随着移动互联网的发展，移动设备尤其是智能手机得到了广泛的应用和普及。同时，因为这些移动设备具有各式各样的传感器、可以收集各种各样的传感数据，从而使得以移动设备为载体的移动群体感知成为可能，并在各个领域，如交通、医疗健康、环境监测等领域开始得以广泛应用。在移动群体感知应用中，数量众多的各种移动设备持续地收集各种上下文信息，并对收集的这些规模巨大的上下文信息进行实时处理，以便及时地从这种持续的数据流中获取整个系统的发展态势和及时地对用户的请求进行实时响应，从而为用户提供更好的服务，因此如何实时地处理规模巨大的上下文数据流信息是目前移动群体感知应用面临的巨大挑战。本文针对上述挑战，重点围绕群体感知应用中大规模上下文信息流处理技术展开研究，提出了一种基于分布式流计算平台S4的大规模上下文流处理模型，进而围绕该模型，对基于规则的上下文过滤机制、上下文聚合优化机制以及基于任务调度的事件捕获机制进行了深入研究，主要工作体现在以下几个方面：1)针对众多移动设备持续收集的上下文信息流规模大、种类多的问题，提出了一种基于规则的上下文信息过滤机制，该机制将基于Rete匹配算法的规则引擎与流计算平台S4的过滤逻辑处理单元有机结合起来，能够有效地对以简洁高效的JSON格式描述的感知信息流进行快速匹配及过滤。2)针对如何高效实时地对上下文信息流进行聚合问题，提出了一种上下文聚合优化机制，该机制基于文档对象模型，将S4中的聚合逻辑处理单元与文档型内存数据库有机地结合起来，可以有效地减少运行时磁盘的读写操作次数，从而提高感知信息流的聚合效率。3)针对如何实时地获取群体中某个个体的行为问题，提出了一种基于任务调度的事件捕获机制，该机制将群体感知与个体感知有机地结合起来，通过事件捕获机制能够实时地获取个体行为，从而可以有效地了解群体中某个个体的状况。基于上述工作，设计实现了一个面向群体感知的实时获取群体态势和个体行为的上下文流处理框架，并以城市交通态势感知案例为背景，开发了一个具体的上下文流处理应用，对该框架的有效性进行了验证。