移动互联网的不断成熟以及搭载各种传感器的智能终端的广泛普及和应用催生了一个全新的研究领域——移动群体感知技术领域。移动群体感知以具有感知能力的移动设备为载体,以携带感知设备的人以及其所处环境为感知对象,其特点是充分利用人们随身携带的各种移动设备如智能手机等对其本身及其所处的环境进行感知,持续地获取感知数据并对这些感知数据所形成的感知数据流进行实时分析和处理,进而获取群体的各种行为、现象以及态势如交通拥堵态势、疾病传播趋势等等,以便更好地为人们提供各种各样的服务。如何对大规模移动群体感知数据进行高效处理是目前该领域重点研究和解决的问题之一。本文针对上述问题,在对移动群体感知的概念内涵、特点以及相关技术深入分析研究基础上,重点研究了基于流处理技术的移动群体感知数据流处理模型,进而以智能交通为背景,针对智能交通感知数据流的特点,重点研究了基于道路拓扑的实时地图匹配算法以及基于流的快速交通态势聚合算法,在此基础上,以实时流处理平台S4为基础进行了系统设计与实现并进行了实验验证。本文的主要工作体现在如下三个方面:首先,针对大规模移动群体感知数据流数据规模巨大和实时处理问题,提出了一种新的基于流处理的移动感知数据流处理模型SSPM,该模型能够对感知数据流进行合理划分与合并,支持感知数据流的重定序、基于规则的并发数据转换以及感知数据流的高效聚合,从而有效地兼顾了大规模和实时两方面的特性。其次,以智能交通应用为背景,针对大规模交通感知数据流如何在地图上快速映射与匹配问题,采用高效的区域划分方法,提出了一种基于道路拓扑的实时地图匹配算法,能够对大规模交通感知数据流进行实时映射;针对如何快速地实现态势聚合问题,采用基于权重的路段平均速度计算方法和时间触发的交通态势更新策略,提出了一种基于路段平均速度的交通态势聚合算法,能够高效地对交通态势进行快速聚合。最后,以实时流处理平台S4为基础进行了系统设计与实现,进而搭建了实验环境,以真实的大规模交通感知数据流为实验数据,对本文的研究成果进行实验和验证,并与目前主流的分布式处理平台Hadoop进行了实验对比测试,结果表明基于SSPM的实时交通态势聚合可以更加高效地聚合出交通态势。