近年来,新一轮科技产业革命正向万物互联,智慧城市方向发展。移动便携设备在民众中高速普及,5G时代高速网络,高性能云计算能力都使得智慧云,大数据分析成为充分利用计算资源和有效精准传送实时结果的必经趋势。移动群智系统（Mobile Crowdsensing,MCS）是一种将大范围人群感知能力和模型计算资源相结合,给出目标任务结果的实时预测系统。目前MCS正在智慧城市和交通管理、环境监控、社会事件分析等领域开展广泛的研究及应用。本文对人群收集信息进行分析,讨论如何选择控制问题个数和拥有高质量回答的工人人数,研究可用停车位数量和保留时间,提出激励算法,搭建停车信息系统,主要工作如下:（1）提出了一种基于群智感知的挑选人数最少质量最高的工人的算法。首先获取工人上传的停车位信息,并基于停车位信息生成对应的可靠性判断问题,通过判断回答的正确率来获得工人的可靠性,利用EM算法更新迭代多个工人多次回答的正确率,选定恰当的工人数量和回答结果利用联合估计算法对停车用户想去的可停车地点上可用车位信息进行预测估算。（2）提出了 一种基于迁移学习的预测停车位保留时间的算法。首先获取历史停车数据以及所述历史停车数据对应的第一空间特征。并将历史停车数据和第一空间特征作为迁移学习的源域;获取目标停车位的地理位置作为第二空间特征;求取第一空间特征和第二空间特征的公共空间特征,根据公共空间特征结合历史停车数据训练出迁移学习的模型,并基于该模型预测得到未来某时段目标停车区域车位占有率。通过对该占有率进行评估分析得到该时段下车位保留时间。（3）采取一种基于博弈论的边际激励算法,通过前文计算的工人可靠度得到工人能力的特征函数,并基于该特征函数计算奖励分配方案。工人的能力与其自身努力程度有关,最后通过工人的边际努力程度来建立与分配奖励金额之间的联系,并通过公平性最大化来评判激励算法的优良性。（4）设计并实现了基于移动感知的实时停车位寻找系统。设计了运行在手机上多用户类型的智能应用程序,在云服务器上搭建算法模型和后台应用程序,使工人和想要停车的用户都能通过app同时访问,上传,接收数据信息。