近年来,位置传感技术和无线传感器技术的发展激发了位置感知设备数量的显著增长,基于位置的服务（Location Based Server,LBS）也开始越来越受欢迎。在车联网（Internet of Vehicles,Io V）中LBS应用尤其广泛,车联网中的服务器不断获取大量的位置轨迹信息,这些信息包含用户大量的个人隐私数据,因此对车联网中车辆的轨迹数据进行保护是非常必要的。目前大多数的轨迹隐私保护方法都是通过可信的第三方（Trusted Third Party,TTP）集中匿名服务器实现。但传统的第三方集中匿名服务器存在性能瓶颈的问题,且由于服务器存储了用户大量的信息,很容易被集中攻击。本文利用边缘服务器代替位置服务中的TTP,针对轨迹保护法中轨迹相似性不够高,虚拟轨迹数目范围不够精确,虚拟轨迹没有完全利用,导致安全性不够高,影响用户服务质量的问题,在边缘计算架构下设计了车联网轨迹隐私保护方法,具体研究内容如下。（1）提出一种车联网中基于位置的轨迹隐私保护方法。为了更好地保护用户的轨迹信息,本文设计了一种在边缘架构下的虚拟轨迹生成（Virtual Trajectory Generation,VTG）方法。当车辆用户发出请求时,通过分析不同时刻用户的请求信息,构造虚拟范围,设置虚拟轨迹中的位置数据,进而生成一定数量的虚拟轨迹,避免了传统轨迹生成算法中产生不切实际位置点的问题,使生成的虚拟轨迹更容易混淆攻击者。同时引入了新的轨迹隐私度量标准,用于衡量VTG方法的隐私保护程度。边缘节点在隐私保护模型中作为可信任的第三方机构,在避免传统第三方容易被集中攻击问题的同时缓解了云服务器的存储和计算压力。实验结果表明,该方法可以进一步缩小虚拟范围,提高轨迹相似度,减少偏离位置点数量,为用户真实轨迹提供更好的隐私保护。（2）提出一种基于轨迹熵的区域轨迹隐私保护方法。针对区域内用户轨迹利用率低,虚拟轨迹数量不确定的问题,提出基于轨迹熵（Based on Trajectory Entropy,BTE）的区域轨迹保护方法对用户真实轨迹进行隐私保护,在轨迹熵计算中加入攻击者背景的影响,通过计算轨迹熵获得所需的虚拟轨迹数目,避免不必要轨迹的生成。同时设计了基于轨迹熵的虚拟轨迹生成算法生成虚拟轨迹,通过计算轨迹间的加权多特征距离,排除不符合要求的轨迹,进一步提高轨迹利用率,达到保护真实轨迹的目的。仿真实验从效率和轨迹相似性方面验证了该方法的有效性。实验结果表明,该方法可以进一步确定所需虚拟轨迹数目,减少无效虚拟轨迹,同时提高轨迹相似度,缩短响应用户请求的时延。