随着互联网的高速发展,移动群智感知系统越来越多地应用于各个领域,如环境监测、交通状况等。群智感知系统可以通过社会中的群众和专业技术人员解决大范围的监测、交通、新闻等方面的技术问题。然而我们没有利用庞大的群众基数来发挥更有效的力量,这使得生活中的许多问题无法更有效率的解决。由于用户参与数量不足、上传感知数据量过少等问题,激励机制的研究在移动群智感知系统中显得尤为重要。设计激励机制的困难在于无法兼顾合理的分配任务与支付给参与者的报酬需要不低于其想要得到的回报,我们需要招募尽可能多的参与者来完成更多的任务,同时还要最小化平台的支付成本,这些工作都极具挑战性。现有的大多数激励机制只关注于给定的任务是否有人去完成,而很少考虑用户本身的移动性问题,因为并不是所有的用户都会在后面的时间内满足完成该任务的条件。参与者并不会一直等待系统推送任务请求,而在下一时刻参与者所处的位置和状态可能不适合完成此任务。除了这种利用报酬支付的方式,关于其他方面的激励机制研究也不多,当前社会的社交关系网络极为庞大,如何利用好这一方面也具有一定的研究空间。针对上述在移动群智感知过程中出现的问题和挑战,本文从以下两个方面进行研究:(1)基于预测的逆向拍卖的激励机制:当前的研究大都集中于确定性的任务,很少考虑用户的不确定的移动性问题,随着时间推移,用户的位置发生改变任务匹配度和成本都要重新计算。因此本文采取一种逆向拍卖的形式,平台发布一组任务,工人进行竞价,由赢标的工人完成此次任务。特别地,本文提出了一种预测机制,因为在移动群智感知服务系统中,现实生活中的用户大多处于一直移动的状态,此刻用户发出的任务请求也许在下一刻变得不合适,因为他的位置发生了变动,有可能偏离了任务的方向从而花费更大的代价。本文采用半马尔科夫模型预测用户在下一时刻的位置。根据提出的赢家选择机制,通过将每个任务分配给先前预测的、最有可能完成该任务的工人,然后本文提出了一种报酬确定机制,通过考虑每个获胜者移动成本和竞标的价格来决定适当的支付,使来自所有获胜者的社会成本最小化。在真实数据集上的大量实验证明了该机制具有显著的性能。(2)基于信誉值的激励机制:为获得真实可靠且有效的感知数据,制定一个合理的激励大量用户参与的机制是关键。本文将社交关系引入移动群智感知系统中,利用用户在社会中的地位达到激励的效果。针对移动群智感知中的参与者的自私问题如考虑自己的隐私性、为获得最大报酬虚报数据或偷懒、考虑自己的移动设备的损耗问题等,提出了一种基于节点信誉值的激励机制。首先本文对信誉值的计算和更新设计了一套合理的计算方式,其次建立了一个激励模型,该激励模型包括选择用户模块和报酬奖励模块,并设定了几个因子来决定提供给参与者的酬劳。然后根据平台对参与者完成任务的满意度进行评分,更新其信誉值以便完成后续的任务。最后,实验结果表明,与传统的信誉激励相比,本文提出的激励机制能更有效地减少服务器成本和激励更多的工人参与到感知任务中。