雾计算通过在网络边缘扩展云数据中心所提供的服务，使得用户能够就近分析并处理数据，降低了服务响应的延迟，缓解了主干网络的数据拥塞，弥补了云计算的不足，为万物互联下的实时性应用和服务提供了基础。
　　任何基于网络的分布式应用在投入生产环境之前，必须经过长期的反复测试，雾计算应用也不例外，但是目前仍缺乏专业的雾计算实验平台。大部分研究者依靠模拟或仿真工具来进行实验，结果的真实性和准确性存在很大问题，所以设计真实性的实验平台对于雾计算的发展具有重要作用。
　　本研究首先调研了雾计算测试领域的研究现状，分析了设计雾计算实验平台所面临的挑战，然后提出并设计了基于移动众包的雾计算实验平台CrowdFogBed，并针对其中的众包任务匹配问题进行了深入研究和探讨。主要内容如下：
　　(1)基于移动众包的雾计算实验平台
　　本研究通过将丰富的移动众包设备加入雾计算实验平台，解决了雾计算网络中用户层设备的多样性、异构性和移动性等问题，同时为实验用户提供了真实的网络场景，从而保证了实验结果的真实性和准确性，降低了被测原型部署到生产环境后所面临的风险。
　　(2)基于任务匹配数最大的雾实验任务分配机制
　　任务分配是移动众包系统中需要解决的关键问题之一。本研究考虑CrowdFogBed中实验用户的实际需求和移动众包用户对任务的偏好性，基于双向拍卖机制，提出了任务匹配数最大化的雾实验任务分配算法。已有的任务分配机制，大多以社会收益或移动用户的收益最大化为目标，与本研究的目标及需求均不相同，所以在实验评估部分，将所提出的算法与贪心算法进行了比较，结果表明，该算法在任务匹配数上有很大提高，尤其当移动用户较少时，该算法可以将任务更均匀地分配到多个用户，而且满足诚实性、个体理性和预算平衡性。
　　(3)基于稳定匹配的雾实验任务分配机制
　　基于拍卖理论的任务分配机制保证了交易的真实性，但不能保证交易的稳定性。本研究在双向拍卖的基础上，引入稳定匹配理论，提出一个集中式的、考虑任务预算约束和资源占用冲突关系的多对多任务匹配算法STCB，以提高稳定性。已有考虑稳定性的任务分配机制，均没有考虑任务冲突关系，所以在实验评估部分，将STCB算法与贪心算法进行了比较，实验结果表明，当预算不足时，STCB可为任务匹配到更多的用户，为实验用户带来更大的效用，同时满足了实验用户与移动用户的个体理性和预算平衡，并明显提高了任务分配的稳定性。