移动感知数据市场中的参与者选择与定价模型研究

发布时间：2023-03-20 03:49

　　近年来随着大数据的广泛普及和应用,数据资源的价值逐步得到重视和认可,数据交易需求也在不断增加。数据交易平台是数据交易行为的重要载体,可以促进数据资源整合、规范交易行为、降低交易成本,成为当前各地促进数据流通的主要举措之一。然而,从数据平台整体发展水平来看,当前大数据交易仍然面临着诸多问题:(1)数据供需不对称使得数据交易难以满足社会有效需求,数据成交率和成交额不高;(2)数据开放进程缓慢,“数据孤岛”现象在一定程度上制约了数据交易整体规模,影响数据变现能力;(3)数据交易过程中无法有效破解数据定价难题。针对上述存在的问题,本文提出将移动感知技术应用于数据交易市场,以此解决数据资源供需不平衡问题。然而构建基于移动感知的数据交易市场仍然面临着传统移动感知和数据交易平台不曾遇到的难题。在移动群体感知中,由于需要普通人群作为参与者加入到感知任务活动中去收集并分享数据,因此也给数据的收集工作带来了更多的机遇和挑战。此外,数据质量不高、数据价值难以衡量,缺乏有效数据定价规则,已经成为制约数据交易和流通的不利因素。正因为如此,如何选择合适的参与者提供高质量的感知数据,以及如何对收集到的数据制定合理价...

【文章页数】：126 页

【学位级别】：博士

【文章目录】：
致谢
摘要
Abstract
1 绪论
    1.1 研究背景与意义
    1.2 移动感知数据市场
        1.2.1 移动感知数据市场系统结构
        1.2.2 移动感知数据市场工作流程
        1.2.3 移动感知数据市场主要研究内容
    1.3 参与者选择与数据定价相关工作
        1.3.1 参与者选择
        1.3.2 数据定价
    1.4 参与者选择与数据定价模型考虑因素
        1.4.1 感知任务参与者方面因素
        1.4.2 数据平台方面因素
        1.4.3 数据消费者方面因素
    1.5 本文研究内容与组织结构
        1.5.1 本文研究内容
        1.5.2 本文章节安排
2 基于空间覆盖的感知任务参与者选择策略研究
    2.1 引言
    2.2 问题描述
    2.3 基于空间覆盖的参与者选择策略
        2.3.1 系统模型
        2.3.2 由空间覆盖驱动的收益成本模型
        2.3.3 移动感知任务参与者选择示例
    2.4 算法研究
        2.4.1 问题复杂性分析
        2.4.2 改进的贪婪遗传算法
    2.5 实验与结果分析
        2.5.1 数据集与参数设置
        2.5.2 基于真实数据集的评估结果
        2.5.3 基于模拟数据集的评估结果
    2.6 本章小结
3 基于边际主义的感知任务参与者选择策略研究
    3.1 引言
    3.2 问题描述
    3.3 基于边际主义的参与者选择策略
        3.3.1 系统模型
        3.3.2 参与者的服务质量
        3.3.3 由服务质量驱动的收益成本模型
    3.4 算法研究
        3.4.1 问题复杂性分析
        3.4.2 具有退火机制的贪婪随机自适应搜索算法
    3.5 实验与结果分析
        3.5.1 数据集与基线算法
        3.5.2 基于真实数据集的评估结果
        3.5.3 基于模拟数据集的评估结果
    3.6 本章小结
4 基于质量等级的通用数据定价模型研究
    4.1 引言
    4.2 问题描述
    4.3 基于质量的数据价值评估
        4.3.1 数据质量标准
        4.3.2 数据价值评估
        4.3.3 数据质量效用
        4.3.4 质量效用函数的评估
    4.4 基于质量等级的优化定价模型
        4.4.1 购买意愿
        4.4.2 数据市场的最大化盈利函数
        4.4.3 最优定价
    4.5 仿真验证
    4.6 本章小结
5 基于敏感等级的匿名化个人数据定价模型研究
    5.1 引言
    5.2 问题描述
    5.3 个人数据定价的框架设计
        5.3.1 利益相关者描述
        5.3.2 公平的敏感信息损失补偿方案
        5.3.3 消费者自我选择行为分析
    5.4 个人数据定价的双层优化模型
    5.5 混合遗传模拟退火算法
    5.6 仿真实验
        5.6.1 参数设置
        5.6.2 实验结果与分析
    5.7 本章小结
6 结论与展望
    6.1 工作总结
    6.2 研究展望
参考文献
作者简历及在学研究成果
学位论文数据集



本文编号：3766622