在Gartner《2017十大技术趋势》报告中指出万物互联(IoE:Internet of Everything)是今后科技的主旋律。万物互联(IoE)将人、数据和物体结合到一起使得网络连接变得更加相关，更有价值。通过这种互联，可促进人与物、物与物信息交互，实现网络化互联和智能处理的有机结合，协助形成智能决策。与此同时，万物联网推动了移动感知设备的发展和普及，大量表征移动对象轨迹的数据被有意和无意的收集了起来，例如:出租车/公交车的GPS数据、手机信令数据、社交网络的签到数据等，这些轨迹数据在日常生活中的不断累积给我们带来了新的机遇和挑战。利用和挖掘移动对象随着时间的流逝在空间中留下的轨迹信息，探寻移动对象轨迹中运动规律和时间-空间模式等特征，将对普适环境中信息感知和数据传递更加高效和稳定的进行，提供重要的帮助和支持。　　移动群体感知技术将人纳入到万物互联的环境中，利用大量普通用户使用的移动设备作为基本感知单元，通过移动互联网/车联网协作，实现感知任务的数据收集与利用，最终完成大规模、复杂的城市感知任务，可以为城市管理、环境监测、社交应用等提供服务。特别地，车联网将一类特定物（车辆）融入到了万物互联的环境中，所以车辆彼此之间都能进行联网通信，可以进行实时的数据传递。为此，车联网将在智能交通、车辆安全、出行服务等方面发挥重要作用。　　本文围绕移动群体感知中的关键问题，分别从如何选择移动群体感知的参与者、如何进行移动群体的行为感知、如何挖掘移动轨迹时空规律进行数据路由、如何利用移动轨迹社团特性进行数据路由这四个研究问题，开展了以下四个方面研究:　　(1)基于轨迹覆盖特征的群体感知参与者选择:针对大规模的、复杂的群体感知任务，本文使用移动运营商的信令系统作为群体感知的基础平台，选择合适的感知任务需要的移动用户，以望依托他们完成感知任务的数据收集。通过对不同感知任务的分析，提取出任务完成需要的三个重要约束条件，即任务持续时间，能够容错的多重感知，以及不同时段的多轮感知。通过分析用户的行为特征，揭示移动用户的移动规律，本文将用户选择问题建模为有限制的多重集合覆盖问题，设计启发式方法求解该NP难问题，从而实现以最小代价完成用户选择。该用户选择方案是一个通用的框架，可以适用于各类群体感知任务。　　(2)基于轨迹相似主题的群体行为模式挖掘:从大量收集到的个体轨迹信息可以感知移动群体的行为。例如，发现具有类似出行时空规律并且可能存在相同兴趣的移动群体。这种模式可以为感知任务协作提供基础，也可以为用户个性化的社交推荐提供新思路。本文提出了时空维度的稳定性指标来度量移动个体的共行关系，并基于这个指标使用大规模社团发现技术，检测出移动个体之间的社团特性，然后，结合城市的兴趣点(POIs:Point of Interests)信息，提出一个面向轨迹的主题模型，从而发现移动个体相同的兴趣。　　(3)基于轨迹时空规则的数据传递:现有的车联网数据传递机制没有考虑移动车辆轨迹的时空规律特点。本文以路段为粒度刻画公交车运行的时空规律，以克服粗粒度（即公交线路级）规律准确性低的缺点，并避免细粒度（即公交车级）规律稳定性差的不足。依托公交车在路段上的历史运行时间的统计数据，采用线性时间序列分析方法，建立车辆路段运行时间的自回归滑动平均模型。同时，挖掘不同公交线路的公交车在路段上相遇的规律性，建立相遇概率模型。依托上述规律，建立公交车数据传递的概率时空模型，设计公交车数据传递机制，有效改善数据传递的性能。　　(4)基于轨迹社团特性的数据传递:本文将车辆的通信网络和人的社交网络建立了类比关系，认为车辆之间的消息传递和人之间的消息传播有相似之处，本文利用社交网络中的社团发现技术，发现了公交系统中以公交车线路为粒度的社团结构，从而识别出车辆线路间的亲疏关系;然后，在公交车系统中构建社团图，通过将公交线路映射回真实地图，构建了基于社团关系的公交车通信主干网图;进而，在主干网图的基础上，将连接不同社团的公交线路作为中介车辆线路，建立社团之间和社团内部的路由，从而实现基于轨迹社团特性的数据传递，提高了车联网数据传递机制的服务质量。　　综上，本文关注基于轨迹的群体感知的关键问题，涉及到用户选择、行为感知、数据传递等，提出了一系列的技术和方法，并通过真实数据分析和大量实验验证了所提技术和方法的有效性，为基于轨迹的数据感知、传递、挖掘和利用提供了重要的支撑。