Although data has become an important kind of commercial goods, there are few appropriate online platforms to facilitate the trading of mobile crowd-sensed data so far. In this paper, we present the first architecture of mobile crowd-sensed data market, and conduct an in-depth study of the design problem of online data pricing and reward sharing. To build a practical mobile crowd-sensed data market, we have to consider four major design challenges: data uncertainty, economic-robustness (arbitrage-freeness in particular), profit maximization, and fair reward sharing. By jointly considering the design challenges, we propose an online query-bAsed cRowd-sensEd daTa pricing mEchanism, namely ARETE-PR, to determine the trading price of crowd-sensed data. Our theoretical analysis shows that ARETE-PR guarantees both arbitrage-freeness and a constant competitive ratio in terms of profit maximization. Based on some fairness criterions, we further design a reward sharing scheme, namely ARETE-SH, which is closely coupled with ARETE-PR, to incentivize data providers to contribute data. We have evaluated ARETE on a real-world sensory data set collected by Intel Berkeley lab. Evaluation results show that ARETE-PR outperforms the state-of-the-art pricing mechanisms, and achieves around 90 percent of the optimal revenue. ARETE-SH distributes the reward among data providers in a fair way.

中文翻译：

---

ARETE：关于为移动数据市场设计联合在线定价和奖励共享机制

尽管数据已经成为一种重要的商品，但目前还没有合适的在线平台来促进移动人群感知数据的交易。在本文中，我们提出了移动人群感知数据市场的第一个架构，并对在线数据定价和奖励共享的设计问题进行了深入研究。为了建立一个实用的移动人群感知数据市场，我们必须考虑四大设计挑战：数据不确定性、经济稳健性（特别是无套利）、利润最大化和公平的奖励分享。通过共同考虑设计挑战，我们提出了一种基于在线查询的 cRowd-sensEd 数据定价机制，即 ARETE-PR，以确定人群感知数据的交易价格。我们的理论分析表明，ARETE-PR 在利润最大化方面保证了无套利性和恒定的竞争比率。基于一些公平标准，我们进一步设计了一个奖励共享方案，即 ARETE-SH，它与 ARETE-PR 紧密耦合，以激励数据提供者贡献数据。我们在英特尔伯克利实验室收集的真实感官数据集上评估了 ARETE。评估结果表明，ARETE-PR 优于最先进的定价机制，并实现了约 90% 的最佳收入。ARETE-SH 以公平的方式在数据提供者之间分配奖励。激励数据提供者贡献数据。我们在英特尔伯克利实验室收集的真实感官数据集上评估了 ARETE。评估结果表明，ARETE-PR 优于最先进的定价机制，并实现了约 90% 的最佳收入。ARETE-SH 以公平的方式在数据提供者之间分配奖励。激励数据提供者贡献数据。我们在英特尔伯克利实验室收集的真实感官数据集上评估了 ARETE。评估结果表明，ARETE-PR 优于最先进的定价机制，并实现了约 90% 的最佳收入。ARETE-SH 以公平的方式在数据提供者之间分配奖励。