批发与零售数据市场中时空数据相对价值的计算

时空信息被用于驱动大量智能交通、智慧城市和众包感知应用。由于数据如今被视为一种有价值的生产要素，数据市场应运而生，帮助个人和企业将其推向市场以满足不断增长的需求。在此类市场中，多个数据源可能需要组合其数据以满足不同应用的要求。本文研究了在批发和零售市场中，为预测大都市区需求而组合的不同时空数据集的相对价值估计问题。以芝加哥和纽约的大型出租车行程数据集为案例，我们提出诸如“不同出租车公司何时组合其数据才有意义？”以及“应如何对共享数据的不同公司进行补偿？”等问题。随后我们将注意力转向更困难的个体驾驶员带入零售市场数据的相对价值确定问题。总体而言，我们表明用于估计数据相对价值的简单但流行的方法，例如使用数据量或“留一法”启发式，是不准确的。相反，若希望捕捉混合不同数据集对预测算法精度的复杂影响，则需采用来自经济学和博弈论的更复杂价值概念，如Shapley值。当然，将Shapley值应用于多来源的庞大数据集在计算上具有挑战性。我们借助结构化采样，准确计算了数千个数据源的重要性。我们展示了不同出租车公司和驾驶员所持有数据的相对价值可能存在显著差异，并且其相对排序在大都市区的不同区域之间可能发生变化。