在日新月异的大数据环境下,人机交互的情况变得越亦频繁,各种社交、定位、导航、出行的App层出不穷,GPS、车联网与各种传感器的广泛使用也标志着人们进入了移动互联大时代。基于位置的服务(Location Based Services,LBS)己经成为各行各业关注的重点与研究方向,成为了人们生活不可或缺的一部分。人们利用这些软件与设备出行,感受到科技发展带来的便利的时候,往往也忽视了自身个人隐私的安全。用户在使用LBS相关的服务时,少不了向服务器上传、分享、发布自己的位置信息,而如何通过有效的手段来规避隐私泄露带来的风险,也己成为大数据环境下个人隐私与位置服务的重要研究方向。基于此种情况,本文提出了一种利用双层隐藏状态的隐马尔可夫模型对轨迹进行预测并保护的方法,并完成以下工作:(1)改进了基于双层隐藏状态隐马尔可夫模型的轨迹预测算法DHMTP,使模型能对未来邻近敏感位置进行预测,实现对轨迹和未来邻近敏感位置的预测算法DHS-HMP。(2)利用第一步中预测的近邻敏感位置建立基于假轨迹的k-匿名轨迹隐私保护算法HTAP,算法通过被预测轨迹的敏感点的先验-后验概率差筛选出需要匿名化的具体敏感点,利用四个参数建立对应的虚假点,并组成虚假轨迹,实现了基于隐马尔可夫模型的轨迹隐私保护。最后通过实验证明,整个方法具有较高精准度的预测效果,并能为轨迹隐私提供良好的保护。