随着科技的飞速发展,众包作为一种收集数据的重要方式而逐步走进大众的视野,被越来越多的科学家所重视。本文从社交网络角度出发对工人信任值进行评估,并将其运用到空间众包任务分配中。考虑从个人、小组两个角度入手对任务分配系统进行完善,其主要工作有:（1）考虑到工人本身所具有的复杂的社交网络关系,建立了基于工人信誉度、社会亲密度和声誉度的多约束路径选择模型MCOPS（Multi-Constrained Optimized Path Selection）,改进传统的Dijkstra算法求解任务发布者到目标工人的最佳信任路径,并计算出发包者对工人的信任值。（2）提出将社交网络与空间众包相结合对个人进行任务分配,考虑工人信任值和任务激励对任务分配的影响,设计了信任感知任务分配算法TTA（Trust-aware Task Allocation）,同时基于不同场景对工人旅行成本和任务紧急程度进行分析,设计了空间加权信任感知任务分配算法STTA（Space-weighted Trust-aware Task Allocation）和时间加权信任感知任务分配算法TTTA（Time-weighted Trust-aware Task Allocation）。采用最小成本最大流算法,使用Twitter的签入数据作为真实数据集,最终通过对比任务分配成功率验证了在面对不同任务场景下该系统的可行性和实用性。（3）复杂的任务往往需要多名工人共同完成任务,本文在（1）的基础上进一步对小组进行任务分配。首先模糊估计工人可容忍等待时间TWTW（Tolerable Waiting Time for Workers）,其次对可用小组生成约束进行讨论,提出组员共识Team因素的重要性。算法上舍弃传统的贪婪任务分配算法,设计基于树分解的任务分配模型,消除任务之间存在的依赖关系,对树进行深度优先遍历找到最优任务分配,动态的对全局进行规划,通过实验证明此方案极大提高了任务分配效率。综上,本文通过对社交网络中信息数据的挖掘计算出工人的信任值,又以此为基础分别设计不同的算法对个人和小组进行空间众包任务分配,综合考虑各种因素并使用真实的数据集,最终实验数据的对比验证了设计算法的有效性。