本文研究了城市感知中保护车队的隐私问题，以空气污染监测为例。公司（如拼车、电商物流、食品配送）愿意在其车辆上安装传感器，以大规模采集交通拥堵、旅行时间、路面质量、空气质量等数据。然而，这些传感器数据会暴露车队的位置和数量，这对竞争对手具有高度商业价值。论文提出了一种结合高斯过程回归（GPR）插值、差分隐私（DP）和安全两方计算（2PC）的隐私保护方案，在保留客户端实用性的同时，确保车队和客户隐私。系统实现了高效的延迟和带宽开销，即使对于资源受限的移动客户端也适用。作者构建了一个示例Android应用，以隐私保护的方式提供给定起止点之间的最低污染路线选择。主要贡献在于：1）将GPR用于空间数据插值，减少数据稀疏性问题；2）结合DP保护聚合统计结果；3）利用2PC实现安全计算，避免泄露原始数据。实验评估证明了方案的有效性和效率。适合对城市感知、隐私保护技术（尤其是差分隐私和安全多方计算）感兴趣的研究人员和工程师阅读。