定位技术以及移动通信技术的快速发展,使得位置获取更加便捷,而导航、位置服务以及移动对象跟踪等的发展,出现了大量的轨迹数据。轨迹数据对城市规划、智能交通、行为模式分析等发挥着重要的作用。然而,轨迹数据的发布会威胁个人的隐私,因此,研究轨迹数据发布的隐私保护问题具有非常重要的意义。目前,匿名模型、匿名化技术以及匿名化算法是该领域的研究热点。匿名模型是指满足特定隐私需求匿名约束,匿名技术是实现匿名模型的方法,而匿名化算法是指采用匿名技术实现匿名模型的步骤。本文对轨迹发布中的隐私保护问题进行了研究,主要工作有：(1)针对现有SEQANON算法在实现km-匿名模型上存在数据可用性低的问题,提出了GREANON和ACGREANON匿名化算法。论文从数据可用性、运行时间两个方面与SEQANON算法进行了比较。实验表明,所提出的两个算法在与SEQANON运行时间类似的同时,能够生成比SEQANON数据可用性高的匿名轨迹数据库。(2)针对现有匿名模型没有考虑敏感位置泄漏的风险,提出了既能抵制身份链接攻击又能抵制敏感位置点链接的攻击的(c,k)m-匿名模型。论文提出了实现(c,κ)m-匿名模型的匿名化算法。论文从信息损失、运行时间两个方面评估了该算法的有效性。实验表明,(c,κ)k)m-匿名模型既能抵制身份链接攻击又能抵制敏感位置点链接的攻击。(3)针对现有的基于贪心策略的匿名算法存在数据可用性低的问题,提出基于遗传算法的轨迹匿名化算法。论文从信息损失、运行时间两个方面评估了所提出的算法,通过与基于贪心的匿名化算法进行比较,实验表明基于遗传算法的匿名化算法能够更好的提高数据的可用性。