基于交通路网研究移动对象轨迹预测，将序列分析方法和马尔可夫统计模型结合，提出了一种基于后缀自动机的变阶马尔可夫模型挖掘方法。该方法根据移动对象的历史轨迹数据进行学习训练，计算轨迹序列上下文的概率特征，建立序列的后缀自动机模型，结合当前实际轨迹数据，动态自适应预测将来的位置信息。实验结果表明：相比固定阶马尔可夫模型，随着阶数的增加（L≥2），固定阶马尔可夫模型预测的精度逐步降低，而该方法能动态自适应，精度保持在81.3%左右，取得较好的预测效果；同时，该方法只需线性的时间和空间开销，大大降低了存储空间和时间，能实现大规模数据的在线学习。