智能移动终端的普及导致收集的时空数据中个人位置隐私、签到数据隐私、轨迹隐私等敏感信息容易泄露，且当前研究分别针对上述隐私泄露单独提出保护技术，而没有面向用户给出防止上述隐私泄露的个性化时空数据隐私保护方法。针对这个问题，提出一种面向时空数据的个性化隐私保护模型（ p， q， ε）-匿名和基于该模型的个性化时空数据隐私保护（PPP _ST）算法，从而对用户个性化设置的隐私数据（位置隐私、签到数据隐私和轨迹隐私）加以保护。设计了启发式规则对时空数据进行泛化处理，保证了发布数据的可用性并实现了时空数据的高可用性。对比实验中PPP _ST算法的数据可用率比个性化信息数据K-匿名（IDU-K）和个性化Clique Cloak（PCC）算法分别平均高约4.66%和15.45%。同时，设计了泛化位置搜索技术来提高算法的执行效率。基于真实时空数据进行实验测试和分析，实验结果表明PPP _ST算法能有效地保护个性化时空数据隐私。

针对时间依赖路网中的 K近邻（ KNN）查询TD-FTT算法查询点发起时间与到达时间在同一时段的限制和预处理阶段计算时间代价大的问题，提出基于动态选择启发值改进的TD-FTT （ITD-FTT）算法。首先，在预处理阶段，根据各时段各边时间函数的最小值构建最小路网 G _min；然后，在路网 G _min中利用网络泰森图（NVD）并行计算节点最近邻来减少预处理阶段的计算时间；最后，在查找阶段通过计算节点到达时间所在时段，动态选择启发值来解除时间段的限制。实验结果显示，在预处理阶段ITD-FTT算法比TD-FTT算法计算时间减少了70.12%；在查询阶段ITD-FTT比TD-INE算法和TD-A算法在遍历节点个数上分别减少了46.52%和16.63%，响应时间比TD-INE算法和TD-A算法分别降低47.46%和18.24%。实验结果表明，ITD-FTT算法减少了查询扩展的节点数，降低了查找 K近邻的时间，提高了查找效率。