近年来,随着移动互联网技术和智能设备的快速发展,带有感知能力的移动终端设备赋予人们强大的感知能力和信息共享能力。移动群智感知是一种新的感知模式,在移动群智感知中,携带移动智能设备的用户成为感知节点,这些感知节点具有移动性、分布广泛等特点。移动群智感知通过用户有意识或无意识的协作共同完成大规模、复杂的社会感知任务,具有广阔的应用前景和应用价值。本文以移动群智感知中的激励机制为研究内容,在感知数据的过程中,由于电量消耗、计算消耗、存储消耗和流量消耗等资源方面的消耗会降低用户参与感知任务的积极性,只有用户得到其认为合理的报酬才有可能提高其参与任务的积极性,因此,激励机制研究在移动群智感知系统中具有重要的意义。基于此,本文在基于移动群智感知的激励机制,以及在此过程中衍生的用户选择、数据优选、数据质量等问题上进行了研究。本文的主要工作如下:1)分析移动群智感知系统的特点,在街旁网用户签到数据的基础上,将LBSN(Location-based Social Network,基于位置的社交网络)数字世界的签到信息和物理世界的任务属性信息相融合,实现任务价值评估和用户评估模型,并通过逆向拍卖机制激励用户参与,从而建立基于移动群智感知的激励机制框架。2)激励机制不仅保证了移动群智感知系统的用户规模,而且还提供了大量的丰富数据,但是并不一定能够满足任务在角度、时间、地点等方面的覆盖需求。为了满足任务在覆盖方面的需求,本文在激励机制框架基础上增加了基于金字塔树的数据优选方法,通过利用金字塔树模型实现数据聚类,并进一步为基于逆向拍卖的多支付策略提供数据基础。最后,通过实验验证了该方法在数据覆盖以及激励用户参与方面的有效性。3)能否提供高质量的数据服务成为影响用户使用移动群智感知系统的重要因素,因此,本文在数据质量方面进行了一定的研究。为了提高系统在数据评价方面的公正性和可信度,本文利用模糊逻辑系统对用户提交的数据从主观和客观两方面进行综合评价。另外,本文提出了基于时间因子的用户信誉模型,将信誉作为用户选择模块的考虑因素,从而激励用户采集高质量数据。实验结果表明,该模型对于提高系统数据质量具有很好的促进作用。