基于蚁群算法的位置隐私保护智能交通系统研究与设计

第３８卷第
８
期学报
Ｎｏ ８Ｖｏｌ ３８２０２３年８月
ＪｏｕｒｎａｌｏｆＬｅｓｈａｎＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ
Ａｕｇ ꎬ２０２３
ＤＯＩ:１０.１６０６９/ｊ.ｃｎｋｉ.５１－１６１０/ｇ４.２０２３.０８.００８
基于蚁群算法的位置隐私保护
智能交通系统研究与设计
殷西祥
(安徽商贸职业技术学院信息与人工智能学院ꎬ安徽芜湖２４１００２)
摘㊀要:随着汽车用户越来越多ꎬ政府提供了越来越多的公共停车位ꎬ然而ꎬ用户花费在寻找车位的时间也越来越多ꎮ利用蚁群算法来解决用户在停车场寻找空闲车位和找车困难问题ꎬ通过差分隐私算法保护用户的位置隐私ꎬ设计并实现了一套基于蚁群算法的智能交通平台ꎮ该平台在不泄露用户隐私的情况下ꎬ能够快速的停车㊁找车ꎬ同时用户能够在该系统中查询到天气情况㊁路况信息㊁违章情况㊁ＥＴＣ信息㊁城市公交和限号日历等信息ꎬ方便了用户的使用ꎮ
关键词:蚁群算法ꎻ差分隐私ꎻ位置隐私ꎻ智能交通
中图分类号:ＴＰ３１１㊀㊀文献标志码:Ａ㊀㊀文章编号:１００９－８６６６(２０２３)０８－００４０－０６
收稿日期:２０２２－０５－０１
基金项目:安徽省教育厅项目 １＋Ｘ 证书制度下Ａｎｄｒｏｉｄ移动应用开发研究(２０２０ｊｙｘｍ０５９１)ꎻ安徽省教育厅重点项目 基于区块链云存储的跨链技术研究 (ＫＪ２０２０Ａ１０７４)㊁ 基于深度学习的Ａｎｄｒｏｉｄ恶意软件检测研究 (２０２２ＡＨ０５２７４２)ꎻ安徽商贸职业技术学院校级项目 面向移动终端的智能交通系统研究 (２０２１ＫＺＺ０５)㊁ 边缘计算中用户数据隐私保护技术研究 (２０２２ＫＺＺ０２)
作者物介:殷西祥(１９８４ )ꎬ男ꎬ安徽安庆人ꎬ安徽商贸职业技术学院信息与人工智能学院副教授ꎬ硕士ꎬ研究方向:数据挖掘ꎬ移动互联网应用开发ꎮ
０㊀引言
利用信息技术进行交通管理是相关部门进行创新的重要举措ꎬ受到国家层面的高度重视ꎮ目前ꎬ国内也有一些面向移动终端的智能交通Ａｐｐꎬ但是其功能比较单一ꎬ百度地图㊁高德地图等可以实现路径规划ꎬ但它们还没有车辆违规㊁ＥＴＣ收费㊁单双号限号查询等用户也应该关注的功能模块ꎬ也缺少停车场智能引导㊁车位实时查找等功能ꎮ同时ꎬＡｎｄｒｏｉｄ系统在智能化设备中使用非常广泛ꎬ为了更好地适应移动互联网迅猛发展的当今时代ꎬ开发一款比较全面㊁综合的基于Ａｎｄｒｏｉｄ平台的交通系统是很有必要的ꎬ在系统的设计过程中ꎬ需要考虑到优化停车场中查找空闲车位和找车困难等路径规划问题ꎬ在路径规划中可以使
用在小车㊁无人机㊁移动机器人的路径规划中应用非常广泛的蚁群算法[１－３]ꎮ为了不暴露用户隐私ꎬ可以考虑使用隐私算法来规避安全隐患问题[４－５]ꎮ以下主要从隐私算法㊁路径规划问题㊁基于蚁群算法的最优路径规划算法㊁系统模块设计和系统实现等角度展开阐述ꎮ
１㊀基础知识与问题
１.１㊀隐私算法
给定一个兄弟数据集Ｄꎬ和Ｄꎬ数据集Ｄꎬ和Ｄ
之间至少相差一条数据ꎮ给定一个映射函数ｆ:Ｄ
ңＲｄ
ꎬ表示数据集Ｄ到ｄ维空间的映射关系ꎮ我
们在函数ｆ(Ｄ)＝(ｘ１ꎬｘ２ꎬ ꎬｘｄ)Ｔ上添加随机噪声ꎬ得到一个输出函数Ａ(Ｄ)ꎮ
Ａ(Ｄ)＝ｆ(Ｄ)＋
{Ｒａｎ１Δｆεæèçöø÷ꎬＲａｎ２Δｆεæèçöø÷ꎬ ꎬＲａｎｄΔｆεæèçö
ø÷}Ｔ
ꎮ
其中ꎬΔｆ＝ｍａｘＤꎬＤꎬ
ｆＤ()－ｆ(Ｄꎬ)ｐꎬ其中ｐ一般取１ꎬ为１－范数ꎮ
１.２㊀基于蚁群算法的路径规划问题
蚁群算法通过模拟蚂蚁寻找食物的过程ꎬ通
过从原点出发ꎬ经过若干给定的需求点ꎬ最终返回原点的最短路径ꎬ这也就是著名的旅行商问题(ＴｒａｖｅｌｉｎｇＳａｌｅｓＭａｎＰｒｏｂｌｅｍꎬＴＳＰ)
[６－１０]
ꎮ
蚁群算法的核心在于蚂蚁通过自身释放的
信息素 来标识自己的行走路径ꎬ初始化阶段ꎬ在没有任何信息素引导的时候ꎬ蚂蚁的行走路径都是随机的ꎬ在寻找目的地的过程中ꎬ蚂蚁不断地释放信息素来标识自己的行走路径ꎬ最终到达目的地ꎮ由于在最初的时候ꎬ蚂蚁的行走路径是随机的ꎬ这就需要更多的信息素来标识路径ꎬ也就意味着需要更多的蚂蚁ꎬ即蚁群ꎮ随着蚁群规模的扩大ꎬ信息素浓度也就越大ꎬ这样越来的越多的蚂蚁都会聚集到最短路径上ꎬ从而寻找到到目的地的最短路径ꎮ
蚁群算法不是单个蚂蚁行动ꎬ而是多个蚂蚁同时搜索ꎬ具有分布式的协同优化机制ꎮ本质上属于随机搜索算法(概率算法)ꎬ具有概率搜索的特征ꎮ是一种全局搜索算法ꎬ能够有效地避免局部最优ꎬ具有如下特点:ａ)较强的鲁棒性 稍加修改即可应用于其他问题ꎻｂ)分布式计算 本质上具有并行性ꎻｃ)易于与其他启发式算法结合ꎮ
２㊀基于蚁群算法的最优路径规划算法
路径规划是实现寻找到达空闲车位的最短距离问题中的关键技术ꎬ指的是复杂停车场中ꎬ按照一定的评价规则(如距离㊁能耗㊁时间等)ꎬ找出一条从起点到目标的无碰撞路径ꎬ这里选取最短距离路径规划的评价标准ꎬ即最短路径规划问题ꎮ２.１㊀问题提出
给定ｎ个车位ꎬ当我们车进入车库时候ꎬ我们
沿着主干道进入车库ꎬ我们需要获取到达空闲车位的最短路径ꎮ假设Ｃ＝{ｃ１ꎬｃ２ꎬ...ꎬｃｎ}是某个停车场的ｎ个停车位的集合ꎬＥ＝{ｅｉꎬｊ＝(ｃｉꎬｃｊ)｜ｃｉꎬｃｊɪＣ}是集合Ｃ中停车场两两连接的集合ꎬｄｉｊ(ｉꎬｊ＝１ꎬ２ꎬ...ꎬｎ)是ｅｉｊ的欧氏距离ꎬＧ＝(ＣꎬＥ)是一个有向图ꎮ基于蚁群算法的最优路径规划算法的目的就是从Ｇ中寻找出长度最短的路径ꎮ２.２㊀路径规划数学模型的建立
我们将某停车场环境用一组数据进行抽象表
达ꎬ建立二维环境模型ꎬ将停车场平面分成一个个等面积大小的珊格ꎬ每个栅格中存储该栅格是否被占用的信息ꎬ即表示该停车位是否被占用ꎮ图１表示一个栅格法地图ꎬ该栅格地图为一个１０ˑ１０的地形矩阵ꎬ黑色的地方表示有障碍ꎬ白色的地方表示没有障碍
ꎮ
图１㊀栅格法地图
图１中每个栅格点具有唯一的坐标ꎬ则每个栅格点的坐标可以用(ｘꎬｙ)表示ꎮ则第ｉ个栅格对应的位置可以表示为:
ｘｉ＝ｂˑ[ｍｏｄ(ｉꎬｙ)－ｂ/２]ｙｉ＝ｂˑ[ｘ＋ｂ/２－ｃｅｉｌ(ｉ/ｘ)]
其中ꎬｂ为每个小方格像素的边长ꎬｃｅｉｌ(ｎ)取大于等于数值ｎ的最小整数ꎮ
每条路径的长度为
Ｄｇｉꎬｊ＝
(ｘｉ－ｘｊ)２＋(ｙｉ－ｙｊ)２ꎮ
２.３㊀最短路径规划的具体步骤最短路径规划流程图如图２所示ꎬ具体可以
分成以下九个步骤
ꎮ
图２㊀最短路径规划流程图
步骤１:给出栅格地图的地形矩阵.初始化信息素矩阵Ｔａｕ(记录每个栅格至其他栅格的信息素量)ꎬ蚂蚁个数Ｍꎬ最大迭代次数Ｋꎬ表征启发式信息重要程度的参数ꎬ表征信息素重要程度的参数㊁信息素增加强度系数Ｑꎬ信息素蒸发系数及启发式信息矩阵ꎮ
步骤２:构建启发式信息矩阵ꎮ计算每个栅格至目标点的距离ꎬ启发式信息素取为至目标点距离的倒数ꎬ距离越短ꎬ启发式因子越大ꎬ障碍物处的启发式信息为０ꎮ建立矩阵Ｄꎬ用以存储每个栅格点至各自相邻无障碍栅格点的代价值ꎮ步骤３:对于每一只蚂蚁ꎬ初始化蚂蚁爬行的路径及路径长度ꎬ将禁忌列表全部初始化为１ꎻ蚂蚁从起始点出发开始搜索路径ꎬ找出当前栅格点的所有无障碍相邻栅格点(即矩阵Ｄ中相应元素不为０的栅格点)ꎬ再根据禁忌列表筛选出当前可选择的栅格点ꎮ
步骤４:如果起始点是目标点ꎬ且可选栅格点个数大于等于１ꎬ则计算蚂蚁从当前栅格点转移到各相邻栅格点的概率ꎬ并根据轮盘赌的方法选择下一个栅格点ꎮ
步骤５:修改蚂蚁爬行的路径㊁长度㊁矩阵Ｄ及禁忌列表ꎮ
步骤６:重复步骤４和５直到起始点为目标点或可选栅格点小于１ꎬ本次迭代中当前蚂蚁寻路完毕ꎬ记录该蚂蚁的行走路线ꎮ
步骤７:如果该蚂蚁最后一步是目标点ꎬ则计算路径长度ꎬ并且比较其和目前已知的最短路径长度ꎬ若本次路径长度小于当前已知的最短路径长度ꎬ则修改当前最短路径长度及最短路径ꎻ如果该蚂蚁最后一步不是目标的ꎬ则只将路径长度记为０ꎮ
步骤８:重复步骤３至步骤７直到Ｍ只蚂蚁完成一轮路径搜索ꎬ更新信息素ꎮ
步骤９:判断是否满足终止条件Ｋꎬ是结束蚁群算法寻优并绘制最优规划路径ꎬ否则转到步骤３ꎮ
２.４㊀实验结果
本章主要从执行效率和路径优化两个方面对
本文所使用的算法进行验证ꎮ实验的硬件环境为Ｉｎｔｅｒ ＣｏｒｅＴＭｉ５－８２５０ＵＣＰＵ＠１.６ＧＨｚꎬ１６Ｇ内存ꎬ使用Ｍａｔｌａｂ实现ꎮ
ａ)首先我们模拟一个２０×２０的停车场车位ꎮ
用０标识该车位为空ꎬ１标识该车为已被占用ꎬ利用隐私算法将车位信息进行加密处理ꎬ图３为加密前后车位信息图ꎮ
其中红色的标注点就是通过加密算法添加的噪声点ꎬ该噪声点能够有效的保证车主的位置隐私安全ꎮ
图３㊀加密前后车位信息图
㊀㊀ｂ)通过设置迭代次数Ｋ＝１００ꎬ蚂蚁个数Ｍ＝
５０ꎬ信息素Ａｌｐｈａ＝１ꎬ表证启发因子Ｂｅｔａ＝７ꎬ信息
素蒸发系数Ｒｈｏ＝０.３ꎬ信息素增强系数Ｑ＝１ꎮ我们得出图４加密前后收敛对比图
ꎮ
图４㊀加密前后收敛对比图
从图４中可以看出ꎬ加密后的数据要比加密前的数据使用更少的迭代次数ꎬ他们的最小路径长度持平ꎮ
ｃ)复杂度分析ꎬ假设使用ｎˑｎ车位ꎬ采用ｍ只蚂蚁ꎬ则本方法所需的内存开销如表１所示ꎮ
故ꎬ通过对基于隐私保护的蚁群算法各步骤的分析ꎬ可以得到其空间复杂度为:
Ｓ(ｎ)＝Ｏ(ｎ２)＋Ｏ(ｍ ｎ)ꎮ
表１㊀基于隐私保护的蚁群算法所需的空间开销步骤内存开销
复杂度１Ｔａｕ[ｎ][ｎ]存储ｎ个车位两两之间信息素强度
Ｏ(ｎ２)
２Ｔａｂｕ[ｍ][ｎ]存储并记录路径的生成Ｏ(ｍ ｎ)３Ｄ[ｎ][ｎ]存储ｎ个车位两两之间的距离
Ｏ(ｎ２)６Ｌ[ｍ][１]存储此次迭代中每只蚂蚁搜索得到的路径长度Ｏ(ｍ)７
Ｂｅｓｔ[ｍ]存储最终最优解
Ｏ(ｎ)
３㊀智能交通系统客户端设计
基于蚁群算法的位置隐私保护智能交通系统分为Ｗｅｂ服务端和Ａｎｄｒｏｉｄ移动端ꎬ数据交互格式为ＪＳＯＮ数据ꎮ服务端使用Ｓｐｒｉｎｇｂｏｏｔ与Ｍｙｂａ￣
ｔｉｓ３框架进行搭建ꎬＳｐｒｉｎｇｂｏｏｔ相对ＳｐｒｉｎｇＭＶＣ的优点是配置简单ꎬ大大降低开发成本ꎮ在服务端的设计中ꎬ持久层主要负责与数据库的联系ꎬ封装数据库操作方法(ＣＲＵＤ)ꎻ业务层主要负责具体业务实现设计ꎻ表现层负责调用业务层相关方法与对应ｕｒｌ形成映射关系ꎬ供Ａｎｄｒｏｉｄ移动端调用ꎮ为了方便查看开放的相关ａｐｉ接口ꎬ系统使用ｓｗａｇｇｅｒ－ｕｉ生成相应的ａｐｉ接口文档ꎮ
Ａｎｄｒｏｉｄ移动端采用Ｇｏｏｇｌｅ官网推荐的架构
模型设计如图５所示ꎮ其中ꎬＡｃｔｉｖｉｔｙ/Ｆｒａｇｍｅｎｔ的主要作用是将数据渲染到ＵＩ上ꎬ只与ＵＩ相关ꎮ
ＶｉｅｗＭｏｄｅｌ主要作用是负责相关的业务逻辑和数据交互处理ꎬ不做任何与ＵＩ㊁控件相关的工作ꎬ不持有任何控件的引用ꎬ这样能够有效地规避内存泄漏问题ꎮＶｉｅｗＭｏｄｅｌ配合ＬｉｖｅＤａｔａ工作ꎬＬｉｖｅＤａｔａ具有数据变动感知功能ꎬＶｉｅｗ层主要作用是监测数据的变动实时地进行相应的数据处理ꎮ数据来源由具体的Ｍｏｄｅｌ层通过网络或者数据库来获取ꎬ然后传递给ＶｉｅｗＭｏｄｅｌ层进行相应的处理ꎮ这套架构体系把每个层级的职责和作用区分得非常明确ꎬ降低了系统的耦合性ꎮ
图５㊀Ａｎｄｒｏｉｄ架构体系图
４㊀系统实现
该基于蚁群算法的位置隐私保护智能交通系统由Ｗｅｂ服务端和Ａｎｄｒｏｉｄ移动端两部分组成ꎬ服务端与客户端的通信是通过ｈｔｔｐ协议来实现ꎬ数据交互格式为ＪＳＯＮ数据ꎬ移动端Ａｎｄｒｏｉｄ系统使用ＯｋＨｔｔｐ３网络访问框架来实现与Ｗｅｂ服务端进行数据请求与交互ꎮ该智能交通系统的实验开发环境为Ｗｉｎｄｏｗｓ１０系统ꎬ开发工具是ｅｃｌｉｐｓｅ－ｊｅｅ
－ｎｅｏｎ－３－ｗｉｎ３２－ｘ８６＿６４㊁Ｎａｖｉｃａｔ８.０ＭｙＳＱＬ㊁ＡｐａｃｈｅＴｏｍｃａｔ７㊁ＡｎｄｒｏｉｄＳｔｕｄｉｏ４.１.３等ꎬ实现的系统效果如图６所示ꎬ主要包括天气情况㊁路况信息㊁停车查询㊁城市公交等模块
ꎮ
图６㊀系统效果图
５㊀结语
基于蚁群算法的位置隐私保护智能交通系统的开发符合信息化时代大量信息科学管理的发展和需要ꎮ经过测试ꎬ用户能够在该综合性ＡＰＰ中查询到天气情况㊁路况信息㊁违章情况㊁ＥＴＣ信息㊁城市公交和限号日历等信息ꎮ同时ꎬ该系统的路径规划使用到了基于蚁群算法的位置隐私保护方案ꎬ利用最优路径规划算法ꎬ方便了用户在不泄露隐私的情况下ꎬ能够实现快速停车㊁找车ꎮ后期将进一步开发Ｗｅｂ服务器端的功能ꎬ如通过客户端搜集到各种违章信息㊁道路环境信息等数据集发送到Ｗｅｂ服务器ꎬ从而通过数据的进一步分析ꎬ为用户提供更好的预判和决策ꎬ也进一步方便交通管理部门对交通信息的管理ꎮ
参考文献:
[１]㊀张松灿ꎬ普杰信ꎬ司彦娜ꎬ等.蚁群算法在移动机器人路径规划中的应用综述[Ｊ].计算机工程与用ꎬ２０２０ꎬ５６(８):１０－１９.
[２]㊀马肇祥ꎬ朱庆伟ꎬ张俊ꎬ等.蚁群优化算法的无人机室内航迹规划[Ｊ].西安科技大学学报ꎬ２０２２ꎬ４２(２):３０７－３１６. [３]㊀薛婷ꎬ贝绍轶ꎬ李波.基于蚁群算法的智能小车路径规划[Ｊ].计算机仿真ꎬ２０２１ꎬ３８(１２):３６２－３６６.
[４]㊀郭蕊ꎬ芦天亮ꎬ杜彦辉ꎬ等.基于改进蚁群算法的ＷＳＮ源位置隐私保护[Ｊ].计算机科学ꎬ２０２０ꎬ４７(７):３０７－３１３. [５]㊀徐川ꎬ丁颖祎ꎬ罗丽ꎬ等.车联网中基于位置服务的个性化位置隐私保护[Ｊ].软件学报ꎬ２０２２ꎬ３３(２):６９９－７１６. [６]㊀殷凤梅ꎬ陈鸿.Ｇｅｏｈａｓｈ编码的ｋ匿名位置隐私保护方案[Ｊ].武汉大学学报(理学版)ꎬ２０２２ꎬ６８(１):７３－８２. [７]㊀刘双双ꎬ黄宜庆.多策略蚁群算法在机器人路径规划中的应用[Ｊ].计算机工程与应用ꎬ２０２２ꎬ５８(６):２７８－２８６. [８]㊀刘瀛.基于改进势场与蚁群算法的机器人路径规划法[Ｊ].计算机仿真ꎬ２０２１ꎬ３８(１１):３５５－３６０.
[９]㊀姚晓通ꎬ李致远ꎬ程晓.基于改进蚁群算法的机器人路径规划研究[Ｊ].计算机仿真ꎬ２０２１ꎬ３８(１１):３７９－３８３. [１０]㊀唐旭晖ꎬ辛绍杰.改进蚁群算法的移动机器人路径规划[Ｊ].计算机工程与应用ꎬ２０２２ꎬ５８(５):２８７－２９５.
ＲｅｓｅａｒｃｈａｎｄＤｅｓｉｇｎｏｆＩｎｔｅｌｌｉｇｅｎｔＴｒａｎｓｐｏｒｔａｔｉｏｎＳｙｓｔｅｍＢａｓｅｄ
ｏｎＡｎｔＣｏｌｏｎｙＡｌｇｏｒｉｔｈｍｆｏｒＬｏｃａｔｉｏｎＰｒｉｖａｃｙＰｒｏｔｅｃｔｉｏｎ
ＹＩＮＸｉｘｉａｎｇ
(ＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎａｎｄＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｇｅｎｃｅꎬＡｎｈｕｉＢｕｓｉｎｅｓｓＣｏｌｌｅｇｅꎬＷｕｈｕꎬＡｎｈｕｉ２４１００２ꎬＣｈｉｎａ)
㊀㊀Ａｂｓｔｒａｃｔ:Ｗｉｔｈｔｈｅｉｎｃｒｅａｓｉｎｇｎｕｍｂｅｒｏｆｃａｒｕｓｅｒｓꎬｔｈｅｇｏｖｅｒｎｍｅｎｔｐｒｏｖｉｄｅｓｍｏｒｅａｎｄｍｏｒｅｐｕｂｌｉｃｐａｒｋｉｎｇｓｐａｃｅｓ.Ｈｏｗｅｖｅｒꎬｕｓｅｒｓｓｐｅｎｄｍｏｒｅａｎｄｍｏｒｅｔｉｍｅｌｏｏｋｉｎｇｆｏｒｐａｒｋｉｎｇｓｐａｃｅｓ.ＡｓｅｔｏｆｉｎｔｅｌｌｉｇｅｎｔｔｒａｎｓｐｏｒｔａｔｉｏｎｐｌａｔｆｏｒｍｂａｓｅｄｏｎＡｎｔＣｏｌｏｎｙＡｌｇｏ￣ｒｉｔｈｍｉｓｄｅｓｉｇｎｅｄａｎｄｉｍｐｌｅｍｅｎｔｅｄｂｙｕｓｉｎｇｔｈｅＡｎｔＣｏｌｏｎｙＡｌｇｏｒｉｔｈｍｔｏｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍｏｆｆｉｎｄｉｎｇｖａｃａｎｔｐａｒｋｉｎｇｓｐａｃｅｓａｎｄｄｉｆ￣ｆｉｃｕｌｔｉｅｓｉｎｆｉｎｄｉｎｇａｃａｒａｎｄＤｉｆｆｅｒｅｎｔｉａｌＰｒｉｖａｃｙＡｌｇｏｒｉｔｈｍｔｏｐｒｏｔｅｃｔｔｈｅｕｓｅｒ'ｓｌｏｃａｔｉｏｎｐｒｉｖａｃｙ.Ｔｈｅｐｌａｔｆｏｒｍｅｎａｂｌｅｓｆａｓｔｐａｒｋｉｎｇａｎｄｃａｒｓｅａｒｃｈｗｉｔｈｏｕｔｃｏｍｐｒｏｍｉｓｉｎｇｕｓｅｒｐｒｉｖａｃｙ.Ａｔｔｈｅｓａｍｅｔｉｍｅꎬｕｓｅｒｓｃａｎｃｈｅｃｋｗｅａｔｈｅｒｃｏｎｄｉｔｉｏｎｓꎬｒｏａｄｉｎｆｏｒｍａｔｉｏｎꎬｖｉｏｌａ￣ｔｉｏｎｓꎬＥＴＣｉｎｆｏｒｍａｔｉｏｎꎬｃｉｔｙｂｕｓａｎｄｎｕｍｂｅｒ－ｌｉｍｉｔｅｄｃａｌｅｎｄａｒｓａｎｄｏｔｈｅｒｉｎｆｏｒｍａｔｉｏｎｉｎｔｈｅｓｙｓｔｅｍꎬｗｈｉｃｈｉｓｃｏｎｖｅｎｉｅｎｔｆｏｒｕｓｅｒｓ.
Ｋｅｙｗｏｒｄｓ:ＡｎｔＣｏｌｏｎｙＡｌｇｏｒｉｔｈｍꎻＤｉｆｆｅｒｅｎｔｉａｌＰｒｉｖａｃｙꎻＬｏｃａｔｉｏｎＰｒｉｖａｃｙꎻＩｎｔｅｌｌｉｇｅｎｔＴｒａｎｓｐｏｒｔａｔｉｏｎ
ʌ责任编辑:杨睿彤ɔ。