針對(duì)移動(dòng)群智 感知任務(wù)中區(qū)域全覆蓋感知成本過(guò)高問(wèn)題，提出基于壓縮感知的移動(dòng)群智感知任務(wù)分發(fā)（CS-TD）機(jī)制。首先提出了感知任務(wù)整體成本模型，該模型綜合考慮了參與感知任務(wù)的節(jié)點(diǎn)個(gè)數(shù)、節(jié)點(diǎn)的感知次數(shù)與數(shù)據(jù)上傳次數(shù);然后基于成本模型，分析感知節(jié)點(diǎn)的日常移動(dòng)軌跡，結(jié)合壓縮感知數(shù)據(jù)采集技術(shù)，提出了一種基于感知節(jié)點(diǎn)軌跡的壓縮感知采樣方法;其次通過(guò)區(qū)域全覆蓋最少節(jié)點(diǎn)（RCLN）算法，選出最佳節(jié)點(diǎn)集合，對(duì)節(jié)點(diǎn)進(jìn)行任務(wù)分配，利用壓縮感知技術(shù)恢復(fù)節(jié)點(diǎn)數(shù)據(jù);最后在多次感知任務(wù)的迭代中對(duì)感知節(jié)點(diǎn)的可信程度進(jìn)行評(píng)定，保證任務(wù)方案的最優(yōu)性。對(duì)CS-TD分發(fā)模型進(jìn)行多次實(shí)驗(yàn)驗(yàn)證，與已有的CrowdTasker算法相比，CS-TD算法平均成本降低了30%以上。CS-TD 模型能有效降低感知節(jié)點(diǎn)的消耗，能在全覆蓋感知任務(wù)中降低整體感知成本。

　　隨著移動(dòng)互聯(lián)網(wǎng)的發(fā)展，移動(dòng)服務(wù)對(duì)數(shù)據(jù)的需求日漸增;大。移動(dòng)群智感知作為一種數(shù)據(jù)感知方式，其應(yīng)用已經(jīng)從在交通數(shù)據(jù)采集、空氣質(zhì)量檢測(cè)和噪聲檢測(cè)：2等領(lǐng)域的服務(wù)中，發(fā)展到實(shí)時(shí)路況、支付寶口碑等多種生活服務(wù)中。例如，在地圖應(yīng)用中，用戶以上傳照片加以描述評(píng)價(jià)，提交發(fā)布者對(duì)該地點(diǎn)的需求數(shù)據(jù)。

　　相比采用固定傳感裝置采集，移動(dòng)群智感知無(wú)需安裝大量固定感知節(jié)點(diǎn);相比數(shù)據(jù)需求方主動(dòng)采集，移動(dòng)群智感知能夠直接利用任務(wù)區(qū)域用戶來(lái)進(jìn)行感知任務(wù)，減少感知成本。移動(dòng)感知節(jié)點(diǎn)靈活性強(qiáng)，能實(shí)現(xiàn)個(gè)性化的數(shù)據(jù)采集任務(wù)，同時(shí)能以極高的精度對(duì)區(qū)域數(shù)據(jù)進(jìn)行覆蓋采集。