·1932 工程科学学报，第39卷，第12期 3 0.35然后增加至0.63，可能开始时任务数量少难以选 -ProMoT -MAA 择合适的感知任务，导致其意愿程度较低，故信誉度减 -PRA 少：随着任务数量的增加，此时可选择合适的感知任 中 务，故信誉度逐渐增加.而第239号参与者信誉度则 0 先从0.5增加至0.77然后逐渐减少至0.67，感知任务 9 数量增加至5以后，可能导致其移动设备剩余能量 8 不足. 1.0 △一第69号参与者 日一第173号参与者 0.9 第239号参与者 530100150200250300350400450500 0.8 参与者数量 07 图6均方根误差随若参与者数量的变化 Fig.6 Change of root mean square error with the number of partici- 整6 pants 05 似保持稳定.同时，虽然ProMoT能够将激励成本控制 0.4 在一定范围，但其主要目的是激励参与者加入到感知 任务，故此机制下服务器总奖励开销最大.对于MAA 0.3 A气 7 10 感知任务数量 机制，服务器仅依据参与者感知数据质量决定是否接 图8信誉值动态变化 收，因此服务器总奖励开销最小.而PRA机制中服务 Fig.8 Dynamic change of reputation value 器动态更新参与者信誉度后，还需判断其发送感知数 据的方式，然后衡量其感知数据可信程度，故此时 不同数据收集机制的总感知时间如图9所示.由 PRA机制下服务器总奖励开销略少 图可知，3种机制下感知时间均随着感知任务数量的 160 增加而增加，这是因为服务器广播各感知任务任务消 140 MAA 息后，均有规定的可允许感知时间范围。同时，相比于 一PRA ProMoT机制，MAA机制分析感知数据质量时考虑了 120 感知时间因素.另外，PRA机制考虑多任务并发场景 100 下，结合根据响应时间描述意愿程度以及考虑感知数 80 据时效性等因素，故此机制感知时间最少 60 200 A-ProMoT 180 e-MAA ☆—PRA 20 160 140 90100150200250300350400450500 参与者数量 120 图7服务器总奖励开销随若参与者数量的变化 100 Fig.7 System overhead with the number of participants 80 4.3不同感知任务数量下的性能分析 60 在不同感知任务数量下验证PRA机制，并与Po- 40 MoT和MAA机制对比，此处将参与者数量设置为 45678910 300. 感知任务数量 在参与者数量一定时，分别对第69号、第173号 图9感知时间随着感知任务数量的变化 以及第239号参与者信誉度进行追踪，得到信誉度动 Fig.9 Change of time for sensing with the number of sensing tasks 态变化如图8所示.由图可知，第69号参与者信誉度 不同数据收集机制的准确性如图10所示.由图 从0.5逐渐增加于1，说明其历史信誉度随着感知任 可知，3种机制下均方根误差RMSE均随着感知任务 务数量的增加而增加，故动态更新后其当前信誉度也 数量的增加而先增加后几乎保持稳定且PRA机制的 增加.第173号参与者信誉度先从0.5逐渐减少至 RMSE最小，这是因为PRA量化感知数据质量时综合工程科学学报，第 39 卷，第 12 期 图 6 均方根误差随着参与者数量的变化 Fig． 6 Change of root mean square error with the number of partici￾pants 似保持稳定． 同时，虽然 ProMoT 能够将激励成本控制 在一定范围，但其主要目的是激励参与者加入到感知 任务，故此机制下服务器总奖励开销最大． 对于 MAA 机制，服务器仅依据参与者感知数据质量决定是否接 收，因此服务器总奖励开销最小． 而 PＲA 机制中服务 器动态更新参与者信誉度后，还需判断其发送感知数 据的方 式，然 后 衡 量 其 感 知 数 据 可 信 程 度，故 此 时 PＲA 机制下服务器总奖励开销略少． 图 7 服务器总奖励开销随着参与者数量的变化 Fig． 7 System overhead with the number of participants 4. 3 不同感知任务数量下的性能分析 在不同感知任务数量下验证 PＲA 机制，并与 Pro￾MoT 和 MAA 机 制 对 比，此处将参与者数量设置为 300． 在参与者数量一定时，分别对第 69 号、第 173 号 以及第 239 号参与者信誉度进行追踪，得到信誉度动 态变化如图 8 所示． 由图可知，第 69 号参与者信誉度 从 0. 5 逐渐增加于 1，说明其历史信誉度随着感知任 务数量的增加而增加，故动态更新后其当前信誉度也 增加． 第 173 号参与者信誉度先从 0. 5 逐渐减少至 0. 35 然后增加至 0. 63，可能开始时任务数量少难以选 择合适的感知任务，导致其意愿程度较低，故信誉度减 少; 随着任务数量的增加，此时可选择合适的感知任 务，故信誉度逐渐增加． 而第 239 号参与者信誉度则 先从 0. 5 增加至 0. 77 然后逐渐减少至 0. 67，感知任务 数量增加至 5 以后，可能导致其移动设备剩余能量 不足． 图 8 信誉值动态变化 Fig． 8 Dynamic change of reputation value 不同数据收集机制的总感知时间如图 9 所示． 由 图可知，3 种机制下感知时间均随着感知任务数量的 增加而增加，这是因为服务器广播各感知任务任务消 息后，均有规定的可允许感知时间范围． 同时，相比于 ProMoT 机制，MAA 机制分析感知数据质量时考虑了 感知时间因素． 另外，PＲA 机制考虑多任务并发场景 下，结合根据响应时间描述意愿程度以及考虑感知数 据时效性等因素，故此机制感知时间最少． 图 9 感知时间随着感知任务数量的变化 Fig． 9 Change of time for sensing with the number of sensing tasks 不同数据收集机制的准确性如图 10 所示． 由图 可知，3 种机制下均方根误差 ＲMSE 均随着感知任务 数量的增加而先增加后几乎保持稳定且 PＲA 机制的 ＲMSE 最小，这是因为 PＲA 量化感知数据质量时综合 · 2391 ·