基于位置的服务（Location Based Service,LBS）因信息技术和定位技术的成熟发展得到了广泛应用。云计算的普遍发展和智能设备的快速发展使我们见证了基于位置服务的网约车行业在过去几年中的稳定发展,服务提供商（Service Provider,SP）将网络技术与传统巡游出租车进行结合,为上亿的用户提供了舒适、安全的出行服务。该类服务能够提供预约和随时随地叫车的服务,为乘客提供了舒适便利的乘车服务,同时解决了传统巡游出租车的空载率高的问题。因此市面上涌现出了一大批受欢迎的网约车服务平台,包括优步、滴滴和美团打车等。然而,为了可以提供更加精准的服务,约车服务提供商需要大量获取所有用户的敏感信息,包括驾驶员和乘客的确切地点、出行日期等。在享受着LBS提供便利的同时,不受信任的LBS服务器拥有所有用户大量隐私信息,用户面临着巨大的隐私风险。本文主要针对这一应用场景中的位置隐私问题,分别讨论了乘车匹配和约车行驶这两个阶段的位置隐私技术。本文的主要贡献如下:（1）考虑到乘车匹配阶段的位置隐私问题,首先提出了基于匿名区域的乘车匹配算法。算法将地图进行网格划分,通过网格中心坐标完成乘车匹配,引入网格能够帮助司机和乘客完成位置匿名化,使SP无法获取司机和乘客的真实位置。实验结果表明,该算法能够在20ms内完成乘车匹配,比对比算法快约18ms。（2）本文考虑到乘客历史移动模式可能造成的位置泄露,提出了基于转移概率的位置隐私保护算法。攻击者可能基于乘客的移动模式进行推理攻击,基于此,本文通过隐马尔可夫模型将乘客的移动模式数据化为转移概率,通过熵度量为乘客构建最优保护位置集（Protection Location Set,PLS）,位置集中力求各点保持尽可能相似的转移概率。通过差分隐私的拉普拉斯机制完成最终的位置发布。实验表明,该算法在平均运行时间比k-DLS算法低0.2ms的情况下,匿名等级为30时,被识别的概率能够保持在0.15以下;（3）对基于匿名区域的乘车匹配算法进行优化,提出了基于EIGamal的位置隐私匹配算法。为了解决匿名区域带来的额外距离（实验表明额外距离是合理的）,方案要求乘客通过匿名区域发起约车请求后,用服务器共享的EIGamal公钥加密其位置坐标,处于空闲状态的司机也进行同样的操作。之后SP利用半正矢公式完成距离计算。评估结果表明,该算法司机和乘客端的时间成本分别只有5.42ms和5.38ms,总的时间成本比加密的ORide算法低约50ms。