喜讯 | 黄建伟教授团队获 IEEE WiOpt 2021 最佳论文奖

近日，香港中文大学（深圳）校长讲座教授、理工学院副院长、深圳市人工智能与机器人研究院副院长黄建伟教授领导的网络通信和经济实验室（NCEL） 在无线网络领域一流国际会议 IEEE WiOpt 2021 发表题为“Optimal Fresh Data Sampling and Trading”的论文，并获得最佳论文奖（Best Paper Award）。该工作探究了实时数据交易市场这一新的商业模式，为实时数据更新和定价机制提供了深刻的见解，有助于提升实时数据市场的经济效益。

｜研究背景｜

近几年，人工智能技术飞速发展，离不开大数据的开放和共享。各行各业的海量数据的分析和处理，不断地驱动更先进的智能算法的发展。作为21世纪的“新石油”，数据资源的价值逐步得到重视和认可，数据交易需求不断地增加，数据交易中心也随之应运而生。在国家政策的积极推动下，涌现出了一大批数据交易平台，例如贵阳大数据交易所和北京国际大数据交易所。数据交易市场的规模正在不断地扩大，2020年，我国数据资产化市场规模为280亿元，未来五年复合增长率达41% ^[1]。

随着物联网的发展，一些实时应用在我们的日常生活中越来越常见，比如自动驾驶系统、环境监控和智能家居等。在这些应用里，保持数据的时效性至关重要。过时的数据可能会降低系统决策的准确性和可靠性，并造成巨大的经济损失和安全隐患。例如，在自动驾驶系统中，车辆的实时状态信息（如位置、速度和加速度）对于制定自动驾驶策略十分关键。而且，车辆之间也需要及时地相互共享实时的状态信息，以确保安全。为了刻画数据新鲜度和时效性，学术界提出信息年龄 (Age of information) 这一重要指标。目前，信息年龄已迅速成为网络系统里新的研究热点。

｜研究问题｜

本文研究实时数据市场的数据更新和交易机制。其中，核心问题是应该如何制定数据更新和定价策略以最大化市场总利润。实时数据市场有以下独有的挑战。在一方面，数据的价值随着时效性改变而改变，和过时数据相比，实时的数据往往具有更高的价值。在另一方面，为了保证数据的时效性，系统可以不断地更新数据，但是频繁的数据更新会导致不必要的高额操作成本。

本文主要考虑三种定价策略：

- 第一种为单一价格定价策略 (uniform pricing scheme)，不同新鲜度的数据价格始终为单一价格，不随时间变化而变化。这是最简单也是使用最广泛的一种定价策略。

- 第二种定价策略为双价格定价策略 (dual pricing scheme)，平台制定一个全价格 (full price)，折扣价格 (discounted price) 和新鲜度阈值。当数据新鲜度高于指定新鲜度阈值，数据定价为全价格。否则，数据定价为折扣价格。

- 第三种定价策略为动态定价策略 (dynamic pricing scheme)，顾名思义，数据价格实时变化。这个定价策略能够更好的捕捉数据的价值随着时间变化的特征。

｜研究方法｜

在本文中，作者研究了一个实时数据市场，其中一个平台为动态到达的用户提供不同新鲜度的数据。本文使用斯塔克伯格博弈 (Stackelberg Game) 来建立平台与用户的互动的模型：在第一阶段，平台分别决定三种定价策略（单一、双和动态价格定价）和数据更新策略，以最大化其长期利润。在第二阶段，每个用户根据当前数据价格和新鲜度决定是否在到达时购买数据。在这样一个全新的数据市场中，如何最大化平台的利润是一个挑战。由于平台需要联合优化数据更新次数、更新时间和价格，该问题是一个混合整数规划问题。尽管存在这些挑战，利用问题的特殊结构，我们仍然能够得出最优的解析解。

｜研究结论｜

我们通过求解优化问题，得到了最优更新和定价策略的解析形式，并获得了一些有趣的结论。首先，在单一价格和双价格定价策略里，随着数据边际更新成本增加，最优的数据价格不增加反而减少。第二，随着用户的数目增加，最优数据价格也增加。第三，数值结果表明，最优双价格定价策略盈利能力显著高于最优单一价格定价策略。具体而言，最优双价格定价策略产生的利润高达最优单一价格定价策略实现的利润的280%。这一工作有助于指导实时数据市场中数据更新和定价机制，从而提升实时数据市场的经济效益。

｜作者简介｜

何均懿

# 论文第一作者

本文第一作者为香港中文大学（深圳）理工学院博士生何均懿。他目前的研究方向为数据交易市场设计和网络经济学，导师是黄建伟教授。

马倩

马倩是中山大学智能工程学院的副教授。她博士毕业于香港中文大学黄建伟教授研究组，她的研究方向包括分布式机器学习、边缘智能、群体智能和网络优化等。

张萌

张萌是美国西北大学的博士后研究员，即将以助理教授身份就职于浙江大学伊利诺伊大学厄巴纳香槟校区联合学院(Zhejiang University - University of Illinois at Urbana-Champaign Institute, ZJUI)。他博士毕业于香港中文大学黄建伟教授研究组，目前的研究方向包括实时网络通信与计算(Age of Information)、边缘智能及网络经济学。

黄建伟

# 论文通讯作者

本文通讯作者为香港中文大学（深圳）校长讲座教授、理工学院副院长黄建伟教授，他同时也是深圳市人工智能与机器人研究院（AIRS）的副院长，群体智能中心主任。黄教授是深圳市鹏城特聘教授、IEEEFellow、IEEE通信学会杰出讲者、汤森路透计算机科学领域全球高被引科学家。他长期专注于网络通信、网络经济学和群体智能交叉领域的开创性研究。他已发表7部学术专著和300多篇国际一流期刊和会议论文，被谷歌学术引用超过14000次， H-index为59（位列全球计算机领域学者中前0.05%）。他与其合作者十次获得国际会议和期刊的最佳论文奖，包括2011年IEEE马可尼无线通信论文奖。

黄建伟教授曾任多个通信网络领域JCR Q1一流国际期刊的编委，包括IEEE JSAC/TMC/ToN/TWC/TCCN/TNSE。他历任IEEE通信学会认知网络专委会主席和多媒体通信专委员会主席。他曾获得2015年IEEE通信学会多媒体通信专委员会杰出服务奖和2010年IEEE GLBOECOM卓越服务奖。他现任 IEEE Transactions on Network Science and Engineering的主编。

IEEE WiOpt

IEEE WiOpt（International Symposium on Modeling and Optimization in Mobile, Ad Hoc, and Wireless Networks）是无线网络领域一流国际会议，旨在汇集网络里建模、性能评估和优化相关的最新研究成果。研究重点包括但不限于移动网络、边缘计算、智能网络、内容驱动网络、认知网络、车辆网络、机器人系统和物联网等各个领域。WiOpt 2021 从40余篇被接收论文中仅选授予一篇最佳论文。

^[1] 《2021中国数据资产化工具市场研究》

点击以下链接，进入理工时刻：