1.一种面向数据稀疏环境下的移动路径混合预测方法，其特征在于：所述的方法包括以下步骤：
S1：获取移动位置数据信息；
S2：数据处理：
对于数据进行数据预处理和数据语义解析；
S3：构建语义知识库：
对原始轨迹数据进行富语义转化与融合处理，构建语义知识库；
S4：构建混合在线预测模型：
基于语义知识库，建立基于前向模式相似度匹配计算与高阶马尔可夫模型的混合在线预测模型；
S5：预测路径输出：
在混合在线预测模型中输入待预测轨迹片段进行预测，输出预测路径。
2.根据权利要求1所述的一种面向数据稀疏环境下的移动路径混合预测方法，其特征在于：所述S1中移动位置数据信息包括待预测轨迹片段。
3.根据权利要求1所述的一种面向数据稀疏环境下的移动路径混合预测方法，其特征在于：所述的S2中数据语义解析包括对数据进行统一化的语义坐标转换操作，分割成完整移动轨迹段，并进行标注。
4.根据权利要求1所述的一种面向数据稀疏环境下的移动路径混合预测方法，其特征在于：所述的S3中对原始轨迹数据进行富语义化转化和融合处理包括：隐含地图语义化分割、路网骨架简约节点抽取、移动模式知识发现。
5.根据权利要求4所述的一种面向数据稀疏环境下的移动路径混合预测方法，其特征在于：所述的S3中对原始轨迹数据进行富语义化转化和融合处理还包括区域级Pair迁移矩阵，所述的区域级Pair迁移矩阵是基于隐含地图语义化分割处理而计算得到。
6.根据权利要求4所述的一种面向数据稀疏环境下的移动路径混合预测方法，其特征在于：所述的S3中对原始轨迹数据进行富语义化转化和融合处理还包括多连续状态迁移概率模型，所述多连续状态迁移概率模型用于对分段轨迹序列转化语义数据。
7.根据权利要求6所述的一种面向数据稀疏环境下的移动路径混合预测方法，其特征在于：所述的S4中前向模式匹配包括元素匹配和距离计算。
8.根据权利要求1所述的一种面向数据稀疏环境下的移动路径混合预测方法，其特征在于：优先执行前向模式匹配预测过程，在匹配过程有解时输出预测路径；在匹配过程无解时，执行Markov概率推理模型，以当前移动状态为基准，前向递推相应阶次连续状态迁移概率分布，以概率最大值者作为所输出的步长为1的预测路径，通过递归循环过程，以所预测的目的地位置信息作为终止条件，输出预测路径。
9.根据权利要求1所述的一种面向数据稀疏环境下的移动路径混合预测方法，其特征在于：所述S5中待预测轨迹片段输入前要执行相应的S2中的数据处理步骤。
10.根据权利要求1-9任一所述的一种面向数据稀疏环境下的移动路径混合预测方法，其特征在于：针对S2中数据预处理与语义解析步骤设计了相应的动态监控管理与消息产生流程控制。