[发明专利]基于拍卖理论的车联网群智感知用户的在线激励方法

权利要求书

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，p_i是平台给赢家i的报酬，c_i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R_tj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：

max imize R(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。

4.根据权利要求3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：所述类型数据包括：到达时间a_i，离开时间d_i，能做的任务矩阵v_i，报价b_i；其中v_i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。

5.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r_i'(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。

6.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