[发明专利]一种基于信誉的车辆群智感知节点反向组合拍卖激励优化方法

权利要求书

1.一种基于信誉的车辆群智感知节点反向组合拍卖激励优化方法，其特征在于，其包括以下步骤：

S1：根据车辆群智感知场景进行数学建模，建立包括车辆成本和报酬、感知任务的时间与空间要求以及平台预算的模型；

S2：结合感知任务的时空要求、车辆的位置信息、系统的利润与预算约束，设计系统收益与车辆收益以及约束下的目标函数；

S3：选择获胜车辆执行感知任务，根据候选车辆上报的价格、车辆的信誉、预计对平台贡献等选择获胜者；

S4：选择出最终的获胜者后，通知获胜者，获胜者开始执行感知任务并上传数据，数据上传完成后，平台根据报酬支付算法对用户进行奖励；

S5：平台通过信誉评估机制对获胜者提供的数据质量进行评估，更新车辆信誉值，为下一轮拍卖提供决策依据。

2.根据权利要求1所述的一种基于信誉的车辆群智感知节点反向组合拍卖激励优化方法，其特征在于，所述步骤S1中，车辆群智感知场景主要包括以下三个部分：

(1)群智感知平台发布包含特定时间与空间要求的感知任务；

(2)候选车辆上报竞标信息，平台对车辆的竞价信息进行收集；

(3)平台使用包含优胜者选择部分和报酬计算部分的激励机制，选择执行任务的优胜者并计算需要支付给优胜者的报酬。

3.根据权利要求2所述的一种基于信誉的车辆群智感知节点反向组合拍卖激励优化方法，其特征在于，所述步骤S2中，对于车辆群智感知系统存在以下三个优化目标：

(1)优化目标1：任务价值直接影响平台的利润，因而要尽可能多的实现重要任务的感知，最大化平台收益；

(2)优化目标2：最小化执行感知任务的总代价，满足总支出最小；

(3)优化目标3：最小化执行任务的车辆数量，减小数据冗余；

基于上述优化目标，建立车辆群智感知系统效益最大化目标函数为：

其中，f代表总效益，取值介于0,1之间。y_i表示任务t_i完成情况，任务t_i能够被完成时y_i为1，否则y_i为0。x_j表示车辆v_j执行任务的情况，当车辆被选中执行任意感知任务时，x_j为1，否则x_j为0。第一个限制条件表示感知平台的任务支出不能大于任务收益；第二个条件限制了每辆车最多可执行的子任务个数为l。第三个限制条件表示车辆在任务区域行驶的时间满足任务时间窗要求。α表示利润所占比重，β表示车辆数量所占比重，α+β＝1，0ε1。

4.根据权利要求3所述的一种基于信誉的车辆群智感知节点反向组合拍卖激励优化方法，其特征在于，所述步骤S3中，基于车辆性能得分来确定平台的获胜者。该得分包括车辆对平台的贡献和虚拟奖励积分表示在第h轮拍卖中车辆的总体性能得分。

其中，β₁和β₂表示单位价值成本和虚拟积分所占权重，β₁+β₂＝1。

获胜者的选择包括两个阶段。在第一阶段，选择所有提交了信息资料且其信誉值超过阈值的车辆，这些信誉达标的车辆进入候选组。在第二阶段中，先使用贪婪方法根据优胜者的整体表现得分来不断选择优胜者，直到预算用尽或所有任务完成为止。可以分为以下步骤：

步骤S31：预设某一信誉阈值threshold，平台从所有参与者中选择信誉值超过阈值threshold的车辆v_i进入候选集合New_V；

步骤S32：计算候选集合中车辆的总体性能得分，将车辆性能得分由小到大进行排序。候选车辆的性能得分越低，被选择称为优胜者的可能性越大；

步骤S33：判断候选者的出价是否在可接受的价格范围u_max之内，当出价高于阈值，从候选集合中删除参与者，然后按照升序向后寻找次优满足价格约束的候选车辆v_i。

步骤S34：每次拍卖后，平台根据当前的任务范围动态调整下一次拍卖的最高可接受价格u_max。