1.一种基于差分隐私技术的轨迹数据保护方法，其特征在于：包括以下步骤：

(1)、获取所有用户的轨迹数据集，并根据轨迹数据集得到每个用户在所有n个时刻的轨迹位置集，再从每个用户在所有n个时刻的轨迹位置集中得到每个用户在任意ti时刻的轨迹点的位置信息，并由此得到所有用户在任意ti时刻的轨迹点集合，其中1≤i≤n；

(2)、根据步骤(1)得到的所有用户在任意ti时刻的轨迹点集合，计算得到所有用户中每个用户在任意ti时刻的轨迹点的密度参数，并由此得到所有各个用户在任意ti时刻的轨迹点的密度参数；

(3)、根据步骤(1)得到的每个用户在任意ti时刻的轨迹点的位置信息，判断每个用户在任意ti时刻的轨迹点是否为拐弯点，若轨迹点为拐弯点，则对通过步骤(2)计算得到的拐弯点对应的轨迹点的密度参数进行加权，得到拐弯点对应的轨迹点的加权密度参数，并以拐弯点对应的轨迹点的加权密度参数，代替拐弯点对应的轨迹点原先的密度参数作为新的密度参数；

(4)、从通过步骤(2)、步骤(3)计算得到的所有各个用户在任意ti时刻的轨迹点的密度参数中，选择其中密度参数最大的k个轨迹点构成任意ti时刻的初始聚类中心点集，任意ti时刻的初始聚类中心点集中的k个轨迹点分别作为任意ti时刻的初始聚类中心点，重复上述过程得到所有n个时刻的初始聚类中心点集构成的初始聚类中心点集合；

(5)、对于每个用户在任意ti时刻的轨迹点，从步骤(4)中得到的初始聚类中心点集合中所有各个时刻的初始聚类中心点集内，分别寻找与每个用户在任意ti时刻的轨迹点距离最近的中心点，并将针对每个用户所有找到的中心点通过聚类算法形成聚类簇，然后基于差分隐私预算原理和函数敏感度原理，并加入满足拉普拉斯机制的随机噪声，对聚类簇中的中心点进行更新，直至聚类簇形成聚类收敛，由此得到每个用户任意ti时刻的聚类中心点集，重复上述过程得到每个用户在所有n个时刻的聚类中心点集，并由所有n个时刻的聚类中心点集构成每个用户完整的轨迹数据中心点集合。

2.根据权利要求1所述的一种基于差分隐私技术的轨迹数据保护方法，其特征在于：步骤(1)中，轨迹数据集通过采集每个用户在地图上的轨迹数据得到，轨迹位置集为根据地图上的轨迹数据得到的每个时刻的轨迹点经纬度位置的集合，轨迹点的位置信息即为轨迹点的经纬度信息。

3.根据权利要求1所述的一种基于差分隐私技术的轨迹数据保护方法，其特征在于：步骤(3)中，采用多点联合判断法判断轨迹点是否为拐弯点。

4.根据权利要求1所述的一种基于差分隐私技术的轨迹数据保护方法，其特征在于：步骤(3)中，通过以拐弯点的加权密度参数代替其原有密度参数，以在步骤(4)中使拐弯点更大概率成为初始聚类中心点。

5.根据权利要求1所述的一种基于差分隐私技术的轨迹数据保护方法，其特征在于：步骤(5)中，聚类算法采用k-means算法形成聚类簇。

6.根据权利要求1所述的一种基于差分隐私技术的轨迹数据保护方法，其特征在于：步骤(5)中，将n个时刻用户对应的聚类中心点集点串联，即得到该用户新的轨迹位置。