智慧出行依赖于对实时路况等城市交通环境信息的准确及时获取与利用。随着通信技术的日趋成熟以及智能移动终端的爆炸式普及,车辆群智感知作为新兴的感知模式,利用车载智能终端从城市环境中感知获取信息,可以完成传统无线传感网络难以处理的复杂任务。车辆群智感知具备感知节点数量多、移动速度快、感知数据规模大和部署成本低等特点,被广泛应用于智慧出行系统的诸多应用之中。然而,当前车辆群智感知覆盖在时空上仍存在盖不全和粒度粗的问题,解决该问题面临城市环境复杂、感知任务多变,感知车辆数量类型多且用户行为复杂等诸多挑战。为此,本文从提升感知覆盖广度的目标出发,研究了群智车辆的轨迹调度和激励策略,以较低的感知开销显著提升了感知空间覆盖范围。进一步,考虑城市环境复杂多变且感知需求难以获取,为了细化感知时空覆盖的粒度,本文进而研究了群智车辆与平台专有感知车辆相结合的复合式感知范式,通过调度专有感知车辆来弥补群智车辆感知覆盖的时空偏差,可以实现时空精细的感知覆盖。接着,依托细粒度感知覆盖性能的提升,本文研究了在新能源车系统中,如何实现系统队列的趋优调控与充电联合派单多维决策的优化。研究发现,在精细的感知覆盖下,即城市区域划分的更细小且路况数据更新更快,平台可以有效提升系统的长期收益。具体而言,一方面,平台依托精细感知覆盖能够准确计算车辆到达充电站的时间,进而通过价格等动态调控手段均衡城市时空充电需求,提高长期累积平均收益;另一方面,在精细的感知覆盖下,平台可以准确预估电动出租车服务订单所需的时间和电量,有效提升充电决策的可靠性和派单决策的精准性,从而提升系统长期决策总收益。本文总体围绕群智车辆感知覆盖方法及其应用展开研究,具体的研究内容如下:首先,本文对感知车辆的轨迹调度和激励机制间的交互关系展开研究,设计了提升感知空间覆盖范围的群智车辆在线调度与激励算法。在激励车辆参与感知任务的同时,实现了低开销和高质量的城市道路感知覆盖。理论给出了该算法的最小社会开销近似比,并证明了算法满足真实性、个体理性和计算高效性。本文设计的算法可为车辆群智感知系统收集所需大规模、高质量的感知数据提供理论指导。其次,为了进一步细化感知时空覆盖的粒度,本文研究了群智车辆结合专有感知车辆的复合式感知范式,通过对专有车辆的调度来弥补群智车辆感知覆盖的时空偏差,从时间和空间上提升了感知覆盖的粒度。通过分布鲁棒优化的方法,本文设计了仅利用感知需求的部分统计知识,最小化长期运维开销的车辆调度策略,并提出了线性近似决策规则,解决了大规模城市车辆调度计算复杂性高的问题,显著提高了求解方法的计算效率。实验表明,在该复合式感知范式下,平台仅利用感知需求一阶期望和二阶方差信息,就能够以较低的系统长期运维开销实现时空精细的感知覆盖。随后,本文研究了新能源车系统中多充电站队列联合趋优调控问题。通过使用独立集方法解耦车辆充电需求空间复杂关联,本文提出了在线联合动态趋优定价算法,在保证队列长度稳定性的条件下实现了平台的长期收益任意趋优,并证明了收益下界和队列长度上界。在城市道路时空精细的感知覆盖下,平台能够准确计算充电车辆到达充电站的时间和位置,通过价格等调控手段,在时间和空间上均衡城市各站点充电需求队列长度,削峰填谷,提高了平台的长期累积平均收益。最后,本文研究了电动出租车充电与派单多维决策联合优化问题。给定充电站的电价,新能源出租车平台根据实时路况决策车辆的充电时间和充电时长,结合车辆剩余电量来进行订单的分配。在群智车辆的细粒度感知覆盖下,平台可以准确预估车辆服务订单和前往充电站所需的时长。通过将未来期望收益集成到当前决策的目标函数中,本文推导了最大化系统长期收益的长视决策。研究表明,时空细粒度的感知覆盖可以提升系统订单匹配决策的精准性和充电决策的可靠性。该多维联合决策具有计算高效性,可在城市级规模下进行扩展。