技術(shù)特征：

1.一種基于路網(wǎng)環(huán)境下個性化位置隱私保護方法，其特征在于，包括如下步驟：

步驟1、執(zhí)行路網(wǎng)數(shù)據(jù)獲取模塊，匿名服務器根據(jù)地圖數(shù)據(jù)，初始化路段的位置語義影響力向量；

步驟2、移動用戶使用移動設備進行定位，然后根據(jù)需求封裝成為查詢信息Q，所述查詢信息Q包含用戶所在位置的經(jīng)度longitude、緯度latitude、匿名集用戶數(shù)要求K、匿名集路段數(shù)要求L、匿名集敏感度要求ρ、匿名集構(gòu)造用戶最大等待時間T、用戶自身對各類語義敏感度向量P_l和查詢內(nèi)容C；并將查詢信息Q發(fā)送給匿名服務器；

步驟3、匿名服務器接收到步驟2中用戶發(fā)送的查詢信息Q后，根據(jù)用戶的經(jīng)度longitude和緯度latitude，使用定位模塊，確定用戶所在的路段e，路段距離為0；將路段e加入匿名集S；并標記當前路段eNow＝e；

步驟4、匿名服務器調(diào)用鄰居獲取模塊，獲取eNow的所有鄰接路段，設定所有鄰接路段的距離的eNow的路段距離加1，并將所有鄰接路段加入候選集H；

步驟5、匿名服務器調(diào)用距離調(diào)整模塊，對候選集H中所有路段進行路段距離調(diào)整；

步驟6、匿名服務器調(diào)用權(quán)值計算模塊，使用所述方式計算候選集H中各路段的權(quán)值；匿名服務器基于各路段權(quán)值，調(diào)用路段敏感度計算模塊，使用所述公式計算候選集H中各路段的敏感度，并選擇敏感度最低的路段et加入S，設定eNow＝et；

步驟7、匿名服務器調(diào)用匿名集敏感度計算模塊，判斷S在敏感度，包含的用戶數(shù)以及包含的路段數(shù)三項是否滿足用戶要求，如已達到要求則返回S，否則，判斷是否達到時間限度T，如未達到，則循環(huán)執(zhí)行4-7；如已達到，則匿名失敗。

2.根據(jù)權(quán)利要求1所述的基于路網(wǎng)環(huán)境下個性化位置隱私保護方法，其特征在于，在步驟1中，使用位置語義影響力描述路段上各類語義信息，由各類語義的語義影響力組成一個位置語義影響力向量并將改向量作為每一條路段的固定屬性。

3.根據(jù)權(quán)利要求1所述的基于路網(wǎng)環(huán)境下個性化位置隱私保護方法，其特征在于，在步驟2至步驟5中，采用路段距離概念，計算各路段的路段距離，以用戶所在路段為基準，每往外拓展一條路段，其路段距離加一，當某些路段從用戶所在路段的兩端分別計算路段距離是，存在兩個不同的值時，則選擇較小值作為其路段距離。

4.根據(jù)權(quán)利要求1所述的基于路網(wǎng)環(huán)境下個性化位置隱私保護方法，其特征在于，在步驟6中，采用路段距離來計算路段的權(quán)值的方式，按用戶要求L將權(quán)值從1到0分為L段，根據(jù)路段的距離確定所述的權(quán)值段，并隨機從中選取一值作為路段的權(quán)值，當路段距離超過L時，則采用最小的一段作為路段的權(quán)值范圍。

5.根據(jù)權(quán)利要求1所述的基于路網(wǎng)環(huán)境下個性化位置隱私保護方法，其特征在于，在步驟6中，結(jié)合路段的位置語義影響力向量，路段的權(quán)值以及用戶的語義敏感度向量，計算每條路段對用戶而言的敏感度，每次選擇敏感度最低的路段來組建匿名集；路段的敏感度計算公式如下：

$p_e=\frac{{\mathrm{\Σ}}_{i=0}^n{p}_{li}*A_{si}}{{\mathrm{\Σ}}_{i=0}^n{A}_{si}}*\frac{1}{Weight}and{p}_{li}\∈P_l,A_{si}\∈W_e,$

式中，n為位置語義影響力向量的維度，P_l為用戶語義敏感度向量；W_e表示路段的位置語義影響力向量；Weight為路段權(quán)值；p_li表示用于用戶語義敏感度向量P_l第i個元素，A_si表示W(wǎng)_e中第i個元素；p_e越小，路段的敏感度越低。

6.根據(jù)權(quán)利要求1所述的基于路網(wǎng)環(huán)境下個性化位置隱私保護方法，其特征在于，在步驟7中，結(jié)合路段的位置語義影響力向量，用戶的語義敏感度向量計算匿名集的整體敏感度，匿名集的敏感度計算如下：

$P_z=\frac{{\mathrm{\Σ}}_{i=0}^n{p}_{li}*{\mathrm{\Σ}}_{j=0}^L{w}_{ij}}{{\mathrm{\Σ}}_{i=0}^n{\mathrm{\Σ}}_{j=0}^L{w}_{ij}}and{p}_{li}\∈P_l,w_{ij}\∈W_e,$

式中，n表示語義影響力向量W_e的維度；L表示用戶要求匿名集中的路段數(shù)；w_ij表示S中第j條路段的第i種語義的影響力，p_i表示用戶語義敏感度向量P_l的第i個元素。