1.一种基于语义信息的匿名轨迹隐私保护方法,其特征在于,包括:步骤1,基于空间访问密度将原轨迹数据集中的轨迹进行离散化,生成自适应离散化格网;
步骤2,通过滑动窗口算法将离散化格网中的轨迹划分为若干定长的子轨迹;
步骤3,分别计算滑动窗口中子轨迹的时空相似度,并分别根据子轨迹的时空相似度进行轨迹聚类,获得轨迹匿名聚类集合;
步骤4,将轨迹匿名聚类集合中的同一匿名聚类中的子轨迹进行合并,合并后的子轨迹满足l‑diversity,其中,l‑diversity表示轨迹中每个时空位置附近的PoI种类;
步骤5,移动所述步骤2中的滑动窗口,重复执行所述步骤3和所述步骤4,直至滑动窗口m移动到轨迹数据集所在时间范围的终点,获得满足k 匿名和l‑diversity的第一匿名轨迹m集,其中,k匿名表示对轨迹中任意的长度小于等于m的连续时空位置序列匿名;
步骤6,基于PoI的分布特征处理匿名轨迹集,匿名轨迹集满足t‑closeness,其中,t‑closeness表示轨迹中每个时空位置附近的PoI分布与数据集所在地理空间的PoI分布差m异,获得满足k匿名、l‑diversity和t‑closeness的第二匿名轨迹数据集。
2.根据权利要求1所述的基于语义信息的匿名轨迹隐私保护方法,其特征在于,所述步骤1具体包括:步骤11,设置自适应离散化格网的格网尺寸参数为N,将地理空间初始化为N*N的格网;
步骤12,依次对自适应离散化格网中的单元格进行标号;
步骤13,根据地理位置坐标与单元格的映射关系,将轨迹编码成单元格序列。
3.根据权利要求2所述的基于语义信息的匿名轨迹隐私保护方法,其特征在于,所述步骤1还包括:步骤14,计算每个单元格的归一化访问次数;
步骤15,依次判断计算出的每个单元格的归一化访问次数是否达到预设的单元格的归一化访问次数阈值,将达到单元格的归一化访问次数阈值的单元格通过二分法进行细化;
步骤16,跳转到步骤12,重复执行步骤12至步骤15直到达到预设的迭代次数。
4.根据权利要求3所述的基于语义信息的匿名轨迹隐私保护方法,其特征在于,所述步骤2具体包括:步骤21,滑动窗口算法中的滑动窗口设定为m,其滑动步长设定为1,从轨迹的起始时空点开始,将轨迹数据集Ddis中的所有轨迹划分成若干个包含m个时空位置的子轨迹。
5.根据权利要求4所述的基于语义信息的匿名轨迹隐私保护方法,其特征在于,所述步骤3具体包括:步骤31,计算子轨迹Traa和子轨迹Trab的时空相似度,如下所示:其中,t表示滑动窗口中的第t个时隙, 表示子轨迹Traa和子轨迹Trab在第t个时隙位置集La和Lb的时空距离,na表示位置集La中的位置数,nb表示位置集Lb中的位置数,la表示位置集La中的位置,lb表示位置集Lb中的位置,SED(la,lb)表示la和lb的平方欧氏距离;
步骤32,根据步骤31计算滑动窗口中每一对子轨迹的时空相似度;
步骤33,将空匿名聚类集合进行初始化,在每次迭代中,选取未被加入匿名聚类集合且时空相似度最小的两个子轨迹或子轨迹聚类,合并为新的子轨迹聚类。
6.根据权利要求5所述的基于语义信息的匿名轨迹隐私保护方法,其特征在于,所述步骤3还包括:步骤34,判断新的子轨迹聚类中的子轨迹数量是否大于等于设定的隐私水平δk;
步骤35,当新的子轨迹聚类中的子轨迹数量大于等于设定的隐私水平δk时,将新的子轨迹聚类加入匿名轨迹聚类集合;当新的子轨迹聚类中的子轨迹数量小于设定的隐私水平δk时,计算新的子轨迹聚类与其他不在匿名聚类中的子轨迹聚类或子轨迹的相似度,并存入矩阵Ω;
步骤36,重复步骤31至步骤35,直到所有子轨迹均加入匿名聚类集合;轨迹聚类结束,获得轨迹匿名聚类集合。
7.根据权利要求6所述的基于语义信息的匿名轨迹隐私保护方法,其特征在于,所述步骤4具体包括:步骤41,初始化长度为m,各时隙位置信息为空的轨迹mTra;
步骤42,从待合并的匿名聚类中逐一取出子轨迹,按时隙的顺序把该子轨迹的时空位置合并入轨迹mTra,在第t个时隙,合并后的位置信息是两条轨迹在这个时隙位置的并集,获得初步合并后的轨迹mTra。
8.根据权利要求7所述的基于语义信息的匿名轨迹隐私保护方法,其特征在于,所述步骤4还包括:步骤43,遍历轨迹mTra的每个时空位置集,判断当前位置集所在区域的PoI种类数目是否小于设定的阈值δl,当当前位置集所在区域的PoI种类数目小于设定的阈值δl时,从与当前位置集相邻的所有单元格中,优先选取当前位置集所在区域内合适的单元格并将所述合适的单元格并入当前位置集,当当前位置集所在区域的PoI种类数目依然小于阈值δl时,重复挑选合适的单元格再合并入当前位置集,直至当前位置集的PoI种类数目大于等于设定的阈值δl时;
步骤44,合并结束后,获得PoI种类满足的轨迹mTra。
9.根据权利要求8所述的基于语义信息的匿名轨迹隐私保护方法,其特征在于,所述步骤6具体包括:步骤61,统计轨迹数据集所在整个地理区域中各类PoI种类的数量,获得整个地理区域的PoI分布向量;
步骤62,遍历第一匿名轨迹集中的所有轨迹,统计每条轨迹的各个时空位置的所在区域中的各类PoI种类的数量,获得每条轨迹的各个时空位置的所在区域的PoI分布向量。
10.根据权利要求9所述的基于语义信息的匿名轨迹隐私保护方法,其特征在于,所述步骤6还包括:步骤63,根据每条轨迹的各个时空位置的所在区域的PoI分布向量,计算该区域与轨迹数据集Ddis所在整个地理区域的PoI分布向量的JS散度;
步骤64,判断所述JS散度是否小于等于设定的阈值δt,当所述JS散度大于设定的阈值δt时,从与该时空位置的所在区域相邻的所有单元格中,优先选取合适的单元格并入该区域,再次判断所述JS散度是否小于等于设定的阈值δt,当所述JS散度大于设定的阈值δt时,重复挑选合适的单元格再并入该区域,直至该区域与整个地理区域的PoI分布向量的JS散度小于等于阈值δt;
步骤65,重复执行步骤63至步骤64,直到遍历完匿名轨迹集中的所有轨迹的各个时空m位置的所在区域,获得同时满足k匿名、l‑diversity和t‑closeness的匿名轨迹数据集。