基于群智感知的车联网是结合了车联网和群智感知的优势的城市感知技术,通过利用智能车辆作为感知平台,以实现对城市感知所需信息的采集,借助于群体智慧的优势,以更低的成本获取精度更高、覆盖范围更广的数据,因而在城市感知中具有非常广泛的应用。任务分配作为基石,对于基于群智感知的车联网应用的实现具有至关重要的意义。本文基于车联网群智感知的任务分配问题进行了深入的研究,设计了任务分配方案以及相应的求解算法,并进行了充分验证,本文的主要工作及创新点如下:1.基于特定车联网群智感知应用的任务分配方案设计:针对城市公共服务类城市感知应用,在通过对真实交通数据分析研究的基础上,本文基于离线和在线两种模型,提出了基于特定应用的任务分配方案。该方案以在满足覆盖率要求下使得所选车辆数目最小为目标,通过利用车辆的行驶轨迹,在离线模型中设计了基于轨迹的车辆选择算法。基于对上海市出租车GPS数据分析得到的规律,创新地提出了基于动态阈值的车辆选择算法,解决了在线模型中的选车问题。通过将设计方案应用于城市热岛效应感知,本文验证了方案的有效性。2.基于群智感知的车联网任务分配激励机制设计:针对由于任务感知用户自身资源消耗导致的参与感知任务用户不足的场景,本文设计了给予感知者激励的任务分配方案。该方案首先针对任务分配者与参与者的角色将任务分配过程建模为拍卖过程,以利用拍卖理论来解决任务分配激励问题。针对感知设备质量参差不齐导致任务完成质量无法保证的问题,通过设计质量函数来保证任务完成的质量要求。基于对LBS应用覆盖面积要求的考虑,将任务分配问题转化为面积和质量约束下的优化问题。针对感知者的自私性导致的资源消耗虚假上报问题,本文设计的激励机制满足反欺骗性予以解决。该激励机制主要由最佳卖家决策算法和最佳卖家报酬算法组成。通过从理论以及实验仿真两方面,本文证明了所设计激励机制的有效性。