基于顺序次模特征的移动众包服务方法

1.本发明属于移动众包技术领域，更为具体地讲，涉及一种基于顺序次模特征的移动众包服务方法。


背景技术：

2.移动众包(mobile crowdsensing，mcs)是一种新兴的业务模式，它多用于服务提供商通过移动用户采集他们所关心的数据，例如环境管理部门通过用户手机话筒采集环境噪音数据，移动运营商通过移动设备采集信号强度，交通部门通过移动设备gps采集交通流量信息。移动众包的基本原理是移动众包服务提供商(以下简称服务提供商)在某一区域发布众包服务需求，用户收到需求后在一定时间内搜集所需信息传递给服务提供商，服务提供商根据其预算支付一定费用给用户，用于补偿其数据搜集时产生的时间，能耗，数据成本。
3.图1是典型的移动众包系统示意图。如图1所示，移动众包系统的典型业务流程如下：
4.1、首先服务提供商发布任务(需要在哪些地方搜集信息)；
5.2、用户向服务提供商声明可以到达的区域，以及完成数据搜集任务后希望得到的费用(出价)；
6.3、服务提供商根据预算进行胜出用户决策，得到胜出用户集合，并计算出支付给每位胜出用户的价格，需要满足两个条件，第一个是支付给所有胜者用户的费用不能超过服务提供商预算，其次是支付给每一位胜出用户的费用都要大于该用户的出价。
7.4、服务提供商支付费用给胜者用户；
8.5、胜者用户完成数据搜集任务后将数据上传至服务提供商。
9.根据上述流程可知，移动众包研究的关键问题是1.哪些用户采集的信息更加有价值，2对于每一位参与用户应该支付多少价格给他们。因为采集的信息有边际价值递减的特征，所以现有研究多采用次模函数来表示众包问题的价值模型。在诸多众包问题的表示中，基于poi(point of interest，兴趣点)的模型受到了很多研究者的青睐，其基本原理为运营商将所需要测量区域设置多个兴趣点poi，同时针对每个兴趣点poi公布了相应的数据采集任务，当用户处于兴趣点poi中时，可以使用移动设备对数据进行采集。值得注意的是，随着用户的移动，可能采集多个兴趣点poi的数据。目前有移动众包服务方法就是基于用户对兴趣点poi的覆盖次数构建了众包服务单调次模价值模型。
10.现有移动众包应用中存在的一个主要的缺陷是，服务提供商假设用户事先申明其所能覆盖的兴趣点poi上的数据一定能采集成功，这和真实情况是不符合的，因为移动中的用户可能随时改变他的位置，例如无法要求采集数据的车辆按照预选设置的路线行走，或者因为电量不足，信号问题无法完成任务。但是服务提供商是根据用户提交的信息来计算最终的支付，当真实的数据采集情况与用户提交信息不一致时，会造成服务提供商巨大的损失。如何更加有效的表示用户设备对poi的覆盖是一大挑战。另外，次模价值函数是一个
集合函数，它的一个显著特征是号集合中用户的顺序并不会影响次模价值函数的值，但是经研究发现，如果采用概率模型来表示用户对兴趣点poi的覆盖，在胜出用户集合中，用户不同的排列会产生不同的价值，这导致传统的次模函数无法正确表示此类模型，需要进行进一步改进。


技术实现要素：

11.本发明的目的在于克服现有技术的不足，提供一种基于顺序次模特征的移动众包服务方法，采用先验概率密度表示用户对兴趣点poi的覆盖情况，并相应地提出了基于顺序次模特征的胜出用户决策和支付价格计算方法，使得胜出用户和支付价格更加合理，提高移动众包服务的普适性。
12.为了实现上述发明目的，本发明基于顺序次模特征的移动众包服务方法包括以下步骤：
13.s1：移动众包服务提供商根据实际情况在区域d内设置需要搜集数据的m个兴趣点poi，记兴趣点集合为其中poim表示第m个兴趣点poi，m＝1,2,...,m，记兴趣点poim中心在区域d内的坐标为(xm,ym)，兴趣点poim最多需要执行的任务次数为rm，记任务次数最大值记在兴趣点poim完成移动众包服务时服务提供商的预期收益为vm；
14.s2：记区域内有n个用户参与众包服务，用户集合为ui表示第i个用户，i＝1,2,...,n；每个用户ui根据实际情况设置在执行移动众包服务任务后的期望报酬bi，然后计算该用户在各个兴趣点的数据收集成功概率向量pi＝(p
i1
,p
i2
,...,p
im
)，其中p
im
表示用户ui在兴趣点poim能够成功收集兴趣点poim数据的概率，采用如下公式计算：
[0015][0016]
其中，pri(x,y)表示根据历史数据统计得到的用户ui出现在区域d内位置(x,y)的概率，α
im
表示历史数据中用户ui在兴趣点poim采集数据成功次数与失败次数之差，e表示自然常数；
[0017]
每个用户ui将状态信息θi＝(pi,bi)上报给移动众包服务提供商；
[0018]
s3：移动众包服务提供商在接收到所有用户的请求信息θi后进行用户胜出决策，得到胜出用户序列a，具体步骤包括：
[0019]
s3.1：初始化用户集合胜出用户序列胜出用户序列产生的总体价值v(a0)＝0，待决策胜出用户序号k＝1；
[0020]
s3.2：采用如下方法计算用户集合u中每个用户ui作为第k个胜出用户的边际价值密度β
k,i
：
[0021]
对于用户集合u中的每个用户ui，将其添加至当前胜出用户序列a
k-1
后得到新用户序列a
k,i
＝a
k-1
||ui，采用如下公式计算各个新用户序列a
k,i
产生的总体价值v(a
k,i
)：
[0022][0023]
其中，v
(m)
(a
k,i
)表示新用户序列a
k,i
在兴趣点poim上能够获得的期望收益，采用如下公式计算：
[0024][0025]
||表示求取序列中用户数量，in表示新用户序列a
k,i
中第n个用户的原始序号，表示用户在兴趣点poim能够成功收集兴趣点poim数据的概率；
[0026]
采用如下公式计算各个用户ui产生的边际价值
[0027][0028]
采用如下公式计算各个用户ui产生的边际价值密度β
k,i
：
[0029][0030]
s3.3：对于用户集合u中的每个用户ui，筛选边际价值密度β
k,i
最大的用户作为备选添加用户，并将其从用户集合u中删除；
[0031]
s3.4：对于备选胜出用户采用如下公式计算得到价格门限值
[0032][0033]
其中，表示用户添加至用户序列ak后产生的边际价值，表示新用户序列产生的总体价值；
[0034]
s3.5：判断是否用户的期望报酬如果是进入步骤s3.6，否则进入步骤s3.9；
[0035]
s3.6：将用户添加至用户序列a
k-1
后得到新用户序列
[0036]
s3.7：判断是否k＜r，如果是，则进入步骤s3.8，否则进入步骤s3.9；
[0037]
s3.8：令待决策胜出用户序号k＝k 1，返回步骤s3.2；
[0038]
s3.9：用户胜出决策完成，令最终的胜出用户序列a＝ak；
[0039]
s4：对于步骤s3确定的胜出用户序列a中的每个胜出用户计算其支付价格k表示胜出用户序列a中用户数量，构建得到服务提供商对胜出用户的支付价格序列具体步骤包括：
[0040]
s4.1：令胜出用户序号k＝1；
[0041]
s4.2：将胜出用户序列a中第1个胜出用户从用户集合中删除得到缺省用户集合ik表示胜出用户序列a中第k个用户的原始序号；
[0042]
s4.3：采用步骤s3.3中的相同方法基于缺省用户集合重新进行用户胜出决策，得到胜出用户序列a
′
；
[0043]
s4.4：记胜出用户序列a
′
中每个胜出用户为i
′g表示胜出用户序列a
′
中第g个用户的原始序号，g＝1,2,
…
,g，g表示胜出用户序列a
′
中用户数量；获取每个胜出用户在步骤s4.3用户任务分配过程中的边际价值同时获取胜出用户序列a
′
中前g-1个胜出用户构成的用户序列a
′
g-1
产生的总体价值v(a
′
g-1
)；
[0044]
采用如下方法计算得到胜出用户对胜出用户序列a
′
中每个胜出用户i
′g进行替换后的支付价格
[0045]
将胜出用户替换胜出用户添加至用户序列a
′
g-1
后得到用户序列采用如下公式计算得到用户序列的总体价值
[0046][0047]
其中，表示用户序列的在兴趣点poim上能够获得的期望收益，采用如下公式计算：
[0048][0049]in
′
表示用户序列中第n
′
个用户的原始序号，表示用户在兴趣点poim能够成功收集兴趣点poim数据的概率；
[0050]
然后计算胜出用户产生的边际价值
[0051][0052]
计算胜出用户替换胜出用户的替换支付价格
[0053][0054]
计算胜出用户替换胜出用户的价格门限值
[0055][0056]
从替换支付价格和价格门限值中选择较小值作为胜出用户对胜出用户序列a
′
中胜出用户i
′g进行替换后的支付价格即
[0057]
从胜出用户对胜出用户序列a
′
中g个胜出用户i
′g的支付价格中筛选最大
值，作为胜出用户的最终支付价格即
[0058]
s4.5：判断是否k＜k，如果是，进入步骤s4.6，否则进入步骤s4.7；
[0059]
s4.6：令k＝k 1，返回步骤s4.2；
[0060]
s4.7：将每个胜出用户的最终支付价格构建得到服务提供商对胜出用户的支付价格序列
[0061]
s5：服务提供商根据移动众包服务的实际要求向胜出用户序列a中每个胜出用户发送任务要求，并按照支付价格序列向各个胜出用户支付费用，胜出用户根据服务提供商的任务要求采集数据并回传至服务提供商进行分析，完成移动众包服务。
[0062]
本发明基于顺序次模特征的移动众包服务方法，移动众包服务提供商根据实际情况设置兴趣点poi，每个用户根据历史数据计算该用户在各个兴趣点能够成功收集数据的概率，然后将数据收集成功概率向量和期望报酬发送给服务提供商，服务提供商基于顺序次模特征进行胜出用户决策，然后计算各个胜出用户的支付价格，服务提供商向胜出用户发送任务要求并按照支付价格支付费用，胜出用户根据服务提供商的任务要求采集数据并回传至服务提供商进行分析，完成移动众包服务。
[0063]
本发明具有以下有益效果：
[0064]
1)本发明采用了概率模型来表示用户对poi的覆盖，相比传统0或1覆盖，概率模型会更加科学，也更加符合实际情况；
[0065]
2)本发明将移动众包问题表示为顺序次模问题，避免了传统次模价值模型在概率模型上的失效，利用用户不同排列会产生不同价值这一特性，求得包含排列顺序的胜出用户序列并计算支付价格，胜出用户和支付价格更加合理，提高移动众包服务的普适性。
附图说明
[0066]
图1是典型的移动众包系统示意图；
[0067]
图2是本发明基于顺序次模特征的移动众包服务方法的具体实施方式流程图；
[0068]
图3是本发明中用户胜出决策的流程图；
[0069]
图4是本发明中计算用户支付价格的流程图。
具体实施方式
[0070]
下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。
[0071]
为了更好地说明本发明的技术方案，首先对本发明的推导过程进行简要说明。
[0072]
假设区域d内有m个兴趣点poi需要搜集数据，兴趣点集合为其中poim表示第m个兴趣点poi，m＝1,2,...,m。同时不失一般性，对于任意定义rm∈z

作为该兴趣点poi最多需要执行的任务次数(可以理
解为最多需要rm个用户在此poi采集数据才能有效分析)，如果完成任务，运营商将得到vm∈r

的收益。记移动众包服务提供商的最大可用预算为b。
[0073]
记区域内有n个用户参与众包服务，用户集合为ui表示第i个用户，i＝1,2,...,n。对于用户由于用户所处位置，设备硬件原因或用户自主行为(例如话筒被堵住无法完成噪音数据搜集任务，或手机被放置于包中，无法完成信号搜集任务)，用户在兴趣点poi上也不一定能够100％完成数据搜集任务，这就对众包服务的质量保证带来了不确定性结果。本发明使用先验概率来描述每个用户对兴趣点poi覆盖的可能性，先验概率的计算有两个依据：一个取决于兴趣点poi位置与用户日常活动区域之间的关系，另一个来自用户之前参与众包服务的历史数据。根据对用户日常活动区域的分析，可以提前根据历史数据统计得到用户出现在区域d内每个位置的概率，用pri(x,y)∈[0,1],(x,y)∈d来表示，这个概率可以简单理解为用户ui在一段时间内停留在位置(x,y)的时间。比如一天中，用户在卧室待了8个小时，那么用户出现在卧室位置的概率是1/3。因此可知此外，将位置(x,y)与兴趣点poim中心(xm,ym)之间的距离定义为而α
im
表示历史数据中用户ui在兴趣点poim采集数据成功次数与失败次数之差。基于上述描述，用户ui在兴趣点poim能够成功收集兴趣点poim数据的概率p
im
定义为：
[0074][0075]
因此用户ui在m个兴趣点poim成功采集数据的概率由pi＝(p
i1
,p
i2
,...,p
im
)定义，同时用户ui有一个执行移动众包服务任务后希望得到的报酬，由bi表示。最终，用户提交的请求信息为θi＝(pi,bi)表示。
[0076]
定义是一个有序的用户集合，使用向量对其进行表示，例如但是集合的操作仍然对适用。移动定义众包问题的价值函数为：
[0077][0078]
其中，
[0079][0080]
其中，||表示求取集合中用户数量，in表示用户集合中第n个用户的原始序号，表示在兴趣点poim能够成功收集兴趣点poim数据的概率，表示用户集合在兴趣点poim上能够获得的期望收益，可以理解为兴趣点poim能上覆盖次数的期望，可知和是一个顺序次模函数，因为集合中的顺序会影响到价值函数
的结果。这和传统次模价值模型不同，传统次模价值函数是一个集合函数，它的一个显著特征是胜出用户集合中用户的顺序并不会影响次模价值函数的值。但由于本发明采用概率模型表示兴趣点poi覆盖率，这一点并不成立。很容易理解，针对每个有覆盖次数上限约束的兴趣点poi，因为不同用户对其覆盖率不同，因此在胜出用户集合中，胜出用户不同的排列会产生不同的价值，这导致传统的次模价值函数无法正确表示本发明的模型，需要改进为顺序次模价值函数。
[0081]
举一个简单的例子，假设有2个兴趣点poi，其最多需要执行的任务次数r1＝1，r2＝2，收益v1＝v2＝1，意味着兴趣点poi1需要被覆盖1次，poi2需要被覆盖2次，获得的价值都为1。有两个用户u1,u2，对于poi的覆盖概率分别为p
11
＝0.9,p
12
＝0.3,p
21
＝0.3,p
22
＝0.9，由公式(3)可知，如果用户集合按照(u1,u2)的排列计算收益，可得：
[0082][0083][0084]
因此价值函数值v(u1,u2)＝v
(1)
(u1,u2) v
(2)
(u1,u2)＝1.5。
[0085]
如果用户集合按照(u2,u1)的排列计算收益，可得：
[0086][0087][0088]
因此v(u2,u1)＝v
(1)
(u2,u1) v
(2)
(u2,u1)＝0.9。
[0089]
可见有序用户集合中的顺序会影响到价值函数的结果。
[0090]
本发明的目标是找出一个有序子集在满足约束条件下，能够最大化每一个兴趣点poim上的期望收益之和：
[0091][0092][0093][0094]
其中，b表示服务提供商的总预算，pi表示支付给用户ui的费用。
[0095]
(8a)式表示支付给胜出用户的费用小于服务提供商总预算(保证服务提供商不亏损)，(8b)式表示对于任意胜出用户的支付要大于其要价(这样用户才愿意参与众包服务)。
[0096]
基于以上推导分析，本发明提出了基于顺序次模特征的移动众包服务方法。图2是本发明基于顺序次模特征的移动众包服务方法的具体实施方式流程图。如图2所示，本发明基于顺序次模特征的移动众包服务方法的具体步骤包括：
[0097]
s201：设置兴趣点：
[0098]
移动众包服务提供商根据实际情况在区域d内设置需要搜集数据的m个兴趣点poi，记兴趣点集合为其中poim表示第m个兴趣点poi，m＝1,2,...,m，记兴趣点poim中心在区域d内的坐标为(xm,ym)，兴趣点poim最多需要执行的任务次数为rm，记任务次数最大值记在兴趣点poim完成移动众包服务时服务提供商的预期收益为vm。
[0099]
s202：用户上报状态信息：
[0100]
记区域内有n个用户参与众包服务，用户集合为ui表示第i个用户，i＝1,2,...,n。每个用户ui根据实际情况设置在执行移动众包服务任务后的期望报酬bi，然后计算该用户在各个兴趣点的数据收集成功概率向量pi＝(p
i1
,p
i2
,...,p
im
)，其中p
im
表示用户ui在兴趣点poim能够成功收集兴趣点poim数据的概率，采用如下公式计算：
[0101][0102]
其中，pri(x,y)表示根据历史数据统计得到的用户ui出现在区域d内位置(x,y)的概率，α
im
表示历史数据中用户ui在兴趣点poim采集数据成功次数与失败次数之差，e表示自然常数。
[0103]
每个用户ui将状态信息θi＝(pi,bi)上报给移动众包服务提供商。
[0104]
s203：用户胜出决策：
[0105]
移动众包服务提供商在接收到所有用户的请求信息θi后进行用户胜出决策，得到胜出用户序列a。图3是本发明中用户胜出决策的流程图。如图3所示，本发明中用户胜出决策的具体步骤包括：
[0106]
s301：初始化：
[0107]
初始化用户集合胜出用户序列胜出用户序列产生的总体价值v(a0)＝0，待决策胜出用户序号k＝1。
[0108]
s302：计算边际价值密度：
[0109]
采用如下方法计算用户集合u中每个用户ui作为第k个胜出用户的边际价值密度β
k,i
：
[0110]
对于用户集合u中的每个用户ui，将其添加至当前胜出用户序列a
k-1
后得到新用户序列a
k,i
＝a
k-1
||ui，||表示序列拼接，采用如下公式计算各个新用户序列a
k,i
产生的总体价值v(a
k,i
)：
[0111][0112]
其中，v
(m)
(a
k,i
)表示新用户序列a
k,i
在兴趣点poim上能够获得的期望收益，采用如下公式计算：
[0113]
[0114]
||表示求取序列中用户数量，in表示新用户序列a
k,i
中第n个用户的原始序号，表示用户在兴趣点poim能够成功收集兴趣点poim数据的概率。
[0115]
采用如下公式计算各个用户ui产生的边际价值
[0116][0117]
采用如下公式计算各个用户ui产生的边际价值密度β
k,i
：
[0118][0119]
s303：筛选备选胜出用户：
[0120]
对于用户集合u中的每个用户ui，筛选边际价值密度β
k,i
最大的用户作为备选胜出用户，并将其从用户集合u中删除。
[0121]
s304：计算价格门限值：
[0122]
对于备选胜出用户采用如下公式计算得到价格门限值
[0123][0124]
其中，表示用户添加至用户序列ak后产生的边际价值，表示新用户序列产生的总体价值。
[0125]
s305：判断是否用户的期望报酬如果是进入步骤s306，否则进入步骤s309。
[0126]
s306：得到新用户序列：
[0127]
将用户添加至用户序列a
k-1
后得到新用户序列
[0128]
s307：判断是否k＜r，如果是，则进入步骤s308，否则进入步骤s309。
[0129]
s308：令待决策胜出用户序号k＝k 1，返回步骤s302。
[0130]
s309：用户胜出决策完成：
[0131]
用户胜出决策完成，令最终的胜出用户序列a＝ak。
[0132]
根据以上过程可知，本发明在进行胜出用户决策时，可以得到用户边际价值密度降序的一个序列，也就是说胜出用户序列a中，各个用户的边际价格密度满足以下公式：
[0133][0134]
其中，k表示胜出用户序列a中用户数量。
[0135]
而且根据判定阈值的设置，本发明会在满足的前提下选择胜出用户，从而使得到的胜出用户序列a同时令服务提供商和用户的利益都可以得到最合理结果。
[0136]
s204：计算用户的支付价格：
[0137]
接下来需要对于步骤s203确定的胜出用户序列a中的每个胜出用户计算其支付价
格k表示胜出用户序列a中用户数量，构建得到服务提供商对胜出用户的支付价格序列图4是本发明中计算用户支付价格的流程图。如图4所示，本发明中计算用户支付价格的具体步骤包括：
[0138]
s401：令胜出用户序号k＝1。
[0139]
s402：生成缺省用户集合：
[0140]
将胜出用户序列a中第1个胜出用户从用户集合中删除得到缺省用户集合ik表示胜出用户序列a中第k个用户的原始序号。
[0141]
s403：重新进行用户胜出决策：
[0142]
采用步骤s303中的相同方法基于缺省用户集合重新进行用户胜出决策，得到胜出用户序列a
′
。
[0143]
s404：确定胜出用户支付价格：
[0144]
记胜出用户序列a
′
中每个胜出用户为i
′g表示胜出用户序列a
′
中第g个用户的原始序号，g＝1,2,
…
,g，g表示胜出用户序列a
′
中用户数量。获取每个胜出用户在步骤s403用户任务分配过程中的边际价值同时获取胜出用户序列a
′
中前g-1个胜出用户构成的用户序列a
′
g-1
产生的总体价值v(a
′
g-1
)。
[0145]
采用如下方法计算得到胜出用户对胜出用户序列a
′
中每个胜出用户i
′g进行替换后的支付价格
[0146]
将胜出用户替换胜出用户添加至用户序列a
′
g-1
后得到用户序列采用如下公式计算得到用户序列的总体价值
[0147][0148]
其中，表示用户序列的在兴趣点poim上能够获得的期望收益，采用如下公式计算：
[0149][0150]in
′
表示用户序列中第n
′
个用户的原始序号，表示用户在兴趣点poim能够成功收集兴趣点poim数据的概率。
[0151]
然后计算胜出用户产生的边际价值
[0152][0153]
计算胜出用户替换胜出用户的替换支付价格
[0154][0155]
计算胜出用户替换胜出用户的价格门限值
[0156][0157]
从替换支付价格和价格门限值中选择较小值作为胜出用户对胜出用户序列a
′
中胜出用户i
′g进行替换后的支付价格即
[0158]
可知随着g逐渐增大，价格门限值逐渐减小；但是随着g逐渐增大，逐渐减小，逐渐增大，因此无法确定支付价格的变化趋势。本发明采取用户在所有能够胜出的位置上的支付价格的最大值，作为最终支付给用户的价格，这样可以保证用户在被选中时都能被支付最多的费用。也就是说，从胜出用户对胜出用户序列a
′
中g个胜出用户i
′g的支付价格中筛选最大值，作为胜出用户的最终支付价格即
[0159]
s405：判断是否k＜k，如果是，进入步骤s406，否则进入步骤s407。
[0160]
s406：令k＝k 1，返回步骤s402。
[0161]
s407：得到支付价格序列：
[0162]
将每个胜出用户的最终支付价格构建得到服务提供商对胜出用户的支付价格序列
[0163]
s205：移动众包服务执行：
[0164]
服务提供商根据移动众包服务的实际要求向胜出用户序列a中每个胜出用户发送服务要求，并按照支付价格序列向各个胜出用户支付费用，胜出用户根据服务提供商的服务要求采集数据并回传至服务提供商进行分析，完成移动众包服务。
[0165]
实施例
[0166]
为了更好地说明本发明的技术方案，采用一个具体实例对本发明进行实验验证。本实施例中，假设移动众包服务提供商在区域d内设置需要搜集数据的兴趣点poi有2个：poi1和poi2，其中poi1需要被覆盖1次，预期产生的收益v1为3，记作poi1＝(1,3)，同理poi2＝(2,6)。服务提供商的最大总预算b＝40，有3个用户u1,u2,u3，用户u1提交的需求为θ1＝(p1,b1)＝((0.3,0,5),3)，意味着用户1对poi1和poi2的覆盖概率为(0.3,0,5)，希望收到的报酬为3。同理用户u2的需求信息θ2＝((0.8,0,5),2)，用户u3的需求信息θ3＝((0.6,0,6),3)。
[0167]
表1是本实施例中用户胜出决策的过程示意表。
[0168][0169]
表1
[0170]
如表1所示，用户任务分配时，初始胜出用户序列为空，首先计算三个用户的边际价值比例，此时计算可得：
[0171]
用户u1的边际价值为边际价值密度为
[0172]
用户u2的边际价值为边际价值密度为
[0173]
用户u3的边际价值为边际价值密度为
[0174]
筛选的备选胜出用户为u2，然后计算价格门限值备选胜出用户u2的期望报酬3《ρ2，因此第一轮的胜出用户是u2。
[0175]
然后进入第二轮决策，因为用户u2已经胜出，所以第二轮中不必计算其边际价值和边际价值密度。从表1中可以看出第二轮计算中用户u1、u3的边际价值分别为1.5,1.8，边际价值密度分别为0.5,0.6，因为用户3的边际价值密度更高，所以第二轮中u3胜出，因为poi点的最大覆盖次数是2，因此后续无论添加任何用户到序列中都无法增加总体价值，分配结束，胜出用户序列a＝(u2,u3)。
[0176]
表2是本实施例中计算支付价格的过程示意表。
[0177][0178]
表2
[0179]
如表2所示，首先计算用户u2的支付价格，除去用户u2以后，第一轮用户任务分配中用户3的边际价值及边际价值密度最大，因此胜出用户序列a
′
＝(u3)，此时，如果使用用户u2占据用户u3的位置，其支付价格至多为3.25，同时价格门限值为20，两者取小，在这一轮用户2的支付价格至多为3.25。此时，基于当前胜出用户序列a
′
＝(u3)，继续寻找边缘价值密度最大的用户为u1，因此a
′
＝(u3,u1)，如果使用用户u2占据用户u1的位置，其支付价格至多为3，同时价格门限值为5.88，两者取小，在这一轮用户u2的支付价格至多为3.0。最终p2＝max{3.25,3.0}＝3.25＞b2＝2。类似的计算方式可得用户u3的支付价格为p3＝max{1.85,3.6}＝3.6＞b3＝3。值得一提的是，如果设置用户u2的期望报酬大于3.25，或者将设置用户u3的期望报酬大于3.6，他们无法胜出，即最终用户的支付价格是大于其期望报酬的，这体现了机制的可信性。
[0180]
尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。