优化方案
初始方案暂且不谈，先说优化方案。
一：地图分块，减少计算量
二：把路网嵌入向量打包起来，使得加密等操作可以一步完成
步骤：Setup、Location-update、Ride-request、Ride-matching
为了保证分块后的精度，我们首先寻找与乘客所处区域α的最近司机，再以乘客到该司机的距离为半径来判断区域α周围的区域是否划入范围（就是看以该距离为半径的圆是否“触”到了周围区域）
使用技术：
路网嵌入（ROAD NETWORK ENBEDDING），用于提高最短距离计算效率
同态加密 （Homomorphic），用于提供密文状态下的加法（及乘法）同步到明文中
混淆电路（Garbled Circuit），用于提供CP（ Crypto Provider）和ORH服务器的安全两方计算、有点像零知识证明
一、初始化 Setup
1.ORH 地图分块(如图1所示)
图 1
2.ORH 计算 地图道路的 路网嵌入向量
3.CP 初始化同态加密公钥并分发
二、司机 位置更新 Location-update
此步骤主要用于司机上传自己的位置信息（在pRide里是上传自己的路网嵌入信息）
1.司机端 计算自己的路网嵌入变量S
根据从服务器获取的地图道路路网嵌入向量、来在本地计算自己的路网嵌入向量S（这在路网嵌入已经讲过了）
2.司机端 把S打包成一个变量P
就是像进制位一样叠加维度S(如图2)
图 2
3.司机端 把P用从CP获得的公钥加密成[P(b)]，把这个[P(b)]和所处区域Zα上传到ORH
4.ORH 随机生成一个路网嵌入向量u，并加密之成[P(u)]
5.ORH 使用[P(b)]-[P(u)]=>[P(b‘)]
三、乘客 乘车请求 Ride-request
1.乘客端 把自己的坐标x、y加密为[x]、[y]
2.乘客端 计算自己的路网嵌入向量S、打包、加密之得到[P(a)]
3.乘客端 上传[P(a)]、[x]、[y]、所处区域Zα给ORH
4.ORH 随机生成两随机数ηx、ηy，把其当做一个坐标值，计算其的网嵌入向量S、打包、加密之得到[P(η)]
5.ORH 计算 [P(η)]-[P(a)]=》[P(a’)] ; [x]-[ηx]=>[x’] ; [y]-[ηy]=>[y’]
《第五步是为了在4.2提高匹配精度的阶段判断坐标，所以把坐标也放到了距离向量中[P(a)]》
四、ORH 乘车匹配 Ride-matching
4.1.乘客所属区域zα匹配 Local Zone matching
1.ORH 计算 [P(d)’]=[P(a)]-[P(b‘)]=[P(a)]-[P(b)]+[P(u)]
2.ORH 将 [P(d)’]发给CP
3.CP 解密 [P(d)’]得到 P(d)’、并且获得其混淆值 ~P(d)’ 《这里的混淆电路还不太明白怎么操作的》
4.ORH 通过1-out-of-2 OT protocol 获得[P(u)]的混淆值 ~[P(u)]
5.通过算法2(如图3)判断两个司机哪个离乘客近
算法注释：
第一、二步是计算第一个司机到该乘客的最近距离(把P打包、第二步是找到两个P之间的最大值)
第三、四步同上计算第二个司机到该乘客的最近距离
第五步是判断哪个司机离乘客近
图 3 上为算法、下为混淆电路
4.2.提高匹配精度 Refinement
1.ORH 把4.1中计算出来的，乘客所处区域zα与最近司机的[P(d)’] (4.1.1中计算)、
与[x]-[ηx]=>[x’] ; [y]-[ηy]=>[y’]都发给CP
2.CP 将其解密并获得混淆值 P(d)’、[x’]、~[y’]
3.ORH 通过1-out-of-2 OT protocol 获得~[P(η)] ; ~[ηx] ; ~[ηy]
4.通过如下图算法3(如图4)判断其他八块区域za1, za2, za3, za4, za5, za6, za7,za8（具体见图1）是否有需要计算的必要
算法注释：
第四步是计算乘客的坐标x、y
第五、六步是计算第一个司机到该乘客的最近距离(把P打包、第二步是找到两个P之间的最大值)
第七步是计算Γ Γ是一个8位的二进制数，每一位指示一个区域是否该计算（就是看以该距离为半径的圆是否“触”到了周围区域，具体看图1）
第八步是判断 区域zα4是否该计算，后面9到15步同理，是很简单的距离判断（见图一）
图 4 上为算法、下为混淆电路
5.通过算法3获得有需要计算得必要的其他区域、
然后通过4.1Local Zone matching算法计算该区域中离乘客最近的司机，若该司机到乘客的距离B比乘客到本区域最短距离A小，就刷新最短距离A。最终我们得到距离最近的司机，并且将乘客位置信息发送给他………