目的 地预测是许多新兴的基于位置的应用的基本任务,对目的地预测的常用方法是基于历史轨迹进行预测,而且大多集中于下一位置的预测,很少有工作关注面向特定时间间隔的预测。在实际的位置预测场景中,随着时间的推移,人们对目标的位置信息往往有新发现或新线索,会对目标的信息进行更新。比如,在追踪目标的过程中,目击者或道路摄像头会记录目标在某个时刻出现在的区域。这些更新的信息对位置预测是十分重要的信息。为了实现面向特定时间间隔的位置预测,并充分利用这些过程中的信息,我们提出了一种加入中间查询的预测方法(MQLP),该方法使用基于一阶马尔科夫模型的特定时间间隔的预测方法(TLP)得到中间时刻的查询函数,根据测试轨迹的历史轨迹判断查询结果(查询到或未查询到),将查询结果作为约束条件训练新的预测模型,预测车辆在特定时间后的位置。实验使用真实的出租车轨迹数据,实验结果表明,MQLP 方法比仅使用一阶马尔科夫模型的预测准确率要高,预测的时间间隔越小,准确率提高越多。