本论文主要研究了车联网系统中,基于用户历史行车轨迹,来构建位置预测概率模型,然后结合用户当前的行车轨迹来预测用户接下来的行车方向,提前预测用户行驶路线,进而主动为用户提供相关交通信息服务。论文涉及到的主要工作内容包括云端软件开发,位置预测算法研究等。车联网系统主要由车载端、云端和移动端三部分组成。车载端通过GPS芯片和LoRa网络收集当前车辆和附近车辆的位置信息,并通过GPRS无线通信技术将数据包上传至云端。云端的数据解析模块对位置数据进行处理并存储,历史轨迹分析模块会对车辆的历史轨迹点进行数据挖掘,找出用户行车的运动特征,建立位置预测概率模型,当用户车辆匹配到关键点后,根据概率模型,预测车辆出行路线。移动端是为驾驶员和后台管理员设计的,驾驶员可以通过移动端来实时监控车辆的位置信息。本文主要工作内容是云端架构设计和软件开发以及基于历史轨迹的位置预测算法的研究,所做工作包括:1.车联网云端系统的设计开发,主要有数据解析模块、用户中心模块,车辆管理模块,车辆位置预测模块以及数据存储服务等;2.位置预测算法研究,基于历史轨迹来预测位置的概率模型算法,并优化了该算法。增加了异常轨迹点的修复操作,通过修复异常轨迹点来保证GPS轨迹点序列在时间上的连续性;同时对关键分叉点的提取条件,新增最短距离算法进行判断,减少关键点的误判率,进一步提高位置预测的准确率。最后,通过Python仿真测试两组算法位置预测效果,结果表明,改进后的位置预测算法对于大部分的行车轨迹具有良好的预测效果,有较高的实用价值。