智能设备的大量普及和计算机计算能力的长足进步,为智慧城市的发展提供了强有力的基础。通过对无处不在的智能设备产生的城市大数据进行分析利用,智慧城市可以在城市规划、交通优化、环境改善、应急响应等方面提高资源利用效率,解决城市痛点问题。在多种智慧城市解决方案中,空间众包技术是一种应用非常广泛的基础性问题解决方案。其利用群体智慧和人所携带的智能设备,可以高效完成具有空间要求的任务,例如城市噪音地图的构建、通过共享出行优化城市交通等,而这些任务利用传统方法完成往往极大耗费人力物力。因此空间众包技术是智慧城市发展过程中的重要组成部分。空间众包过程涵盖了多种技术问题,包括激励机制、匹配问题、隐私保护等。其中任务与用户的匹配问题是一项关键性问题,因为该问题直接决定了任务的执行效率和执行质量,因此本论文着重研究空间众包过程中任务与用户的匹配问题。空间众包过程通常包括任务发布者、云平台、和任务执行者（用户）三个组成部分。对于云平台而言,一方面多个任务发布者会通过云平台发布大量具有不同空间要求的任务,另一方面大量用户会通过云平台注册并选择执行不同的任务,而这些用户会具有不同的特征、属性等,因此云平台需要结合任务要求和用户特征将二者进行合理匹配。针对空间众包技术相比于传统众包技术更强调任务的空间属性这一特点,按照任务的不同空间类型,本文将任务划分为区域型任务和特定位置型任务两类。其中区域型任务是指,单一任务的空间要求是一片大范围的区域,例如城市噪音地图的构建任务;特定位置型任务是指,单一任务的空间要求是一个（或多个）指定位置,例如共享出行中要求网约车前往指定地点接送乘客。本文将分别针对每种任务类型,着重解决任务的不同空间需求和用户的空间移动性给匹配问题带来的新挑战。本文的主要贡献包括:（1）针对区域型感知任务,提出了预算约束下的用户轨迹段选择机制。本文提出对于区域型感知任务而言,除了区域覆盖率,区域覆盖均匀性也是衡量数据质量的重要标准,并设计了覆盖均匀性度量方法。另外,为了消除移动性用户的选择冗余问题,本文以优化综合覆盖质量为目标,提出了反向轨迹段选择算法。我们在真实数据集上进行实验并对比多个基准算法,实验结果体现了本文所提算法的有效性。（2）针对可压缩区域型感知任务,提出了收益驱动的在线用户选择机制。本文利用压缩感知的方法基于所收集的局部感知数据进行全局数据重建（数据补全）。为了解决压缩感知方法带来的无法预测重建数据质量的问题,本文通过大量实验分析,提出了基于指数分布的重建质量预测机制。另外,本文进一步分析了用户的空间分散性为提高数据重建质量带来的优势,并利用基于二维熵的方法优化用户的空间分布,以进一步提高数据重建质量。在此基础上,针对不同感知开销分布下的在线用户选择问题,本文以最优化数据重建质量为目标,分别提出了多个在线用户选择算法。（3）针对特定位置型任务的一类重要应用即共享出行,提出了基于众包网约车的无中继包裹运输机制。利用众包网约车在正常接送乘客的同时,进行城市范围内的包裹运送,可以在不提高包裹运输开销的基础上,缩短包裹运输时长。为了解决现有方案存在的只考虑一跳共享和必须增加中继节点的问题,本文提出了基于众包网约车多跳共享的无中继包裹运输机制PPtaxi,即不需要中继节点,只通过合理分配乘客订单使得网约车在接送乘客的同时顺便将包裹送到目的地。PPtaxi机制由乘客订单预测和包裹路由动态规划两部分组成,首先基于高斯分布和贝叶斯推断预测未来乘客用车需求,然后综合考虑包裹运送成功率和路由计算复杂性提出了包裹动态路由策略。（4）针对基于众包网约车的包裹运输问题,提出了城市运力评估机制。基于众包网约车的城市物流运力评估问题,对于对比多种包裹运输机制优劣、评估共享出行为城市包裹运输带来的优势、以及帮助包裹运输公司合理分配包裹运输方式等方面都具有重要的作用。为了解决该问题,我们首先为无中继包裹运输机制设计了运力评估算法,该算法通过构建时空网络图并结合多个精心设计的最大流问题计算结果对城市运力进行准确评估。然后,我们将该算法经过小幅度的调整,扩展到现有的多个包裹运输机制。最后,我们在真实数据集上进行了实验,并对比分析了多种包裹运输机制的城市运力结果。