近年来,随着移动智能设备的发展,产生了用于数据收集和解决问题的新范例—群智感知。移动众包是实现群智感知的有效方法,它通过调动大众的智慧使其借助移动设备的多元感知能力去收集感知数据来完成一项大的任务。然而,移动众包系统(MCS)只有在大量用户携带智能设备参与感知任务时才能提供更好的服务。但是,目前移动众包系统的用户参与率较低且整体的感知数据质量不高,影响了移动众包系统的发展。因此,迫切需要有效的激励机制来激励用户积极地参与到众包系统中,并提供高质量、可靠的感知数据。针对移动众包的时空特性,本文主要研究群智感知网络中移动众包的激励机制。移动众包的激励机制主要涉及到任务分配、质量控制以及隐私保护等问题。针对以往研究方法的不足,本文基于移动众包系统的时空特性分别从平台角度和众包工人角度设计了移动众包系统的众包工人选择方法和任务推荐方法。主要研究内容包括以下两点:1、为了在线实时选出高质量的众包工人,提出了一种基于多属性反向拍卖的在线激励机制。该激励机制通过考虑众包工人的位置、价格、隐私敏感度、向目标区域移动的概率、感知时间、距目标区域的距离、信誉和可信度,根据动态阈值在线实时选择众包工人。又根据众包工人信誉值的不同给出两种不同的报酬计算方法和支付方式,激励众包工人提供高质量数据来提高自身的信誉和可信度。2、为了同时适应移动众包系统和众包工人的特性,提出了一个移动预测模型。该模型利用众包工人的历史移动轨迹信息计算众包工人下一步要移动的区域,为众包工人推荐在此区域内的任务来节省众包工人的移动成本。又考虑众包工人的需求与任务要求,通过计算众包工人与任务的匹配成功率来为众包工人推荐其能胜任且符合其兴趣和报酬要求的任务,提高众包工人的竞拍成功率。