En el contexto de este trabajo de investigación, estudiamos el problema de preservación de la privacidad en bases de datos espacio-temporales. En particular, investigamos la -anonimidad de usuarios móviles basada en datos reales de trayectorias. El conjunto de -anonimidad consiste en los vecinos más cercanos. Construimos un vector de movimiento de la forma (,,,) donde y son las coordenadas espaciales, es la dirección del ángulo, y es la velocidad de los usuarios móviles, y estudiamos el problema en un espacio de cuatro dimensiones. Seguimos dos enfoques. El primero aplicó solo el algoritmo de -Vecino Más Cercano (-NN) en todo el conjunto de datos, mientras que el segundo combinó el agrupamiento de trayectorias, basado en K-medias, con -NN. En realidad, se aplicó -NN dentro de un grupo de usuarios móviles con un patrón de movimiento similar (,). Definimos una métrica, llamada vulnerabilidad, que mide la tasa a la que los -NN varían. Esta métrica varía de (alta robustez) a 1 (baja robustez) y representa la probabilidad de que la identidad real de un usuario móvil sea descubierta por un atacante potencial. El objetivo de este trabajo era demostrar que, con alta probabilidad, la tasa mencionada tiende a un número muy cercano en el método de agrupamiento, lo que significa que la -anonimidad está altamente preservada. A través de experimentos en conjuntos de datos espaciales reales, evaluamos la robustez de la anonimidad, la llamada vulnerabilidad, del método propuesto.