时至今日,人们愈发迫切的希望能够对物理环境进行透彻感知。这对迅速发展的物联网技术更是新的发展机遇。无线通信和传感器技术的不断进步,使无线移动终端设备爆炸式地普及到千家万户。与普通移动设备相比,汽车也因装载了各种复杂的传感器,在感知、计算、存储和通信方面的性能更强大,移动性更强,覆盖范围更广。车联网群智感知使得对物理环境进行全面透彻的感知成为可能,被广泛用于环境监测、交通管理、智慧城市、公共安全、远程医疗、社交服务等诸多领域,成为人们关注的热点。车联网群智感知中的任务分发主要负责选择最合适的参与车辆来进行数据感知,能够对感知数据的全面性、完成任务的效率和感知数据的质量等产生重要影响,因此也成为当前重点研究的内容。本文针对车联网群智感知任务分发问题的不足,进行各种方案的探讨与研究。首先研究基于轨迹的车联网群智感知任务分发,提出一种基于轨迹的任务分发方案。在研究时空可用性度量模型与分析方法的基础上,利用车辆轨迹对参与者的时空可用性进行度量,获得轨迹后,研究用计算几何领域中的最小覆盖问题,来解决基于轨迹可用性的最小数量参与者的覆盖问题。在此基础上提出基于轨迹的任务分发问题,针对实际情况,定义一个定价模型,提出一种声誉评估策略,将问题转换为整数线性规划优化问题,并制定方案予以解决。以最小数量的参与车辆满足感知任务所需的覆盖水平,实现合理有效的任务分发。其次对基于压缩感知的车联网群智感知任务分发进行了研究与设计,利用感知数据之间的时空相关性,提出一种使用压缩感知技术的方案。先迭代地选择用于感知任务分发的区域,在每个周期通过压缩感知推导缺失数据,评估当前数据误差,直到满足任务质量需求。得到区域集合后,同样利用整数线性规划优化问题进行参与车辆的选择。进一步降低任务分发成本,避免冗余任务分发,实现合理的资源分配。最后对车联网群智感知任务分发方案进行了实现及验证。综合运用前两部分详述的理论及方法,使用真实的车辆移动轨迹数据集和空气质量指数数据集,在搭建的仿真平台上对上述两个任务分发方案进行了验证。对实验结果进行深入的分析与比较,取得了较为明显的效果,并针对目前鲜有的车联网群智感知案例研究有一定的创新。