在移动群智感知(Mobile Crowd Sensing,MCS)网络中,利用普通用户的移动设备作为感知节点进行数据收集,用户间通过移动互联网进行协作,共同完成大规模、复杂的感知任务。相较于传统的传感器网络,移动群智感知具有数据收集成本低,感知范围广泛,设备易于维护,系统可扩展等优势,具有广阔的应用前景和应用价值。移动群智感知应用的实现依赖于大量的用户参与,而电量、流量、存储等有限资源的消耗,以及隐私暴露的威胁会降低用户参与感知任务的积极性,只有在用户得到其认为合理的报酬的情况下,才有可能提高其参与任务的积极性。因此,需设计合理的激励机制对用户参与感知所付出的代价进行补偿,吸引足够的用户参与感知任务以保证移动群智感知应用的服务质量。针对移动群智感知中,如何激励足够数量的用户参与感知任务的问题进行了研究。本文的主要工作如下:1.为了提高用户参与感知的积极性,从用户的角度出发,采用不完全信息博弈的思想,对移动群智感知过程建模分析及参与用户效用分析,以最大化用户效用为目标,并考虑实际中用户在感知过程中随机退出感知的情况下设计激励机制,激励用户参与位置相关的感知任务。将激励机制的设计分为赢标者选择和报酬支付两个阶段。在赢标者选择阶段,提出了以任务为中心的用户选择算法以提高感知任务覆盖率,根据用户上报的竞价与任务集,选择竞价与上报任务集中所有任务总价值的比值最低的用户作为赢家执行感知任务。在报酬支付阶段,提出按时间比例分享规则的报酬支付方法,激励用户长时间参与感知,在提高用户效用的同时保证了激励的真实性。最后,通过实验验证了该机制在激励用户参与及任务覆盖方面的有效性。2.在上述机制设计中,考虑了由于用户随机性导致用户执行感知任务过程中随机退出感知的情况,用户随机退出感知使得任务未完成导致感知任务完成率较低,而继续招募更多的用户参与未完成的感知任务将会增加平台成本及数据冗余,为了在不增加平台成本的同时提高感知任务完成率,提出基于用户交互的激励模型,通过基于双向拍卖的动态激励方法,促进用户参与。实验结果表明,该方法对于提高感知任务完成率具有很好的促进作用。