1.一种基于子轨迹相似性的k‑匿名轨迹隐私保护方法，其特征在于，包括以下步骤：

步骤1：从所有历史轨迹中筛选出起点位置与终点位置与用户真实轨迹的起点位置和终点位置相同的历史轨迹，用符号ST表示，ST中包含m条历史轨迹；

步骤2：找出用户真实轨迹中的局部极值点，与真实轨迹起点和终点一起按时间排列成一个位置序列；若用户真实轨迹中的局部极值点有n–2个，则位置序列用符号{p1,p2,...,pn}表示，其中p1和pn分别表示真实轨迹的起点位置和终点位置，p2,p3,…,pn‑1表示真实轨迹中的局部极值点；

步骤3：根据位置序列对用户真实轨迹进行切割得到大小为n‑1的真实子轨迹集；

步骤4：根据位置序列对历史轨迹集中的每条历史轨迹进行切割得到对应的大小为n‑1的历史子轨迹集；

步骤5：计算每个真实子轨迹与对应历史子轨迹集的所有子轨迹之间的多种相似性，并据此进行筛选形成与该真实子轨迹对应的备选子轨迹集；

步骤6：通过真实子轨迹与对应的备选子轨迹中的历史子轨迹形成的封闭区域的面积对该备选子轨迹集中的子轨迹进行筛选形成对应的候选子轨迹集；

步骤7：从n个候选子轨迹集中随机挑选t条子轨迹，将这些子轨迹进行排列组合得到k‑

1条与真实轨迹不可区分的虚拟轨迹，形成轨迹的k‑匿名，实现对真实轨迹的k‑匿名隐私保护。

2.根据权利要求1所述的基于子轨迹相似性的k‑匿名轨迹隐私保护方法，其特征在于：

步骤2中，局部极值点的定义是轨迹函数的单调性发生变化的点，具体公式为：

|l(i‑1,i)‑l(i,i+1)|>|l(i‑1,i)|，|l(i‑1,i)|表示的是位置点pi‑1与位置点pi之间连线斜率的绝对值，|l(i,i+1)|表示的是位置点pi与位置点pi+1之间连线斜率的绝对值。

3.根据权利要求1所述的基于子轨迹相似性的k‑匿名轨迹隐私保护方法，其特征在于：

步骤3中，根据位置序列{p1,p2,...,pn}对用户真实轨迹进行切割得到一个大小为n–1的真实子轨迹集SUB‑T，其中第1条真实子轨迹t1是真实轨迹中位置p1和位置p2之间的子轨迹，第

2条真实子轨迹t2是真实轨迹中位置p2和位置p3之间的子轨迹，……，第n–1条真实子轨迹tn‑1是真实轨迹中位置pn‑1和位置pn之间的子轨迹，即SUB‑T＝{t1,t2,……,tn‑1}。

4.根据权利要求1所述的基于子轨迹相似性的k‑匿名轨迹隐私保护方法，其特征在于：

步骤4中，根据位置序列{p1,p2,...,pn}对历史轨迹集中的m条历史轨迹进行切割得到一个大小为n–1的历史子轨迹集subT的集合SUB‑STS，即subT＝{subT1,subT2,……,subTn‑1}，其中每个历史子轨迹集subTi的大小为历史轨迹集ST中历史轨迹的个数m，i＝1,2,……,n–1；

第1个历史子轨迹集subT1是历史轨迹集ST包含的m条历史轨迹的位置p1和位置p2之间的子轨迹构成的集合subT1＝{st1,1,st1,2,……,st1,m}，第2个历史子轨迹集subT2是历史轨迹集ST包含的m条历史轨迹的位置p2和位置p3之间的子轨迹构成的集合subT2＝{st2,1,st2,2,……,st2,m}，……，第n–1个历史子轨迹集subTn‑1是历史轨迹集ST包含的m条历史轨迹的位置pn‑1和位置pn之间的子轨迹构成的集合subTn‑1＝{stn‑1,1,stn‑1,2,……,stn‑1,m}。

5.根据权利要求4所述的基于子轨迹相似性的k‑匿名轨迹隐私保护方法，其特征在于：

步骤5中，计算真实子轨迹集中的子轨迹ti与第i个历史子轨迹集subTi中的每一条子轨迹之间的时间相似性、空间相似性和语义相似性，即计算子轨迹ti与sti,1之间、ti与sti,2之间、……、ti与sti,m之间的时间相似性、空间相似性和语义相似性，并筛选出同时小于设定的时间相似性阈值、空间相似性阈值要和语义相似阈值要求的历史子轨迹，形成备选子轨迹集subT′i，i＝1,2,……,n–1；

其中，计算真实子轨迹和历史子轨迹的轨迹交叉时间，并以此来计算时间相似性，最后使用时间阈值筛选历史子轨迹；运用最长公共子序列的方法来计算真实子轨迹和使用时间阈值筛选后的历史子轨迹中的各位置点空间相似度，再进一步计算两条子轨迹的空间相似性，最后用空间阈值筛选该历史子轨迹；基于wordnet计算真实子轨迹和使用空间阈值筛选后的历史子轨迹的的语义相似，并通过语义阈值筛选该历史子轨迹；经过上述筛选的历史子轨迹组成备选子轨迹集。

6.根据权利要求1所述的基于子轨迹相似性的k‑匿名轨迹隐私保护方法，其特征在于：

步骤6中，基于步骤3中的真实子轨迹和步骤5中的备选子轨迹集，得到真实子轨迹和备选子轨迹形成一个封闭区域，利用三角形划分法求出真实子轨迹和每个备选子轨迹所形成的封闭区域的面积S，把面积S与面积阈值进行比较，去除封闭区域面积大于面积阈值的备选子轨迹，得到候选子轨迹集。

7.根据权利要求1‑6任意一项所述的基于子轨迹相似性的k‑匿名轨迹隐私保护方法，其特征在于：步骤7中，基于候选子轨迹集的集合SUB‑T″＝{subT″1,subT″2,……,subT″n‑1}，分别从subT″1、subT″2、……、subT″n‑1中挑选候选子轨迹构成虚拟轨迹；依次从subT″1、subT″2、……、subT″n‑1中随机选择 条子轨迹；将这些子轨迹进行排列组合得到k‑1条与真实轨迹不可区分的虚拟轨迹，形成轨迹的k‑匿名。

8.一种基于子轨迹相似性的k‑匿名轨迹隐私保护系统，其特征在于，包括以下模块：

模块1，用于从所有历史轨迹中筛选出起点位置与终点位置与用户真实轨迹的起点位置和终点位置相同的历史轨迹，用符号ST表示，ST中包含m条历史轨迹；

模块2，用于找出用户真实轨迹中的局部极值点，与真实轨迹起点和终点一起按时间排列成一个位置序列；若用户真实轨迹中的局部极值点有n–2个，则位置序列用符号{p1,p2,...,pn}表示，其中p1和pn分别表示真实轨迹的起点位置和终点位置，p2,p3,…,pn‑1表示真实轨迹中的局部极值点；

模块3，用于根据位置序列对用户真实轨迹进行切割得到大小为n‑1的真实子轨迹集；

模块4，用于根据位置序列对历史轨迹集中的每条历史轨迹进行切割得到对应的大小为n‑1的历史子轨迹集；

模块5，用于计算每个真实子轨迹与对应历史子轨迹集的所有子轨迹之间的多种相似性，并据此进行筛选形成与该真实子轨迹对应的备选子轨迹集；

模块6，用于通过真实子轨迹与对应的备选子轨迹中的历史子轨迹形成的封闭区域的面积对该备选子轨迹集中的子轨迹进行筛选形成对应的候选子轨迹集；

模块7，用于从n个候选子轨迹集中随机挑选t条子轨迹，将这些子轨迹进行排列组合得到k‑1条与真实轨迹不可区分的虚拟轨迹，形成轨迹的k‑匿名，实现对真实轨迹的k‑匿名隐私保护。