随着车联网的发展,车联网提供的服务逐渐多样化,给人们的生活带来了诸多便利。车辆在获取基于位置的服务（Location-Based Services,LBS）时,需要提供其真实位置,而位置信息暗含了车辆用户的个人隐私信息。如果位置信息提供给不可信的LBS服务器,将造成车辆用户的隐私泄露问题。因此,本论文研究车联网中的位置隐私保护问题,着重研究车辆用户位置与轨迹的隐私保护方法。针对服务质量与隐私保护间的矛盾问题,论文研究了位置隐私保护方法的统一性能度量方法。从用户角度出发,将上报位置与实际位置间距离定义为位置信息损失;从攻击者角度出发,将攻击者估计的位置与用户实际位置间距离定义为位置预计偏差,表征位置隐私保护方法的隐私保护程度。根据定义的两个度量,对五类位置隐私保护方法进行分析,给出了位置信息损失与位置预计偏差的具体定义。通过仿真与实际数据分析,验证了所提出的性能度量方法的有效性。论文研究基于虚假位置的位置隐私保护问题,提出了道路约束下基于虚假位置的车辆位置隐私保护方法。在所提出的方法中,为了提高道路约束下虚假位置的有效性,采用匿名熵表征位置集合的匿名程度,并引入有效距离表征位置分布特性;以最大化匿名熵和有效距离作为优化目标改进了虚假位置选择算法,保证虚假位置的不确定性和分散性。性能分析和仿真结果表明,所提出的车辆位置隐私保护方法能够提高虚假位置的有效性,增强位置隐私保护效果,有效保护车辆位置隐私。针对车联网中长期统计攻击（Long-term Statistical Attack,LSA）和位置关联攻击（Location Correlation Attack,LC A）问题,论文提出了一种基于缓存机制和虚假位置的车辆轨迹隐私保护方法。在所提出的方法中,在路边单元（Roadside Unit,RSU）部署缓存,减少车辆用户与LBS服务器间的信息交互,有效抵抗LSA和LCA;结合服务请求语义设计了基于虚假位置的缓存更新机制,保护车辆位置隐私的同时提高缓存命中率。性能分析和仿真结果表明,所提出的车辆轨迹隐私保护方法能够抵抗LSA和LCA,保障缓存命中率,有效保护车辆轨迹隐私。论文提出的两种车辆位置隐私保护方法,既可以保证LBS服务质量又可以有效保护车辆用户的位置和轨迹隐私,在车联网的LBS场景中具有良好的应用前景。