随着技术的发展,智能设备处理数据能力越来越强,并且配备各种传感器(例如GPS,TP)和无线移动网络(例如4G,5G),人们可以轻松参与需要在靠近当前位置的特定位置进行的空间任务,例如上传路况信息,拍摄照片/录像,上传天气情况,快递代取和报告热门餐厅的等待时间。所以就出现了一种新的框架——时空众包,其使得工作人员能够移动到任务所在区域执行空间任务。同时,全球智能手机用户也越来越多,这就意味着未来的众包系统中将有大量的工作者和任务的发布者涌入。为了最大化平台的效益以及提高任务完成质量,根据众包工作者和任务的属性,如何为任务分配合适的众包工作者成为了一个重要的研究问题,该问题也是时空众包研究中的一个关键问题。本文针对以上问题,设计一种基于众包工作者社会关系的任务分配模型和一种基于概率的任务推荐模型。主要研究工作有以下两点:(1)为了提高任务的完成质量和降低任务的工作成本,深度挖掘社会网络中的朋友间关系,并将其应用到时空众包中的任务分配中来;提出根据好友的历史交互信息计算时间关系强度并且采用GeoHash编码计算位置关系强度的方法,同时,为了保护工作者的隐私,设计出一种基于社会关系强度的任务分配算法。最后,利用真实数据和合成数据集进行对比实验,从而验证所提算法的准确性和有效性。(2)为了提高任务推荐的精准度,提出一种基于概率的任务推荐模型。首先,考虑众包任务的推荐属性特征来确定众包工作者之间的相似性;然后,在马尔可夫模型和协同过滤模型的基础上,考虑相似度,轨迹预测,停留时间和信任度来计算推荐概率矩阵;最后,利用Yelp真实数据集,通过对比实验验证所提任务推荐模型的有效性以及推荐结果的准确性,并分析推荐模型中的推荐转移概率权值对推荐结果的影响。