1.一种基于差分隐私的个性化位置隐私保护方法，其应用于车载网络，其特征在于，所述方法包括：

车载用户设置其当前的敏感位置点和目标兴趣点，并确定出车载用户所需的总的隐私预算值；

采用平面拉普拉斯噪音机制计算出每个敏感位置点所对应的敏感圈的半径；

车载用户根据所推荐的驾驶路线，建立出多属性选路效益决策矩阵；并根据所述多属性选路效益决策矩阵采用信息熵理论的权重分配算法，建立基于多属性选路效益函数；

其中所述多属性选路效益决策矩阵的建立过程包括：量化计算出服务位置点到达目标兴趣点的路线总长度并将其作为成本属性，将服务位置点与其最近的敏感位置点的距离之和作为效益属性；

建立多属性效益决策矩阵，将所推荐的多条驾驶路线分别作为多个方案，在每个方案中包括所述成本属性和所述效益属性，多属性选路效益函数计算公式表示为：zi＝w1ri1+w2ri2

其中，w1表示车载用户成本属性采用信息熵理论所分配的权重值，ri1表示车载用户选择第i条所推荐的驾驶路线的成本属性；w2表示车载用户效益属性采用信息熵理论所分配的权重值，ri2表示车载用户选择第i条所推荐的驾驶路线的效益属性；且其满足条件w1+w2＝1；

根据多属性选路效益函数计算出所推荐的每条驾驶路线的效益值，并运用排序算法确定效益最高的路线作为车载用户的驾驶路线；

将敏感圈外的每个服务位置点依据敏感距离占比分配隐私预算，将剩余的隐私预算按照均分的方式分配给敏感圈内的每个服务位置点；

依据三角定理确定出虚假位置生成范围，在生成范围内按照每个服务位置点的隐私预算运用平面拉普拉斯机制生成虚假位置。

2.根据权利要求1所述的一种基于差分隐私的个性化位置隐私保护方法，其特征在于，敏感圈半径的计算公式表示为：

其中，r表示敏感圈半径；Sum表示用户在整条驾驶路线中，所有服务位置点到达距离其最近的敏感位置点的距离和；ε表示驾驶过程服务需求的隐私预算；Δ表示当前服务位置点与生成的虚假位置之间的距离误差阈值；W‑1(·)表示朗伯W函数；κ表示在[0,1]之间生成的随机数。

3.根据权利要求1所述的一种基于差分隐私的个性化位置隐私保护方法，其特征在于，对多属性选路效益决策矩阵依照对应的属性分别进行标准化。

4.根据权利要求1所述的一种基于差分隐私的个性化位置隐私保护方法，其特征在于，采用信息熵理论所分配的权重值的计算公式表示为：其中，l＝1,2，l＝1表示对应车载用户成本属性，l＝2表示对应车载用户效益属性；dl表示真实数据信息与目标信息数据之间的偏差度，dl＝1‑El；El表示第l种属性的熵值，N表示所推荐的驾驶路线总条数；pi1表示对于第l种属性的评价值。

5.根据权利要求4所述的一种基于差分隐私的个性化位置隐私保护方法，其特征在于，引入偏好值λl对信息熵理论所分配的权重进行调整，获得符合实际业务需求的权重，调整后的权重计算公式表示为：

其中，λl表示用户对第l个属性值的偏好度。

6.根据权利要求4所述的一种基于差分隐私的个性化位置隐私保护方法，其特征在于，敏感圈外的每个服务位置点依据敏感距离占比分配隐私预算包括：其中，εi(外)表示敏感圈外第i个服务位置点所分配的隐私预算；ε表示车载用户所需的总的隐私预算值即驾驶过程服务需求的隐私预算；η表示车载用户是否选择第j条驾驶路线为效益最高的路，当η＝1时，代表车载用户在第j条驾驶路线上行驶；当η＝0时，代表车载用户不在第j条驾驶路线上行驶；di,j表示第j驾驶路线上第i个服务位置点距离敏感位置点的距离，n表示服务位置点总数；N表示所推荐的驾驶路线总条数；

敏感圈内的每个服务位置点，将敏感圈外分配剩余的隐私预算，按照均分的方式分配给敏感圈内的每个服务位置点，其隐私预算分配包括：其中，εi(内)表示敏感圈内第i个服务位置点所分配的隐私预算；n'表示当前驾驶路线上处于敏感圈内的位置点总数。

7.根据权利要求1所述的一种基于差分隐私的个性化位置隐私保护方法，其特征在于，每个服务位置点生成虚假位置的过程包括计算出当前车载用户驾驶方向为θ0，生成的虚假位置方向为θ＝θ0+α‑2α×rand()；根据每个服务位置点的隐私预算，确定出当前服务位置点与生成的虚假位置之间的距离误差值rr；运用平面拉普拉斯机制生成虚假位置(x,y)＝(x0+rrcosθ,y0+rrsinθ)；

其中， (xi,yi)表示当前服务位置点；(xi+1,yi+1)表示下一个服务位置点；rand()函数产生(0，1)之间均匀分布的随机数； 表示生成的虚假位置与当前服务位置点之间的距离误差值；其中，εi表示第i个服务位置点分配的隐私预算值；W‑1(·)表示朗伯W函数；μ表示在[0，1]之间生成的随机数；α表示虚假位置调制范围值。