공간 크라우드소싱(Spatial Crowdsourcing, SC)에서 비용 효율적인 작업 할당을 촉진하기 위해, 근로자들은 자신의 위치를 서버에 보고해야 하며 이는 심각한 개인정보 보호 우려를 야기한다. 이에 대한 해결책으로, 근로자들이 실제 위치 대신 교란된(perturbed) 위치를 보고할 수 있도록 하는 위치 정보 은폐(geo-obfuscation)가 SC 근로자의 위치 개인정보를 보호하기 위해 널리 사용되어 왔다. 그러나 기존 대부분의 위치 정보 은폐 방법은 근로자의 이동성을 2차원(2D) 평면에서 고려하는데, 여기서 근로자들은 임의의 방향으로 이동할 수 있다. 불행히도 2D 기반 위치 정보 은폐는 위치 은폐로 인해 발생하는 이동 비용의 왜곡을 정확히 추정할 수 없기 때문에, 도로를 통한 작업 할당에서 높은 이동 비용을 유발할 가능성이 크다. 본 논문에서는 도로 네트워크 상에서 SC 근로자의 위치 개인정보 보호 문제를 다룬다. 근로자의 네트워크 제약 이동 특성을 고려하여, 우리는 동적 교통 상황과 도로 네트워크 토폴로지를 반영하는 가중 유향 그래프로 근로자의 이동성을 기술한다. 그래프 모델을 기반으로, 작업 할당 효율을 손상시키지 않으면서 근로자의 전반적인 위치 개인정보를 최대화하기 위한 위치 정보 은폐(GO) 함수를 설계한다. 또한 최적의 GO 함수를 도출하는 문제를 선형계획법(LP) 문제로 정식화한다. LP 제약 행렬의 각도 블록 구조를 활용하여, GO 함수 생성의 시간 효율을 향상시키기 위해 Dantzig-Wolfe 분해를 적용한다. 실제 궤적 기반 시뮬레이션과 실제 환경 실험에서의 실험 결과는 개인정보 보호와 작업 할당 효율 두 측면 모두에서 본 접근법의 유효성을 입증한다.