随着无线技术的发展和各种无线应用,尤其是需要QoS(Quality of Service)支持的无线应用的兴起和普及,移动预测技术越来越受到重视。移动预测可以在很多方面对无线网络产生影响,包括减小移动主机在移动切换时的切换延迟;更好地实施无线网络中的接纳控制、流量控制;减少无线网络系统中的能量消耗和改进AdHoc网络的组播协议等。本文分析了移动轨迹预测的已有方案,指出了各方案存在的问题,提出了一种基于数据挖掘的移动设备位置预测方法:MPP (Mobile Path Prediction Based on Pattern Mining and Matching),避免了K阶Markov预测器存在的状态空间膨胀的问题,并在若干个WLAN用户的移动跟踪数据集上对K阶Markov预测器和本文提出的新预测器的预测精度进行了比较分析。实验结果表明,本文提出的MPP方法能够达到比较理想的预测效果,接近目前预测精度最高的二阶Markov预测器的预测精度。MPP方法分为三个部分:(1)基本的移动模式挖掘;(2)增量移动模式挖掘;(3)基于模式匹配的移动预测。其中,增量挖掘的实现使得该方法能够随着移动数据的增加而实现移动模式的更新,从而具有较高的实用价值。最后又提出了挖掘移动用户活动的时间规律,进而与空间移动模式相结合来进行移动路径预测、通过定义年轻系数来刻画移动路径的新旧性,在移动模式挖掘过程中偏重较近时间段内的历史信息进行挖掘等方案,对MPP方法进行了改进。