[发明专利]一种轨迹隐私保护的改进DTW度量方法、存储设备及设备

说明书

本发明公开了一种轨迹隐私保护的改进DTW度量方法、存储设备及设备，用Filter算法对原本的数据进行过滤，去除掉一些明显的漂移的点和一些明显错误的不符合实际情况的点；按照时间，经度，纬度的格式录入两条轨迹的数据；计算两条轨迹中各个点之间的实际距离；计算这两条轨迹的相似度的程度。本发明能够对用户的轨迹隐私保护程度进行量化，清晰反映用户隐私安全程度和隐私泄露程度。在基于位置的服务，智能交通，出行预测，数据挖掘等需要利用轨迹技术等领域也有较好的应用价值。

技术领域

本发明属于位置信息服务下用户的轨迹隐私安全技术领域，具体涉及一种轨迹隐私保护的改进DTW度量方法、存储设备及设备。

背景技术

随着智能手机、卫星定位、跟踪检测、以及传感器等等技术的高速发展，我们的行为、轨迹等数据被大量的记录收集、分析、挖掘和利用，各种对这些轨迹数据进行应用的技术也越来越多。轨迹预测可以更好的规划出行路线；智能交通可以为决策部门提供交通和城市规划的改善建议；异常轨迹检测可以对犯罪案件和公共安全做出预警。连续的位置构成了轨迹数据，位置和轨迹和查询导航、社交娱乐以及其他生活服务相关联则使得用户行为特征、兴趣爱好和社会习惯等隐私信息更易被泄露和挖掘，函待更强的保护措施。现阶段已经有很多轨迹隐私保护和隐私增强方法取得了较为成功的应用效果，常用算法有假名、加噪、泛化和空间变换。轨迹泛化方法即轨迹的空间K匿名，其变形还包括m-不变性，-多样性，p-敏感性；轨迹的混淆方法把移动区域分为混合区域和应用区域，在混合区内更名、模糊化并动态更换可增强假名更换的有效性。

国内外对轨迹隐私度量方法的研究主要包括与隐私保护算法相关联的特定度量和普适度量两类方法。与轨迹隐私保护算法相关联的特定度量方法特点是不同隐私保护算法有各自的风险评价体系，度量因算法而异。这类隐私度量方法局限性在于只对隐私信息泄露风险，隐私保护算法强度、开销或者数据损失、服务准确度下降等其中一方面进行度量，无法让使用者获得一个隐私风险客观指标。而普适度量主要针对隐私保护前后的轨迹距离，一般采用欧几里德距离来度量轨迹间的相似性和偏离程度。欧氏距离越小，轨迹间相似性越高；反之，相似性越低。缺点在于欧氏距离只能度量等长的轨迹且需要轨迹位置的时间点一一对应，度量过程中轨迹部分完全同步，不处于同步时间段的轨迹部分就会被截断并删除。现实生活中很多不等长且有局部时间偏移的轨迹在度量相似性时存在构造等长同步轨迹造成较大信息损失问题，因此以欧氏距离作为相似性标准的算法信息损失相对较高。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种轨迹隐私保护的改进DTW度量方法、存储设备及设备，基于改进DTW距离算法，来量化用户的轨迹隐私保护程度，对用户的隐私安全程度和隐私泄露程度作清晰反映，科学评估用户隐私泄露风险程。

本发明采用以下技术方案：

一种轨迹隐私保护的改进DTW度量方法，包括以下步骤：

S1、采用Filter算法对原始轨迹数据进行预处理，去除噪声点和离群点，得到两条输出轨迹；

S2、计算步骤S1得到的两个输出轨迹之间各个点的实际距离，放入距离矩阵D中；

S3、根据规整路径单向性，对距离矩阵D进行距离最短匹配，得到两条轨迹的DTW距离矩阵G并计算相似度；

S4、从相似度回溯求解输出集合中的点对得到最佳匹配路径和相应匹配点。

具体的，步骤S1具体为：

S101、接收阈值Threshold和轨迹，将轨迹定义为T，使用GPS定位的经纬度坐标表示输入轨迹T_in；