空间划分是用于统计位置数据特点的有效措施。为解决现有基于差分隐私的位置数据划分方法没有充分考虑空间数据分布特征及噪声叠加的问题,从划分结构和隐私预算分配两个角度进行了研究,提出了基于差分隐私的网格自适应合桶算法和基于差分隐私的非平衡四分树划分算法,通过实验对比验证了方法有效性。主要研究工作和成果包括:1.提出一种基于差分隐私的网格自适应合桶算法。首先,将空间数据集进行两层网格划分。同时,根据划分区域内的平方和误差值进行自适应合桶判断,启发式地将分布情况相似的区域放入同一桶中,即减少了均匀假设误差,又降低了大量的空白区域带来的噪声误差。最后,通过基于霍普金斯统计量的噪声分配策略,实现了噪声的合理分配。在真实位置数据集上的实验结果表明,相对其他基于差分隐私空间划分类算法,该算法能获得更好的范围查询效果和隐私保护效果。2.提出一种基于差分隐私的非平衡四分树空间划分算法。该算法根据树结点的霍普金斯统计量来判断当前区域的分布密度,自适应地进行迭代划分,以减少空白区域和过度分区造成的负面影响。同时,为进一步提高位置数据的查询准确性,设计了一种新的隐私预算分配方案。该方案从上到下基于四分树结构执行几何隐私预算分配,契合于非平衡四分树结构,实现合理的隐私预算分配结果。在真实位置数据集上的实验结果表明,相对其他基于差分隐私空间划分类算法,该算法能获得更好的范围查询效果和隐私保护效果。3.采用Python语言以及Py Side2框架开发了一个空间范围数查询系统。该系统划分设计了4大模块,分别是角色管理模块、数据管理模块、计算引擎模块和查询模块,将上述研究工作提出的算法用于实际的范围数查询。主要贡献:根据不同网格中霍普金斯统计量的值,设计了一种网格自适应合桶算法;使用非平衡四分树策略与几何隐私预算分配策略,实现了一种非平衡四分树算法。