现代移动通信设备已经发展成为功能强大且用途广泛的计算平台,同时大量设备构建的感知网络能够实现信息快速的获取和交互。在这样的背景下,移动群智感知网络应运而生。群智感知利用拥有大量用户的优势可以实现大规模数据感知,但是如何为移动用户分配合适的感知任务变成一个具有挑战性的问题。本文针对基于区域覆盖的移动群智感知网络任务分配进行一系列研究,主要内容包括:提出一种基于圆盘覆盖的确定任务观测点的算法(本文简称为DC-PO)。首先基于感知平台用户的历史轨迹数据,用典型的DBSCAN算法,挖掘出任务区域的热点位置,然后利用DC-PO算法实现对热点位置的覆盖,从而完成任务观测点的确定。此外,为使实验结果显示的更加形象,开发了模拟实验平台,在网格分布和随机分布两种情况下实现以较少的观测点完成对任务区域的覆盖。为了有针对地向移动用户推送任务消息,使用基于循环神经网络的位置预测模型(本文简称为LPM-RNN)对用户的移动行为进行建模,预测用户的下一位置。仿真实验采用Geo Life数据集对预测模型进行验证,能够以较高的精确度对用户位置进行预测。提出一种实现感知平台效用最大化的任务分配模型(本文简称MPU-TA),在感知任务时间约束下将感知任务分配给移动用户同时最大化感知平台的效用。将制定的优化问题转化为两阶段问题,第一阶段采用FCMPGA算法解决路线规划问题,第二阶段基于用户到观测位置的距离和用户信誉值因素对任务进行分配。仿真实验结果表明MPU-TA所得的分配方案在平台获得的利润方面远高于没有进行路径规划的随机分配任务,同时MPU-TA根据用户的历史感知情况进行任务分配,解决了感知数据质量的不稳定性问题。