移動(dòng)互聯(lián)網(wǎng)和智能手機(jī)的普及大大方便了人們的生活，并由此產(chǎn)生了大量的軌跡數(shù)據(jù)。通過(guò)對(duì)發(fā)布的軌跡數(shù)據(jù)進(jìn)行分析，能夠有效提高基于位置服務(wù)的質(zhì)量，進(jìn)而推動(dòng)智慧城市相關(guān)應(yīng)用的發(fā)展，例如智能交通管理、基礎(chǔ)設(shè)計(jì)規(guī)劃以及道路擁塞預(yù)警與檢測(cè)。然而，由于軌跡數(shù)據(jù)中包含用戶的敏感信息，直接發(fā)布原始的軌跡數(shù)據(jù)會(huì)對(duì)個(gè)人隱私造成嚴(yán)重威脅。差分隱私作為一種具備嚴(yán)格形式化定義、強(qiáng)隱私性保證的安全機(jī)制，已經(jīng)被廣泛應(yīng)用于軌跡數(shù)據(jù)的發(fā)布中。但是，現(xiàn)有的方法假定用戶具有相同的隱私偏好，并且為所有用戶提供相同級(jí)別的隱私保護(hù)，這會(huì)導(dǎo)致對(duì)某些用戶提供的隱私保護(hù)級(jí)別不足，而某些用戶則獲得過(guò)多的隱私保護(hù)。為滿足不同用戶的隱私保護(hù)需求，提高數(shù)據(jù)可用性，本文假設(shè)用戶具備不同的隱私需求，提出了一種面向軌跡數(shù)據(jù)的個(gè)性化差分隱私發(fā)布機(jī)制該機(jī)制利用 Hilbert曲線提取軌跡數(shù)據(jù)在各個(gè)時(shí)刻的分布特征，生成位置聚簇，使用抽樣機(jī)制和指數(shù)機(jī)制選擇各個(gè)位置聚簇的代表元，進(jìn)而利用位置代襲元對(duì)原始軌跡數(shù)據(jù)進(jìn)行泛化，從而生成待發(fā)布軌跡數(shù)據(jù)。在真實(shí)軌跡數(shù)據(jù)集上的實(shí)驗(yàn)表明，與基于標(biāo)準(zhǔn)差分隱私的方法比本文提出的機(jī)制在隱私保護(hù)和數(shù)據(jù)可用性之間提供了更好的平衡。