随着移动互联网和O2O商业模式的发展以及智能移动设备的普及,时空众包平台如滴滴打车、饿了么等应用逐渐流行并与人们的生活密不可分。时空众包平台对响应实时性、任务分配合理性有较高的要求,任务分配的好坏将直接影响众包平台的表现。基于以上原因,时空众包环境下的任务分配成为研究热点。故本文对时空众包环境下的任务分配的研究具有一定实际意义。在时空众包平台中,任务分配作为核心研究问题之一,旨在将随机出现的众包任务、众包工人及工作地点进行匹配,并得到最佳的效用。在时空众包的任务分配过程中,阈值算法起到了过滤低效用分配的关键性作用,往往能够决定整个众包平台获得的效用。在以往的研究中,贪心算法、随机阈值算法及自适应阈值算法的假设不能适应真实的众包环境,存在以下问题:主要关注阈值的设置,虽能够过滤效用较小的分配,但任务分配过程中仍存在一定的随机性,往往导致效用达不到预期的效果。因此需要优化现有的任务分配策略。本文的研究内容是:首先对众包进行简单的介绍,并对国内外的研究成果进行阐述,重点研究时空众包环境下的在线任务分配策略即阈值算法及区域划分算法。在分析阈值算法作用机制的基础上,发现了当数据分布不均匀时会出现获得效用较低的问题,提出了基于统计预测的自适应阈值算法和匹配策略,可以有效减少效用值的浪费。针对原有阈值算法使用单一阈值造成阈值调整不合理的问题,根据众包任务发起位置的特点及任务分布的特性,提出了ARD区域划分算法,可以更精确的过滤低回报值任务,提高获得的效用值。最后,本文搭建了实验平台并使用真实数据对算法进行了实验验证。根据实验结果,本文提出的任务分配算法可以有效提高众包平台的效用值。