CN105760780A - 基于路网的轨迹数据隐私保护方法 - Google Patents

Abstract

本发明涉及一种基于路网的轨迹数据隐私保护方法，在轨迹数据发布应用场景中，首先进行轨迹预处理操作，根据路网信息，按路段将原始的完整轨迹划分成多个子轨迹片段，并对同一路段上的子轨迹片段按照时间信息进行分组；然后结合用户的隐私需求和移动速度信息对同一组内轨迹片段集合进行聚类，每一个等价类内的轨迹片段形成匿名集合；最后在匿名集合内构造合适代表轨迹进行发布，实现发布轨迹数据集的隐私保护处理。本发明在确保发布轨迹数据集安全性的同时，提升数据的可用性。

Description

基于路网的轨迹数据隐私保护方法

技术领域

本发明涉及时空数据管理领域，特别是一种基于路网的轨迹数据隐私保护方法。

背景技术

近年来，随着RFID、GPS和智能手机等位置感知设备的广泛应用，越来越多的位置数据被收集，这些数据以轨迹的形式存储在数据库中。轨迹数据蕴含着丰富的知识，发布这些数据，供相关部门进行挖掘和研究可支持多种相关的应用，例如交通规划、基于位置的广告和野生动物跟踪等。然而，由于这些轨迹与个人的信息密切相关，未对这些轨迹数据进行处理就直接发布将会照成严重的隐私泄露。

轨迹隐私定义为轨迹数据中所包含的个人敏感信息，比如从轨迹中推出用户的家庭住址、工作地点、生活习惯和健康状况等。现已提出了相当多的方法来保护发布轨迹数据的隐私信息，其中轨迹k-匿名是具有代表性的一类技术。轨迹k-匿名通过定义相似度度量，在欧式空间上需找相似的k条轨迹来构造匿名集合，选择代表轨迹进行发布，使得攻击者在没有其他背景知识的情况下识别轨迹所属用户身份的概率变为1/k。但是，当攻击者掌握地图背景知识的情况下，轨迹k匿名会存在以下问题：当聚合的轨迹处于同一路段上时，攻击者无法识别用户身份的情况下仍可知道用户访问的位置信息；当聚合不同路段上的轨迹时，可保护轨迹身份和位置信息，但影响发布信息的可用性。因此，结合路网等语义信息来对轨迹数据进行隐私保护处理将显得很有必要。

发明内容

有鉴于此，本发明的目的是提供一种基于路网的轨迹数据隐私保护方法，在确保发布轨迹数据集安全性的同时，提升数据的可用性。

本发明采用以下方案实现：一种基于路网的轨迹数据隐私保护方法，包括以下步骤：

步骤S1：对轨迹进行预处理操作：根据路网信息，按路段将原始完整轨迹划分成多个子轨迹片段，并对同一路段上的子轨迹片段按照时间信息进行分组；

步骤S2：构造匿名子轨迹片段集合：结合用户的隐私需求和移动速度信息对同一分组内的子轨迹片段集合进行聚类，每一个等价类内的轨迹片段形成一个匿名集合；

步骤S3：构造匿名集合内代表轨迹：根据匿名集合内子轨迹片段位置点的分布，根据轨迹中速度信息和范围查询结果的准确性，构造合适的代表轨迹进行发布。

进一步地，所述步骤S1中对轨迹进行预处理操作具体为：首先对路网进行建模，将轨迹的位置点序列通过地址解析匹配到路网上；再将原始轨迹中处于同一个路段上的位置点序列划分为一个子轨迹片段；根据子轨迹片段在路段入口和出口的时间，将时间相近的子轨迹片段划分到同一组内，同一路段上的子轨迹片段集合形成多个分组。

进一步地，所述步骤S2中构造路段上轨迹片段匿名集合具体为：首先根据用户的隐私需求决定分组内子轨迹片段聚类的个数，其中用户的隐私需求越高，聚合类的个数越少，反之，则聚合类的个数越多；再根据移动速度信息对分组内的子轨迹片段集合进行聚类操作，形成多个等价类，等价类内的轨迹片段形成一个匿名集合。

进一步地，所述步骤S3中构造匿名集合内代表轨迹具体为：根据代表轨迹的平均速度信息和路段的长度决定代表轨迹中位置点的个数k，在路段上等距离设置k个参考点，采用k-means聚类方法聚合参考点附近的轨迹位置点，将k个聚类中位置点的中心作为代表轨迹的位置点序列，完成代表代表轨迹的构造。

进一步地，所述步骤S1中，所述轨迹设为T，轨迹T表示为T＝(trid,p₁p₂…p_n)，其中，trid为轨迹的标识信息，pi＝<rid,x_i,y_i,t_i>，rid表示位置点p_i所在的路段标识，<x_i,y_i>为在t_i时刻，用户所处的经纬度坐标；

所述子轨迹片段设为tr，子轨迹片段tr为保留了次序的原始轨迹T的子集，tr中的位置点均处于同一个路段中，tr＝(trid,p_kp_k+1…p_k+m)，p_i.rid＝p_j.rid，划分后的原始轨迹集合可表示为T＝(trid,tr_i|i∈rid)，其中tr_i表示轨迹T在路段i上的轨迹片段部分；

若任意一路段上存在轨迹片段tr_i和tr_j，(t_i1,t_in)和(t_j1,t_jn)分别为tr_i和tr_j在路段的入口和出口的时间，若t_i1＝t_j1±δ，t_in＝t_jn±δ，则轨迹tr_i和tr_j为同步轨迹，其中δ为时间阈值，取值范围为0-15mins。

进一步地，所述步骤S2中，所述匿名集合设为C，则路段i上的轨迹片段的匿名集合表示为C(i)＝{(trid,s_rid)|rid＝i}，s_i表示轨迹trid在路段i上的轨迹片段；所述C(i)内的轨迹片段满足以下两个条件：集合C(i)内轨迹片段在时间上是同步的；集合C(i)内轨迹片段在路段i上的平均速度是相近的。

进一步地，所述步骤S3中，代表轨迹位置点的采样时间t为端点时间，所述端点时间为轨迹经过某个路段入口或者出口的时间；若端点时间t为轨迹经过端点n_i的时间，则根据以下公式计算得到t的值：

$t=\frac{l_1(r_i{p}_n.t-r_i{p}_{n-1}.t)}{l_0}+r_i{p}_n.t$

其中，r_ip_n-1和r_ip_n分别为路段i上的最后两个位置点，l₀为r_ip_n-1到r_ip_n的距离，l₁为r_ip_n到n_i的距离。

所述代表轨迹的平均移动速度设为v，表示用户在任意一路段上的平均移动速度，通过以下公式计算得到t的值：

$v=\frac{dist(p_1,p_n)}{p_n.t-p_1.t}$

其中，p₁和p_n分别表示轨迹在路段上首个位置点和最后一个位置点，dist(p_i,p_i+1)表示位置点p_i和p_i+1间的欧几里得距离，p_i.t表示第i个位置点的采样时间。

与现有技术相比，本发明在确保发布轨迹数据集安全性的同时，能够保证较高的可利用性，在安全性和完整性之间做一个较好的平衡。

附图说明

图1为本发明的原理框图。

图2为本发明的路段端点时间计算示意图。

图3(a)为本发明的轨迹预处理示意图一。

图3(b)为本发明的轨迹预处理示意图二。

图4为本发明的算例示意图。

具体实施方式

下面结合附图及实施例对本发明做进一步说明。

本实施提供一种基于路网的轨迹数据隐私保护方法，如图1所示，包括以下步骤：

步骤S1：对轨迹进行预处理操作：根据路网信息，按路段将原始完整轨迹划分成多个子轨迹片段，并对同一路段上的子轨迹片段按照时间信息进行分组；

步骤S2：构造匿名子轨迹片段集合：结合用户的隐私需求和移动速度信息对同一分组内的子轨迹片段集合进行聚类，每一个等价类内的轨迹片段形成一个匿名集合；

步骤S3：构造匿名集合内代表轨迹：根据匿名集合内子轨迹片段位置点的分布，根据轨迹中速度信息和范围查询结果的准确性，构造合适的代表轨迹进行发布。

在本实施例中，所述步骤S1中对轨迹进行预处理操作具体为：首先对路网进行建模，将轨迹的位置点序列通过地址解析匹配到路网上；再将原始轨迹中处于同一个路段上的位置点序列划分为一个子轨迹片段；根据子轨迹片段在路段入口和出口的时间，将时间相近的子轨迹片段划分到同一组内，同一路段上的子轨迹片段集合形成多个分组。

在本实施例中，所述步骤S2中构造路段上轨迹片段匿名集合具体为：首先根据用户的隐私需求决定分组内子轨迹片段聚类的个数，其中用户的隐私需求越高，聚合类的个数越少，反之，则聚合类的个数越多；再根据移动速度信息对分组内的子轨迹片段集合进行聚类操作，形成多个等价类，等价类内的轨迹片段形成一个匿名集合。

在本实施例中，所述步骤S3中构造匿名集合内代表轨迹具体为：根据代表轨迹的平均速度信息和路段的长度决定代表轨迹中位置点的个数k，在路段上等距离设置k个参考点，采用k-means聚类方法聚合参考点附近的轨迹位置点，将k个聚类中位置点的中心作为代表轨迹的位置点序列，完成代表代表轨迹的构造。

在本实施例中，所述步骤S1中，所述轨迹设为T，轨迹T表示为T＝(trid,p₁p₂…p_n)，其中，trid为轨迹的标识信息，p_i＝<rid,x_i,y_i,t_i>，rid表示位置点p_i所在的路段标识，<x_i,y_i>为在t_i时刻，用户所处的经纬度坐标；

所述子轨迹片段设为tr，子轨迹片段tr为保留了次序的原始轨迹T的子集，tr中的位置点均处于同一个路段中，tr＝(trid,p_kp_k+1…p_k+m)，p_i.rid＝p_j.rid，划分后的原始轨迹集合可表示为T＝(trid,tr_i|i∈rid)，其中tr_i表示轨迹T在路段i上的轨迹片段部分；

若任意一路段上存在轨迹片段tr_i和tr_j，(t_i1,t_in)和(t_j1,t_jn)分别为tr_i和tr_j在路段的入口和出口的时间，若t_i1＝t_j1±δ，tin＝t_jn±δ，则轨迹tr_i和tr_j为同步轨迹，其中δ为时间阈值，取值范围为0-15mins。

在本实施例中，所述步骤S2中，所述匿名集合设为C，则路段i上的轨迹片段的匿名集合表示为C(i)＝{(trid,s_rid)|rid＝i}，s_i表示轨迹trid在路段i上的轨迹片段；所述C(i)内的轨迹片段满足以下两个条件：集合C(i)内轨迹片段在时间上是同步的；集合C(i)内轨迹片段在路段i上的平均速度是相近的。

在本实施例中，所述步骤S3中，代表轨迹位置点的采样时间t为端点时间，所述端点时间为轨迹经过某个路段入口或者出口的时间；如图2所示，若端点时间t为轨迹经过端点ni的时间，则根据以下公式(1)计算得到t的值：

$t=\frac{l_1(r_i{p}_n.t-r_i{p}_{n-1}.t)}{l_0}+r_i{p}_n.t---\left(1\right)$

其中，r_ip_n-1和r_ip_n分别为路段i上的最后两个位置点，l₀为r_ip_n-1到r_ip_n的距离，l₁为r_ip_n到n_i的距离。

所述代表轨迹的平均移动速度设为v，表示移动对象在任意一路段上的平均移动速度，通过以下公式(2)计算得到t的值：

$v=\frac{dist(p_1,p_n)}{p_n.t-p_1.t}---\left(2\right)$

其中，p₁和p_n分别表示轨迹在路段上首个位置点和最后一个位置点，dist(p_i,p_i+1)表示位置点p_i和p_i+1间的欧几里得距离，p_i.t表示第i个位置点的采样时间。

在本实施例中，所述步骤S3中的轨迹范围查询为在某个时刻距离查询点一定距离内的轨迹数量，范围查询对于基础设施建设和广告分发等应用具有十分重要的作用。

在本实施例中，基于上述定义，该方法的具体实施步骤包括以下：

(1)预处理

预处理阶段主要包含以下两个步骤：轨迹片段划分和同一路段上轨迹片段的分组。

轨迹片段划分按照原始轨迹位置点所处的路段，将处于同一路段上的位置点划分为同一个轨迹片段。如图3(a)所示，将原始轨迹T按照路段信息划分成三个轨迹片段，轨迹片段1含有p₁、p₂和p₃三个位置点，轨迹片段2含有p₄和p₅两个位置点，轨迹片段3含有p₆、p₇和p₈三个位置点。

轨迹片段的分组阶段，首先根据公式(1)计算路段上每条轨迹片段在路段入口和出口的时间t，将在路段入口和出口的时间相近轨迹片段分到同一个组中。如图3(b)中所示，路段i上存在n条轨迹片段，按照时间信息将n条轨迹片段分成x个同步轨迹片段集合，集合内每条轨迹在路段i入口和出口的时间相差不超过2δ,δ为时间阈值，设置为15分钟。

(2)匿名集合的构造

首先考虑到用户轨迹隐私需求的差异性来决定聚合类的个数，一般情况下，聚合的类数越少，前后轨迹片段的连续性就越低，数据的安全性越高，但数据完整性就越低；然后根据速度信息决定轨迹片段属于哪一个等价类。

假设路段上存在n条同步轨迹片段C＝{tra₁,tra₂,…,tra_n}，赋予每条轨迹一个隐私级别δ(trid)∈[0,1]；令δ_max＝max(tra_i)，i∈[1,n]，δ_max表示片段中的最高隐私级别。根据公式(3)决定集合内聚合类的数量num。其中当δ_max为1时，将n条轨迹片段聚合成一类，安全性达到最高；当δ_max为0时，表示集合中的轨迹无需处理即可直接发布；当δ_max处于0和1之间时，根据路网上移动对象所采用的交通方式的差别对轨迹集合进行聚类，这是由于采用不同交通方式时，移动速度具有明显的差别，这种做法能够在数据安全性和完整性之间做一个较好的平衡。

$num=\left\{\begin{array}{cc}1& \mathrm{\&delta;}max=1\\ 4& 0<\mathrm{\&delta;}\max <1\\ n& \mathrm{\&delta;}max=0\end{array}\right.---\left(3\right)$

路网上的交通方式主要可分为步行、自行车、电动车和汽车4类，它们的平均速度大约为v₁＝5km/h，v₂＝15km/h，v₃＝40km/h，v₄＝60km/h，因此，将v₁、v₂、v₃和v₄作为初始聚类中心，来对分组内的自己片段进行聚类处理。通过公式(2)来计算路段上每个轨迹片段的平均速度v，将v与四个聚类中心进行比较，与哪个接近则将这条轨迹片段聚合到这个类中。

(3)代表轨迹的构造

根据轨迹的定义，由于等价类内轨迹片段的异质性，需要决定代表轨迹位置点的采样时间t和所处的坐标loc。首先根据路段的长度除以代表轨迹的平均移动速度来决定代表轨迹位置点的个数k，然后在路段i上等间距共设置k个参考点。对参考点位置附近的位置点采用k-means算法进行聚类，将类中位置点的位置和时间的平均值构成代表轨迹的位置点，完整代表轨迹的构造。

通过一个算例来对方法作进一步解释，如图4所示，左边圆形顶点为路口(如n₁,n₂等)，连接两个顶点为一个路段(如路段n₁n₄,n₄n₅等)，用户u₁的轨迹经过路段n₁n₄,n₄n₅,n₅n₆，最终轨迹的发布形式如图4右边所示，为{路段，轨迹类别，移动速度，支持度，时间}，轨迹类别即为不同的代表轨迹，移动速度为代表轨迹的平均移动速度，支持度为代表轨迹所代表的匿名组内轨迹片段的数量，时间为代表轨迹在路段上的时间跨度。用户u₁的轨迹被分成的3段进行发布，且每一段都与其他片段形成匿名集合，攻击者无法还原出用户u₁的轨迹为n₁n₄,n₄n₅,n₅n₆，从而达到隐私保护的目的。本实施例可实现路网上轨迹匿名的同时，能够保证较高的可利用性，在安全性和完整性之间做一个较好的平衡。

以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。

Claims (7)

1.一种基于路网的轨迹数据隐私保护方法，其特征在于：包括以下步骤：

步骤S1：对轨迹进行预处理操作：根据路网信息，按路段将原始完整轨迹划分成多个子轨迹片段，并对同一路段上的子轨迹片段按照时间信息进行分组；

步骤S2：构造匿名子轨迹片段集合：结合用户的隐私需求和移动速度信息对同一分组内的子轨迹片段集合进行聚类，每一个等价类内的轨迹片段形成一个匿名集合；

步骤S3：构造匿名集合内代表轨迹：根据匿名集合内子轨迹片段位置点的分布，根据轨迹中速度信息和范围查询结果的准确性，构造合适的代表轨迹进行发布。

2.根据权利要求1所述的一种基于路网的轨迹数据隐私保护方法，其特征在于：所述步骤S1中对轨迹进行预处理操作具体为：首先对路网进行建模，将轨迹的位置点序列通过地址解析匹配到路网上；再将原始轨迹中处于同一个路段上的位置点序列划分为一个子轨迹片段；根据子轨迹片段在路段入口和出口的时间，将时间相近的子轨迹片段划分到同一组内，同一路段上的子轨迹片段集合形成多个分组。

3.根据权利要求1所述的一种基于路网的轨迹数据隐私保护方法，其特征在于：所述步骤S2中构造路段上轨迹片段匿名集合具体为：首先根据用户的隐私需求决定分组内子轨迹片段聚类的个数，其中用户的隐私需求越高，聚合类的个数越少，反之，则聚合类的个数越多；再根据移动速度信息对分组内的子轨迹片段集合进行聚类操作，形成多个等价类，等价类内的轨迹片段形成一个匿名集合。

4.根据权利要求1所述的一种基于路网的轨迹数据隐私保护方法，其特征在于：所述步骤S3中构造匿名集合内代表轨迹具体为：根据代表轨迹的平均速度信息和路段的长度决定代表轨迹中位置点的个数k，在路段上等距离设置k个参考点，采用k-means聚类方法聚合参考点附近的轨迹位置点，将k个聚类中位置点的中心作为代表轨迹的位置点序列，完成代表代表轨迹的构造。

5.根据权利要求2所述的一种基于路网的轨迹数据隐私保护方法，其特征在于：所述步骤S1中，所述轨迹设为T，轨迹T表示为T＝(trid,p₁p₂…p_n)，其中，trid为轨迹的标识信息，p_i＝<rid,x_i,y_i,t_i>，rid表示位置点p_i所在的路段标识，<x_i,y_i>为在t_i时刻，用户所处的经纬度坐标；

所述子轨迹片段设为tr，子轨迹片段tr为保留了次序的原始轨迹T的子集，tr中的位置点均处于同一个路段中，tr＝(trid,p_kp_k+1…p_i+m)，p_i.rid＝p_j.rid，划分后的原始轨迹集合可表示为T＝(trid,tr_i|i∈rid)，其中tr_i表示轨迹T在路段i上的轨迹片段部分；

若任意一路段上存在轨迹片段tr_i和tr_j，(t_i1,t_in)和(t_j1,t_jn)分别为tr_i和tr_j在路段的入口和出口的时间，若t_i1＝t_j1±δ，t_in＝t_jn±δ，则轨迹tr_i和tr_j为同步轨迹，其中δ为时间阈值，取值范围为0-15mins。

6.根据权利要求3所述的一种基于路网的轨迹数据隐私保护方法，其特征在于：

所述步骤S2中，所述匿名集合设为C，则路段i上的轨迹片段的匿名集合表示为C(i)＝{(trid,s_rid)|rid＝i}，s_i表示轨迹trid在路段i上的轨迹片段；所述C(i)内的轨迹片段满足以下两个条件：集合C(i)内轨迹片段在时间上是同步的；集合C(i)内轨迹片段在路段i上的平均速度是相近的。

7.根据权利要求4所述的一种基于路网的轨迹数据隐私保护方法，其特征在于：所述步骤S3中，代表轨迹位置点的采样时间t为端点时间，所述端点时间为轨迹经过某个路段入口或者出口的时间；若端点时间t为轨迹经过端点n_i的时间，则根据以下公式计算得到t的值：

$t=\frac{l_1(r_i{p}_n.t-r_i{p}_{n-1}.t)}{l_0}+r_i{p}_n.t$

其中，r_ip_n-1和r_ip_n分别为路段i上的最后两个位置点，l₀为r_ip_n-1到r_ip_n的距离，l₁为r_ip_n到n_i的距离。

所述代表轨迹的平均移动速度设为v，表示移动对象在任意一路段上的平均移动速度，通过以下公式计算得到t的值：

$v=\frac{dist(p_1,p_n)}{p_n.t-p_1.t}$

其中，p₁和p_n分别表示轨迹在路段上首个位置点和最后一个位置点，dist(p_i,p_i+1)表示位置点p_i和p_i+1间的欧几里得距离，p_i.t表示第i个位置点的采样时间。