基于迭代網(wǎng)格劃分和熵的稀疏軌跡預(yù)測(cè)算法

　　針對(duì)移動(dòng)對(duì)象軌跡預(yù)測(cè)所面臨的“數(shù)據(jù)稀疏”問(wèn)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(wǎng)格劃分和熵估計(jì)的稀疏軌跡預(yù)測(cè)算法（r IPDS-ICP&EE）。首先，對(duì)軌跡區(qū)域進(jìn)行迭代網(wǎng)格劃分并生成軌跡序列；然后，引入L-Z熵估計(jì)計(jì)算軌跡序列的熵值，在軌跡熵值的基礎(chǔ)上進(jìn)行軌跡綜合形成新的軌跡空間；最后，結(jié)合子軌跡綜合算法，進(jìn)行稀疏軌跡預(yù)測(cè)。實(shí)驗(yàn)結(jié)果表明，當(dāng)軌跡完整度達(dá)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(zhǎng)度的影響，可以預(yù)測(cè)幾乎lOO%的查詢軌跡；并且TPDS-ICP&EE算法的預(yù)測(cè)準(zhǔn)確率普遍高于Baseline算法4%左右；同時(shí)Baseline算法的預(yù)測(cè)時(shí)間非常長(zhǎng)，達(dá)到100ms，而TPDS-ICP&EE算法的預(yù)測(cè)時(shí)間（10 I_LS）幾乎可以忽略不計(jì)。rIPDS_ICp&EE算法能夠有效地進(jìn)行稀疏環(huán)境下的軌跡預(yù)測(cè)，具有更廣的預(yù)測(cè)范圍、更快的預(yù)測(cè)速度和較高的預(yù)測(cè)準(zhǔn)確率。
?