4G/5G网络以及移动设备的普及与发展促进了移动群智感知这一新颖感知模式的出现。移动群智感知以行人(工作者)手持的移动设备作为基本感知单元以实时的获取城市/郊区的环境信息。由于移动群智感知中任务感知要求(例如,感知时间、感知地点)的差异以及工作者的主观性,任务分配和激励机制是当前移动群智感知中的热点研究方向。然而目前大多数研究工作都是在单一感知模式下(机会式感知模式,参与式感知模式)进行的,并且很少有工作考虑到任务独立的感知质量要求。因此,本文分别研究了移动群智感知中混合感知模式下的在线任务分配问题以及具有任务独立感知质量要求的在线激励机制。首先,本文研究了移动群智感知中混合感知模式下的在线任务分配问题。在该问题中,工作者基于其参与任务意愿被划分为机会式感知工作者和参与式感知工作者,并且任务和工作者可以在任意时间到达平台。该问题的求解目标是在满足每个任务独立的感知要求基础上最大化任务感知质量并最小化任务感知成本。为了解决该问题并聚合两种感知模式的优点,本文基于贪心策略设计了一种两阶段在线任务分配算法,称为OMA-M。OMA-M算法在第一阶段将任务分配给机会式感知工作者;第二阶段将不满足感知要求的任务重新分配给参与式感知工作者移动到任务感知地点执行任务。此外,本文分析了OMA-M算法的时间复杂度以及其实现的解与最优解的近似比。其次,本文研究了移动群智感知中具有任务独立感知质量要求的在线激励机制问题,该问题的目标是最大化社会福利。本文采用反向拍卖框架描述了平台和工作者的交互性,并通过分别对中标决策以及报酬支付两个子问题进行求解设计了该激励机制。由于中标决策问题一个NP难问题,本文基于贪心策略提出了一个中标决策算法解决该问题。在中标决策问题解的基础上,本文提出了一个报酬支付算法以保证工作者只有在如实的披露其私人信息的情况下才能中标任务。此外,本文证明了所提出的激励机制具有真实性、个人理性、计算有效性属性。最后,本文分别对所提出的在线任务分配算法及激励机制进行了仿真实验验证及分析。在线任务分配算法的仿真实验结果表明其在任务感知质量、任务感知代价和任务完成率方面都具有良好的表现。在线激励机制的仿真实验结果表明,在不同参数设置下该机制在社会福利以及任务完成率方面的表现比另外两种基准算法更好。