伴随着智能终端的不断革新,基于位置数据的应用通过分析收集到的位置数据可以提高服务质量,但这些数据中往往涉及到敏感的个人信息。因此,位置数据在发布给第三方机构之前需要进行隐私保护。差分隐私技术不依赖于攻击者所具有的相关背景知识,能够为敏感数据提供严格的隐私保证,更适宜应用在数据的发布与查询过程中。目前应用差分隐私的位置数据发布算法尽管满足了隐私保护要求,但由于过多的噪声累加导致数据的可用性不高。为了解决此问题,本文提出两种改进方案。针对数据量小且数据分布较均匀的数据集,本文提出了基于阈值的位置数据发布算法。该算法在每层网格划分结束后,随机选取一个网格单元并查找其相邻网格单元,计算当前聚簇与每个相邻网格单元之间的计数值方差。对方差小于指定阈值的网格单元进行聚类,并向每个聚簇内添加噪声,然后将结果平均分配给聚簇内的每个网格单元,借此减少了由噪声累加产生的噪声误差问题。同时,根据噪声误差与均匀假设误差之间的关系给定了阈值的选取范围。针对数据量大且均匀性较差的数据集,本文提出了基于平方和误差的位置数据发布算法。该算法在每层网格划分结束后,先向每个网格单元中添加噪声并保留噪声结果。然后,再根据每个网格内的真实计数值进行网格聚类。聚类过程中,当前聚簇每添加一个新的网格单元,便向聚簇整体重新添加噪声并且均分噪声结果。分别计算直接添加噪声与真实计数值的平方和误差以及聚类后添加噪声与真实计数值的平方和误差,并保留平方和误差较小的噪声添加方式。在解决噪声累加问题的同时,进而减少了算法的运行时间。本文在真实数据集上对提出的两种改进算法与其他同类算法进行实验对比。实验结果表明,本文所提算法在满足差分隐私的前提下,可以很好的减少查询误差,提高查询结果的准确性,进而提高数据的可用性。