社会老龄化使人们对老人的监护压力越来越大,因而老人独自外出并发生跌倒、走失的情况屡见报端。同时,随着定位技术的发展,许多老人佩戴了具有位置服务的可穿戴设备。因此,通过位置服务检测老人出行异常,预测老人位置,对增强监护人对老人出行过程的监护具有重要意义。近年来,国内外学者对异常检测和位置预测进行了许多研究,但针对老人的研究较少,且大部分研究仅考虑单一场景,无法形成易于落地的方法体系。在总结前人研究的基础上,本文把老人的出行异常情况分为出行位置异常、出行时间异常和停留时间异常,将老人位置预测的场景分为离线位置预测和实时位置预测,然后提出新的异常检测方法和位置预测方法。本文的具体工作如下:1.对于轨迹预处理,本文提出了一种融合中值和均值滤波器的降噪方法和一种基于安全区域的轨迹分割方法。该降噪方法可以滤除大偏移噪声、平滑小偏移噪声,且具有较低的算法复杂度。该轨迹分割方法将老人住所及附近区域视为安全区,将安全区外的轨迹作为出行轨迹保留下来。该方法既能截取有效出行轨迹又减少了数据量。2.在出行异常检测方面,本文首先提出一种改进的分段DTW轨迹相似性度量方法,该算法提高了相似性度量的精度,降低了计算复杂度。然后提出在对轨迹进行分类后,通过网格生长法获取各轨迹类的轮廓,并对轮廓按距离分段,形成网格区域序列,同时提取每个网格区域的中点组成该轨迹类的特征序列。在进行出行异常检测时,将实时轨迹映射到网格区域序列中,从而检测出行位置异常和停留时间异常,通过对比历史出行时间检测出行时间异常。实验证明,该算法对老人出行异常检测的准确率高达77.8%,比其他异常检测算法更适合老人出行异常的检测。3.根据应用场景的不同,本文提出了基于时间加权树的实时位置预测和基于时间匹配的离线位置预测方法。实时位置的预测方法根据点密度对每个轨迹类的网格区域进行合并,提取高密度区域作为轨迹类的关键地点序列,然后合并各轨迹类的重合区域,得到老人出行状态树模型。在进行预测时根据老人的实时位置,结合出行时间和状态树预测老人的下一个位置。离线位置预测将老人的历史轨迹按星期几分为七组,然后分别对每组轨迹分时间段提取热门区域,预测时根据时间选取对应的到访区域作为预测值。实验表明,实时位置预测算法的准确率高达78.5%,离线位置预测算法的预测准确率达到63.5%,对老人位置预测具有较高的参考价值。4.为将课题实用化,本文设计了一套老人出行异常检测和位置预测系统。该系统包括定位设备、监护人终端软件和后台软件,为监护人或养老服务机构提供服务。