針對移動對象軌跡預測所面臨的“數據稀疏”問題，即有效的歷史軌跡空間不能覆蓋所有可能的查詢軌跡，提出了一種基于迭代網格劃分和熵估計的稀疏軌跡預測算法（r IPDS-ICP&EE）。首先，對軌跡區域進行迭代網格劃分并生成軌跡序列；然后，引入L-Z熵估計計算軌跡序列的熵值，在軌跡熵值的基礎上進行軌跡綜合形成新的軌跡空間；最后，結合子軌跡綜合算法，進行稀疏軌跡預測。實驗結果表明，當軌跡完整度達到90%以上，Baseline算法的查詢覆蓋率只有25%左右；而TPDS-ICP&EE算法幾乎不受查詢軌跡長度的影響，可以預測幾乎lOO%的查詢軌跡；并且TPDS-ICP&EE算法的預測準確率普遍高于Baseline算法4%左右；同時Baseline算法的預測時間非常長，達到100ms，而TPDS-ICP&EE算法的預測時間（10 I_LS）幾乎可以忽略不計。rIPDS_ICp&EE算法能夠有效地進行稀疏環境下的軌跡預測，具有更廣的預測范圍、更快的預測速度和較高的預測準確率。
?