
[0094][0095]
可信机构ta根据车辆唯一标识调取声望值，并生成反馈消息发送至服务提供者，反馈消息具体如公式(8)
[0096][0097]
服务提供者对所收集信息数据进行处理，具体流程如下：
[0098]
服务提供者根据可信机构反馈的声望值判断车辆vi是否满足是否满足若不满足则对当前车辆vi不诚实行为生成反馈
[0099]
否则，服务提供者运用lloyd’s聚类算法对信息数据进行聚类处理，得到聚类优先级顺序；具体为：
[0100]
服务提供者将车辆按数值比划分为若干个优先级，并将它们压入相应的优先级队列中，并进行以下操作：
[0101]
输入需要划分的优先级个数a，随机生成a个随机中心点，表示为{w1,w2,...,wa}；
[0102]
其次，根据中心点的值将每个车辆数值比派到最相近的区域，整合每个区域中中心点的泰森多边形计算出其质心；
[0103]
最后将中心点移动到质心位置并更新中心点；
[0104]
重复以上三个步骤，直到区域中心点不再变化，最后输出a个中心点的值，按中心点数值从大到小排序得到最终合集{w
′1,w
′2,
…
,w
′a}；
[0105]
由此服务提供者可将收到的车辆信息数据按比值分为a个分组，用于优先级判断，数值大的组优先处理。
[0106]
服务提供者根据所得聚类优先级顺序判断每个车辆提供的数据是否存在数据为空、与任务所需数据不符等无效数据情况，若存在，则生成声望反馈否则，生成声望反馈
[0107]
服务提供者生成车辆声望反馈信息并发送至可信机构用于更新车辆声望值，车辆声望反馈消息具体如公式(9)：
[0108][0109]
最后，服务提供者将验证处理后的可靠数据集合发送至服务消费者并向数据可靠的数据收集者支付报酬。
[0110]
s5、信息更新，可信机构根据声望反馈更新车辆的声望信息，服务提供者根据数据收集量对策略进行更新；具体为：
[0111]
每隔时间区间t
α
，可信机构根据所收到的车辆声望反馈消息更新每个车辆的声望值，车辆vi当前时间段收到的n条声望反馈集合为新的声望值公式为：
[0112][0113]
每隔时间区间t
α
，服务提供者会更改自己的服务策略，促使服务消费者和数据收集者相应地更改策略，进而获得最小化成本；
[0114]
设u∈r为服务提供者的策略集，服务消费者和数据收集者策略集分为：v1∈r和v2∈r；c
sp
、c
sc
和c
sp
分别为服务提供者服务策略成本函数、服务消费者消耗成本函数和数据收集者收集成本函数；
[0115]
服务提供者、服务消费者和数据收集者各自从可行策略集u、v1和v2中分别选择策略u、v1和v2，但策略的最终目标均是生成最小化成本函数c
sp
(u,v1,v2)、c
sc
(u,v1,v2)和c
dc
(u,v1,v2)，最终到达纳什平衡，生成的最小化成本公式如下：
[0116][0117]
还需要说明的是，在本说明书中，诸如术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0118]
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其他实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。