在物联网的大背景下,移动智能设备、无线通信以及互联网技术得到了快速发展。移动终端具备了强大的感知、计算和信息传输能力。在此基础上,结合“众包”思想,吸引移动用户利用移动设备共同对物理世界进行感知,完成大规模复杂感知任务的新型感知形式被称为移动群智感知。感知任务需要移动移动用户参与完成,在参与的过程中会消耗移动终端的资源甚至造成移动用户的隐私泄露。移动用户往往都是理性且逐利的,所以不愿意无偿地参与感知任务,因而导致感知任务无法完成。此外,一些恶意移动用户的参与会导致对感知任务造成负面影响并产生资源浪费。因此,合理的激励与惩罚机制对于移动群智感知至关重要。本文针对移动群智感知中激励与惩罚机制的研究主要开展以下四个方面工作:(1)利用 LBSN(Location-based SocialNetwork)数据分析移动群体特点,建立感知任务模型;结合移动群体特点,将移动群智感知流程分为参与者征募阶段和参与者感知阶段两个主要阶段,进而建立移动群智感知的分阶式激励框架。(2)在参与者征募阶段,通过感知任务评估,分析感知任务的时段热度和任务点热度,计算支付激励系数,设计基于斯塔克尔伯格(Stackelberg Game)的博弈模型,通过博弈交互进行参与者征募,一系列仿真实验对激励机制有效性进行验证。(3)在参与者感知阶段,引入感知数据效用,在充分考虑数据时空相关性的基础上,设计数据时间相关度、距离相关度计算方法,提出任务点方向信息量的概念及其计算方法,设计感知数据效用算法和感知交互过程,通过仿真实验数据验证激励机制的有效性。(4)在感知任务结束后,基于支付激励系数和感知数据效用进行支付报酬计算,并利用感知数据效用筛选胜出者;同时,利用感知数据效用对参与者进行信誉累积,引入惩罚策略并设计恶意参与者惩罚机制。仿真实验数据表明:信誉累积和惩罚机制可以较好地降低恶意参与者造成的支付成本的浪费。