轨迹大数据已经成为一种重要的基础数据资源,与人们的日常生活息息相关。行程时间预测作为轨迹大数据的一项较为常见的应用,被广泛应用于交通生活的的各个层面,比如导航、路径规划和交通监控。准确的行程时间预测能够极大地改善出行体验。社会和学界希望能有更多的轨迹数据发布出来在研究上大展拳脚的同时,由于轨迹数据通常包含用户个人的隐私信息,不经处理地对轨迹数据直接发布会给用户带来灾难性的后果,恶意的攻击推理将对个人隐私带来严重的隐私威胁。所以当前轨迹数据隐私保护的重要课题之一就是,如能在向用户提供较高的隐私保护成都的同时,保障可用性。本文的具体研究工作主要包括以下三方面:（1）分析了目前的传统的基于道路的行程时间预测方法存在的缺点,指出其由于模型假设过于理想化容易导致误差积累,有害于预测精度。针对这一缺点,本文提出一种基于学习的端到端的行程时间预测模型SLDeep。模型先将轨迹样本标准化处理输入SLDeep网络中学习训练,利用双向长短时记忆网络捕捉轨迹样本的序列特征,利用一维卷积网络捕捉轨迹样本的局部特征来,最后经过一个全连接网络输出预测时间。在实验方面,本文通过在罗马市出租车轨迹数据集和成都市出租车轨迹数据集上,与LRD模型,STTM模型和Deep TTE模型对比平均绝对误差MAE,均方根误差RMSE和可决系数R2三项指标,实验结果证明了本文提出模型在三项指标上均具有一定的优越性,有效提升了行程时间预测的精度。（2）为了进一步提高轨迹数据发布机制的隐私保护程度,本文提出了轨迹数据发布机制Travelet。发布机制由两个算法组成,分别是轨迹泛化算法和轨迹数据发布算法。轨迹泛化算法使用指数机制选取泛化轨迹来替代原轨迹,而轨迹数据发布算法则对泛化轨迹中包含原轨迹的计数进行加噪处理并发布。以上算法步骤都满足差分隐私保护条件。在实验方面,对本文提出的Travelet发布机制的隐私保护程度、时间开销和可用性在罗马轨迹数据集和奥尔登堡仿真轨迹数据集两个数据集上进行了实验,实验证明了Travelet发布机制在隐私保护程度上优于与同类别发布机制。（3）本文通过将提出上述模型和发布机制开发了轨迹大数据应用管理系统,其下设计了管理员和用户两个子系统,利用预先训练好的行程时间预测模型实现实现预测功能,利用轨迹数据集发布机制生成的泛化轨迹进行展示发布与查询,基于Web应用开发技术实现了轨迹大数据应用管理系统。