基于迭代网格划分和熵的稀疏轨迹预测算法

　　针对移动对象轨迹预测所面临的“数据稀疏”问题，即有效的历史轨迹空间不能覆盖所有可能的查询轨迹，提出了一种基于迭代网格划分和熵估计的稀疏轨迹预测算法（r IPDS-ICP&EE）。首先，对轨迹区域进行迭代网格划分并生成轨迹序列；然后，引入L-Z熵估计计算轨迹序列的熵值，在轨迹熵值的基础上进行轨迹综合形成新的轨迹空间；最后，结合子轨迹综合算法，进行稀疏轨迹预测。实验结果表明，当轨迹完整度达到90%以上，Baseline算法的查询覆盖率只有25%左右；而TPDS-ICP&EE算法几乎不受查询轨迹长度的影响，可以预测几乎lOO%的查询轨迹；并且TPDS-ICP&EE算法的预测准确率普遍高于Baseline算法4%左右；同时Baseline算法的预测时间非常长，达到100ms，而TPDS-ICP&EE算法的预测时间（10 I_LS）几乎可以忽略不计。rIPDS_ICp&EE算法能够有效地进行稀疏环境下的轨迹预测，具有更广的预测范围、更快的预测速度和较高的预测准确率。