近年来,在互联网多模式化发展、工业智能化运作、5G商业化使用的背景下,车联网信息化、智能化进程不断推进,通过基于位置的服务为社会和用户带来了极大地便利,但同时也带来了隐私过度暴露的安全问题。车辆用户的隐私数据是支持基于位置的服务的核心数据,一旦泄露将会对用户个人的隐私安全及公共交通的安全造成很大的影响。由于第三方数据收集服务器不可信,车辆用户更希望隐私数据在离开车辆终端前就完成隐私保护,同时保证车辆用户获得良好的服务质量。针对以上问题,本文提出基于位置服务的车联网隐私保护系统,旨在为车联网用户提供更好的隐私保护和服务体验。论文对当前主要的隐私保护算法进行深入调研和分析,重点研究本地化差分隐私技术和博弈理论,设计并实现了车联网隐私保护系统的核心算法。针对不可信数据收集环境下车辆位置隐私保护和位置语义隐私保护问题,设计了一种基于优化K-位置集本地化差分隐私的位置数据发布算法;针对智能交通的区域交通密度统计需求,设计了一种满足k-位置集本地化差分隐私的计数统计方法;基于上海市移动车辆数据集对算法进行了仿真和验证。论文研究车联网隐私保护系统开发所需的关键技术,结合系统应用场景、总体需求以及核心算法,设计了基于位置服务的车联网隐私保护系统的总体架构,采用Android开发技术实现了车载终端子系统的功能模块如:基础功能模块、信息管理模块隐私保护模块和网络通信模块,基于 LAMP(Linux+Apache+MySQL+PHP/Python)搭建框架、MVC设计架构、ThinkPHP开发框架等Web开发技术,实现了智能交通云平台子系统的功能模块如:基础功能模块、信息管理模块、隐私保护模块、交通服务模块和网络通信模块,设计了服务器数据库和车载本地数据库。经过测试证明本系统实现了隐私保护需求、用户功能需求以及性能需求,在保证位置服务精度损失小于该服务质量需求限制的前提下,为车辆用户提供满足本地化差分隐私的隐私保护,同时为交管员提供可查询的交通密度统计结果。