在移动互联网时代,移动通信和传感设备等位置感知技术的发展将人和事物的地理位置数据化,例如:内置在手机、车载导航等移动设备中的GPS,WIFI等定位设备可以直接获得移动对象任意时刻准确的位置信息。位置信息的数据化给人们的生活带来巨大的便利,但是与此同时也带来了泄露个人信息的危害,因为位置数据既直接包含了用户的隐私信息,又隐含了用户的个性习惯、健康状况、社会地位等其他敏感信息,位置数据的使用不当会给用户的隐私带来严重的威胁。在LBS应用普遍使用的现代背景下,更需要一种能够在大数据时代下保护用户位置隐私的方法。本文首先对辽宁移动的用户位置数据进行分析,使用马尔科夫模型对用户的移动模式进行建模。然后基于概率推测,引入k-匿名思想设计了一个位置隐私保护算法MaskK。使用隐马尔可夫模型对用户的位置隐私保护模型进行建模,该模型建立在用户的移动模型的基础上。在位置隐私保护算法的设计中,引入HMM的同时引入了 k-匿名的思想,保证了在发布位置的过程中,有k个位置点与隐私位置点无法区分,保证了在以一定概率抑制位置信息的发布时的不确定性的较好地控制。在隐马尔可夫模型的建立中,本文使用了 PSO算法对该求取过程进行求解计算,使得求取发射概率矩阵的时间相对MaskIt方法在效率上有所提升。本文同时还研究了 PSO基于MapReduce的并行化,使其能够满足分布式的环境并提高了运行的效率。文中设计的位置隐私保护算法与其他的基于概率推测的的方法进行对比,主要对比的方面有运行效率、隐私效果和服务质量。通过真实的数据进行分析比对,显示本文的方法在具有一定的优越性,在保护用户位置隐私的同时提高了服务的质量。