在众包任务分配过程中,众包工作者和众包任务是其考虑的两大重要因素。每一个众包工作者都具有不同的环境背景以及知识技能属性,每一个众包任务都具有对不同的专业技能属性的需求。在新型移动互联网环境下,众包工作者工作能力参差不齐,存在不确定性和多样性,合理地设计众包任务,并将合适的众包任务分配给恰当的众包工作者,对提高众包任务完成质量,节省众包公司的时间开销、经济开销等方面都具有重要意义。传统的任务分配是将工作者和任务“一对一”的配对,而众包任务分配秉承的是“多对多”的分配原则。另外,传统的众包任务分配模型忽略了众包任务及众包工作者的属性特征,使得任务属性与工作者属性之间缺乏关联,而众包任务优化分配模型不仅应考虑任务之间的关系,还应考虑任务属性与工作者属性之间的关联。此外,传统的众包平台和工作者只是简单的雇佣关系,缺乏引导和激励工作者的机制,而激励众包工作者积极地参与任务并高效地完成任务,使众包需求者和众包工作者达成双赢的格局,是提高众包系统性能的重要因素。本文针对地理兴趣点信息众包采集任务的设计和众包任务分配问题进行了深入研究,给出了众包任务聚类成包的设计方案,基于活跃度的众包工作者信誉模型和基于双方满意度的任务优化分配模型,本文完成的工作如下:1)针对众包平台中众包任务设计的不足,给出了根据地理位置将众包任务聚类成任务包的设计方案,并设计任务包酬金奖励机制和归纳众包任务包属性。2)针对平均信誉模型选择工作者的不足,以众包任务包设计为研究背景,给出了基于活跃度的众包工作者信誉模型,并分析信誉模型中参数取值。3)针对众包平台中任务分配模式的不足,充分考虑众包工作者和众包任务包的属性关联,给出了基于双方满意度的众包任务优化分配模型。4)通过对比实验,分别对众包任务聚类成包设计的可行性,基于活跃度的工作者信誉模型和基于双方满意度的任务优化分配模型的有效性进行验证。本文给出的众包任务包设计,工作者信誉模型和众包任务优化分配模型。经测试表明,能够均衡不同环境下的兴趣点信息更新进度,有效地管理组织众包工作者,获得高质量的众包结果。