随着智能手机的日渐普及,移动群智感知网络通过智能终端设备搭载的多种传感器来采集各种感知数据,然后通过移动互联网传输至数据中心,这些数据可以便捷高效地应用于交通、社交等领域中。相较于传统智能交通感知网络多使用感应线圈、GPS、浮动车等技术采集数据,移动群智感知网络在部署和维护成本上优势比较大,在智能交通系统中得到了越来越广泛的应用,成为了新的研究热点。而实时交通状态预测可以用于交通流的控制和诱导,能有效缓解道路交通拥堵、提高道路利用率。从移动群智感知环境下获取的车速数据出发,对未来的交通状态进行更加准确的预测,可以降低智能交通基础设施建设成本,同时提高智能交通管理效率,因此研究移动感知环境下交通状态的预测具有重要意义。针对传统的基于实时数据的交通控制与诱导对交通状态缺乏预见性,且有明显的滞后性的问题,本文从移动群智感知环境下获取的车速数据出发,以支持向量回归算法(SVR)为基础,引入周期性算子,并采用布谷鸟算法(CSA)确定周期性SVR(SSVR)中的主要参数,提出了 CSA-SSVR,对道路未来车速进行预测,据此判断道路的未来交通状态。实验表明,CSA-SSVR在移动群智感知环境下对于交通状态预测问题的速效率更高、准确性更高。针对基于用户使用智能终端设备采集到的数据存在着容易出现缺失、不精确甚至有错误数据的问题,从提高移动群智感知网络中获取的交通数据质量的角度,本文进一步提出一种移动感知环境下的交通数据质量控制方法,将数据质量控制细分为个体控制和数据中心控制两个过程,利用智能终端设备的处理能力对待发送数据进行质量控制,做到降低数据中心处理压力并有效控制数据质量。实验表明该方法能更进一步提高交通状态预测算法的预测精度。