在城市交通场景中,海量的移动终端借助其内置的各种传感装置,可以提供更全面、准确的环境感知数据。同时,“人”同样可以作为感知任务执行者,采集并归纳出更为透彻的感知信息。因此,面对来自环境监测、智能交通、城市管理等领域的不同感知需求,充分利用移动终端和“人”的感知能力,可以为其提供更丰富的支撑数据。论文以物联网和移动群体感知技术为基础,面向城市交通场景,搭建了群体感知服务平台,以支持感知数据需求方和数据采集方之间的互通。论文提出了基于ST(SpatioTemporal)-Merge算法的面向车联网群体感知的多任务分配算法,在时间和空间维度合并多个任务的感知需求,针对性地解决多任务场景中感知任务“需求交叠”的问题。更进一步,通过整合Greedy任务分配算法,可以有效地提高感知效率,降低感知成本。同时将算法应用于平台内,以期实现“算法-仿真-平台-应用”的完整闭环。论文首先介绍了移动群体感知服务平台的背景知识及相关技术,明确了平台应用场景,进而通过对平台三类用户:任务发布者、任务执行者、管理人员和两类感知任务:定量采集任务、定性描述任务进行需求分析,梳理平台的功能需求。然后论文提出了面向车联网群体感知的多任务分配算法,详细说明了建模和仿真过程。同时依据需求分析,给出平台的总体架构,设计了信息门户系统、定量采集感知系统、定性描述感知系统,并给出了关键流程设计和接口定义。在此基础上,给出核心系统设计类图和实现说明。最后,对平台进行功能测试和验证。论文结尾给出了全文的工作总结,并提出了下一步的研究方向。