基于位置的服务利用地理信息为人们的日常出行提供导航服务,服务期间用户不断上传的位置信息形成轨迹大数据。用户轨迹数据的发布可为城市规划、商业决策等提供有力支撑。然而,直接发布未经隐私保护的轨迹数据,恶意攻击推理将对用户的安全、财产等产生严重威胁。因此,常利用差分隐私模型进行轨迹数据发布。该模型通过扰动数据来保护用户隐私。如何在保护隐私的同时兼顾高数据可用性,是轨迹数据安全发布研究中的重要内容。目前差分隐私轨迹数据发布主要有两个方向。一是通过扰动用户轨迹数据集中的位置点来保护用户隐私;二是通过扰动由用户轨迹数据集所得到的轨迹流量图来保护用户隐私。本文对以上两种发布方向展开研究,结合现有研究成果,提出在保证隐私安全的前提下具有更高数据可用性的轨迹数据发布方法,并进行实验验证。本文主要工作包括:（1）现有的通过扰动轨迹数据集中的位置点来保护用户隐私方法中多采用直角坐标系表示位置信息。本文发现,差分隐私下利用极坐标系表示位置信息可以降低全局敏感度。由此,本文提出一种基于极坐标的差分隐私轨迹数据保护算法,该算法首先寻找轨迹中的频繁停留点,并通过检测位置点的类型来确定涉及用户隐私的关键位置点;然后,将关键位置点的直角坐标系表示转换为极坐标系表示,并对其添加噪声实现差分隐私轨迹数据发布。实验表明,本文所提出的算法在真实数据集上有效提高了数据的可用性,尤其在隐私预算越小时提高越多。（2）在利用用户车辆轨迹数据集实现轨迹流量图发布场景中,所发布数据应当具有非负性。已有研究表明,在差分隐私轨迹流量图发布过程中有效利用数据的特征,可极大提升数据发布效果。现有方法通过实现轨迹流量图中出入度的一致性特征来提高数据可用性,并未考虑数据的非负性。为此,本文基于现有的差分隐私轨迹流量一致性的发布方法,结合数据非负性,提出基于流量非负性的差分隐私轨迹流量发布优化方法。实验表明,本文所提出的方法能减少平均26%的误差。（3）由（2）的工作进一步考虑,轨迹流量图的流量数据都是整数,且现有的车流量调查报告指出大多数路段的车流量来往相近。为此,本文基于此现象提出基于数据特征的差分隐私轨迹流量发布方法,该方法通过构造对称矩阵,使得发布数据能同时满足一致性、非负性和整数性的数学特征。实验表明,本文所提出的方法在同一路段的车辆来往相近情况下,可以大幅度提升数据的精确性。