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,提出了一种基于遮代网格划分和熵估计的稀疏轨迹预测算法(TPDS.IGP&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.IGP&EE算法几乎不受查询轨迹长度的影响,可以预测几乎100％的查询轨迹；并且TPDS.IGP&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-IGP&EE算法的预测时间(10灿)几乎可以忽略不计.TPDS.IGP&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.