近年来,随着城市工业和交通行业的不断发展,我国城市声环境质量受到了越来越严峻的挑战,由此产生的噪声污染问题不仅损害了居民的身心健康,还在一定程度上影响了交通管制分流和城市道路建设规划。在这样的形势下,如何有效治理噪声污染己经成为世界各国研究应对策略的重点。通过对国内外相关工作的研究发现,目前市面上已存在多种技术手段来处理噪声污染问题,如噪声监测技术、噪声模拟研究、噪声可视化技术等。然而,噪声监测需要消耗大量的硬件设备成本和机器维护成本,并且当监测点位置发生变化时,监测设备的拆卸、移动和重装又会带来巨大的人力成本支出;其他噪声污染治理技术虽然提供了具体的治理方案,但噪声采集、海量数据存储与管理等方面的成本损耗和技术制约致使技术人员不得不求助于其他相关部门,因此难以提供统一和高效的噪声治理平台。针对上述情形,本文通过对群智感知理论、拍卖机制与大数据技术的重点研究,设计并开发了基于群智感知的噪声大数据采集与分析系统,提供了噪声数据采集、分布式存储、分析计算、结果可视化等功能。论文具体的研究工作如下:1.分析了本文系统开发涉及的基础理论和技术,对群智感知、拍卖机制、以Apache Hadoop为核心的大数据生态技术体系做出了详细介绍;2.提出了噪声采集反向拍卖激励机制以控制噪声数据采集流程,设计了基于任务覆盖的赢者决策和赢者支付算法,并通过对比实验验证了激励机制的有效性;3.研究和设计了分布式噪声大数据处理引擎,包括运用Hadoop HDFS解决海量噪声数据的存储问题、借助Apache Flume和Apache Kafka构建高速数据传输通道、基于Hadoop MapReduce与Apache Hive完成离线噪声数据的分析计算;4.设计与开发了基于群智感知的噪声大数据采集与分析系统,包括系统需求分析、架构设计、数据库设计、系统功能模块具体实现等,并通过测试证明了系统的实用价值。