大数据技术的广泛普及加速了人类进入数据时代的步伐。基于位置信息的各种大数据业务虽然为用户提供了衣食住行等方面的个性化服务,但同时也导致了个人隐私泄露的风险。位置大数据的统计信息发布是根据划分区域内的统计量来进行数据发布的,如何在保证用户位置隐私的前提下,提高位置大数据的统计信息发布的服务质量是亟待解决的问题。将差分隐私模型与位置大数据的统计信息发布相结合,可以实现在任意背景知识情况下,对发布的位置大数据的隐私保护。差分隐私模型中隐私预算的合理分配,关系到位置大数据的统计信息发布的可用性,本文提出一种差分隐私预算的层次化递增分配方法。根据常见的树型划分结构,从根节点到叶子节点按照公差递增的方法逐层增大隐私预算分配,降低了区域计数查询的误差。针对不完全划分的树型结构,提出相应的隐私预算调整方法,保证差分隐私的组合特性。通过实际位置大数据集的实验和分析表明,本文提出的差分隐私预算的层次化递增分配方法在提高发布数据区域查询精度方面优于现有的其它隐私预算分配方法。划分结构对于位置大数据的统计信息发布是十分重要的。传统的树型划分结构难以给定合理的划分停止条件,对位置数据在空间的分布状态未给予充分考虑,使得划分发布的噪声误差和均匀假设误差都比较大,降低发布数据的查询精度。本文设计了以区域均匀性为判断条件的非均匀四叉树划分发布方法,根据位置数据在空间的分布密度情况进行自适应地四叉树迭代划分,减少节点稀疏区域的过划分对发布数据造成的影响,借助隐私预算分配方法实现非均匀四叉树结构下的隐私预算组合特性。通过实际位置大数据集的实验证明,本文提出的非均匀四叉树划分方法在提高发布数据可用性方面有显著改善。