Debido a la aleatoriedad del movimiento de los participantes y al egoísmo y deshonestidad de individuos en el crowdsensing, la calidad de los datos de percepción recopilados por la plataforma del servidor es incierta. Por lo tanto, es necesario diseñar un mecanismo de incentivos razonable en el crowdsensing para garantizar la estabilidad de la calidad de los datos de percepción. La mayoría de los mecanismos de incentivos existentes para la calidad de datos en el crowdsensing se basan en la economía tradicional, que cree que la decisión de los participantes de completar una tarea depende de si el beneficio de la tarea es mayor que el costo de completarla. Sin embargo, la economía conductual muestra que las personas se verán afectadas por el costo de la inversión en el pasado, lo que resulta en un sesgo en la toma de decisiones. Por lo tanto, diferente de las investigaciones existentes sobre mecanismos de incentivos, este documento considera el impacto del costo hundido en la toma de decisiones del usuario. Se propone un mecanismo de incentivos basado en el costo hundido llamado IMBSC para motivar a los participantes a mejorar la calidad de los datos. El mecanismo IMBSC estimula el efecto del costo hundido de los participantes mediante el diseño de un factor de referencia de percepción del esfuerzo y un factor de retención para mejorar su propia calidad de datos. La efectividad del mecanismo IMBSC se verifica desde tres aspectos: utilidad de la plataforma, utilidad de los participantes y número de tareas completadas a través de experimentos de simulación. Los resultados de la simulación muestran que en comparación con el sistema sin mecanismo IMBSC, la utilidad de la plataforma aumenta en más del 100%, la utilidad promedio de los participantes aumenta aproximadamente un 6% y la finalización de tareas aumenta en más del 50%.