針對移動群智 感知任務中區(qū)域全覆蓋感知成本過高問題，提出基于壓縮感知的移動群智感知任務分發(fā)（CS-TD）機制。首先提出了感知任務整體成本模型，該模型綜合考慮了參與感知任務的節(jié)點個數(shù)、節(jié)點的感知次數(shù)與數(shù)據上傳次數(shù);然后基于成本模型，分析感知節(jié)點的日常移動軌跡，結合壓縮感知數(shù)據采集技術，提出了一種基于感知節(jié)點軌跡的壓縮感知采樣方法;其次通過區(qū)域全覆蓋最少節(jié)點（RCLN）算法，選出最佳節(jié)點集合，對節(jié)點進行任務分配，利用壓縮感知技術恢復節(jié)點數(shù)據;最后在多次感知任務的迭代中對感知節(jié)點的可信程度進行評定，保證任務方案的最優(yōu)性。對CS-TD分發(fā)模型進行多次實驗驗證，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)點的消耗，能在全覆蓋感知任務中降低整體感知成本。

　　隨著移動互聯(lián)網的發(fā)展，移動服務對數(shù)據的需求日漸增;大。移動群智感知作為一種數(shù)據感知方式，其應用已經從在交通數(shù)據采集、空氣質量檢測和噪聲檢測：2等領域的服務中，發(fā)展到實時路況、支付寶口碑等多種生活服務中。例如，在地圖應用中，用戶以上傳照片加以描述評價，提交發(fā)布者對該地點的需求數(shù)據。

　　相比采用固定傳感裝置采集，移動群智感知無需安裝大量固定感知節(jié)點;相比數(shù)據需求方主動采集，移動群智感知能夠直接利用任務區(qū)域用戶來進行感知任務，減少感知成本。移動感知節(jié)點靈活性強，能實現(xiàn)個性化的數(shù)據采集任務，同時能以極高的精度對區(qū)域數(shù)據進行覆蓋采集。