随着城市人口的快速膨胀、汽车拥有量快速增长,交通效率、安全、能耗、污染等问题日益凸显。车载网技术作为智能交通研究的前沿,已经成为国际智能交通领域的研究热点。国际与国内均开展了技术研究、标准化研究和实验网部署等相关工作。车载网络具有特殊性,诸如节点移动性高、网络拓扑变化快、无线信道质量不稳定、车辆移动受限于道路拓扑且车辆轨道一般可预测等特点,这些特点对城市场景下数据传输、移动性管理等关键技术优化带来了很大的挑战。车辆的移动位置预测对于车载网络的应用具有重要意义,可用于车载网络的数据传输、移动性管理等技术的优化设计等。车辆的移动是具有时间和空间规律性的,这使得车辆移动性预测更具有可行性。本文研究了预测在车载网络上的应用,总结了车载网络预测的方法,介绍了目前预测技术在车辆移动轨迹预测方面的研究成果。重点分析了基于马尔可夫链的车辆移动位置预测方法。主要研究工作包括:(1)本论文研究了基于全球定位系统(Global Positioning System,GPS)采集的意大利罗马出租车行驶数据,使用真实数据集实现了基于二阶马尔可夫链的车辆位置预测方法。然后,将实验预测的车辆位置与车辆的真实位置进行比较,验证了基于二阶马尔可夫链的车辆位置预测方法的准确性,并研究了实验中网格大小和历史行驶数据的不同取值对预测性能的影响。(2)在对二阶马尔可夫链的车辆位置预测方法进行充分研究后,发现该方法在预测流程上仍有所欠缺,以此为基础提出一种改进预测算法,在预测过程中对预测算法的输入进行动态及时的调整,使得车辆位置预测的准确性在不同条件下其准确性均比原始算法表现较好,并通过实验仿真验证其准确性。