基于位置的服务（Location-based service,LBS）可以为用户提供个性化的定位服务,但同时也存在着位置信息泄露和响应不及时等问题。尽管已有研究关注LBS的安全性和可用性问题,但多数研究仅关注其中某一方面,例如隐私保护或通信时延。因此,本文旨在综合研究LBS下的车辆位置隐私安全和部署时延问题,并提供可行的解决方案。首先,本文提出了一种改进的K-匿名算法——快速聚类K-匿名隐私保护算法（Fast Clustering K-Anonymous Privacy Protection Algorithm,FCKA）,用于保护LBS下车辆位置数据的隐私。该算法基于聚类-调整的思想,在有限数据的情况下,将K-匿名算法的时间复杂度从O（N~2）降至O（N~2/K）。本文将FCKA算法与匿名算法中的经典蒙德里安算法和自顶向下贪婪算法作性能对比,结果表明,FCKA算法在保持匿名化的数据集可用性性能参数表现良好的同时,降低了车辆位置数据匿名集的生成时间开销。其次,针对K-匿名算法存在的请求车辆和合作车辆间互不信任以及内部车辆频繁表现恶意行为问题,基于信任机制的思想,本文建立了一种评估-评级组合信任模型。该模型引入了奖惩激励因子,对参与构建匿名区域的车辆进行信任值评估和信誉评级,这样不仅提高了参与构建匿名区域的车辆节点的合作积极性,同时也约束了内部车辆间的恶意行为,从而提升了车辆位置匿名集的可用性。然后,针对LBS网络通信设备异构导致数据存在不一致性,以及车辆信任值数据易被篡改的问题,本文应用区块链的Raft共识机制和分布式账本技术保障存储数据的一致性和不可篡改性。本文建立了区块链中车辆位置数据的交易模型,通过证书管理机构（Certificate Authority,CA）发放和核验参与构建匿名区域的车辆节点证书,提高了车辆节点的可信度,加强了车辆位置数据的隐私安全性。最后,本文设计了基于区块链和FCKA算法的仿真实验,并将其部署在Hyperledger Fabric平台。结果表明,与已有研究相比,本文提出的方案可以保障数据匿名化的同时,减少部署时间开销,并进一步提升对恶意车辆的识别率,提高了车辆位置数据的隐私安全性,有效解决LBS中应用匿名隐私保护技术面临的高隐私性和低时延性两难问题。