本发明涉及一种面向异构群智感知的多参与者选择方法，具体过程为：对于异构群智感知背景下的异构参与者：人类参与者、无人车和固定传感器，首先给出统一的感知能力及成本的定义和量化方法。对于感知区域，根据其中待收集感知数据的POI、障碍物以及充电站等分布情况，综合考虑时间和空间特征，提出了基于GraphSAGE的子区域划分方法。最后结合子区域的时空特性和异构参与者的属性，提出了一种基于深度强化学习中近端策略优化算法的异构参与者选择算法来解决子区域的协作调度问题，以最大化感知数据收集率和感知数据平衡性，最小化感知数据成本为目标，实现异构群智感知下异构参与者的有效协同。