پیش¬بینی مکان خودروها در شبکه حمل و نقل، تحلیل¬ پیچیده¬ای است که می¬تواند توسط تحلیل¬های مکانی دیگری انجام گیرد و دارای کاربردهایی مانند بهبود خدمات مکان¬مبنا و جرم¬شناسی می¬باشد. در صورتی که این تحلیل تحت وب انجام گیرد، خروجی آن می¬تواند توسط برنامه¬هایی که خدمات مکانی را ارائه می-دهند، استفاده گردد. بعلاوه امکان مشاهده مکان¬های پیش¬بینی شده در هر زمان و مکانی تحت وب فراهم می¬گردد تا برای کاربردهایی مانند تعقیب مجرمین توسط نیروهای پلیس مورد استفاده قرار گیرد. از طرفی در حوزه¬ی علوم مکانی، استانداردهایی برای تعامل¬پذیری وب سرویس¬ها توسط ogc ارائه شده است. همچنین سرویس¬هایی می¬تواند به وجود آید که با استفاده از سرویس¬های دیگر، سرویس جدیدی ارائه نماید. این کار با کنار هم قرار دادن چندین سرویس میسر می¬شود که به آن، زنجیره¬سازی می¬گویند. توسط زنجیره¬سازی می¬توان تحلیل¬های پیچیده¬تری انجام داد. در این تحقیق، روش¬ها و الگوهای زنجیره¬سازی وب سرویس¬های مکانی، مطالعه و بررسی شد. ابتدا الگوریتمی برای پیش¬بینی مکان خودرو با استفاده از تحلیل¬های مکانی ارائه گشت. این الگوریتم، خطوط سیر پیشین که مشابه خط سیر کنونی خودرو است را استخراج می¬کند. سپس با استفاده از آن¬ خطوط سیر، موقعیت¬هایی از لایه راه¬ها را که خودرو ممکن است در آینده در آن¬ها حضور داشته باشد، را پیش¬بینی می-کند. آنگاه وب سرویس¬های مورد نیاز برای اجرای این الگوریتم، شناسایی و توسعه داده شد. در انتها یک وب سرویس اجرا کننده زنجیره¬ وب سرویس¬ها به روش مرکزی و با الگوی مبهم از نظر کاربر و با استفاده از تکنولوژی .net پیاده¬سازی شد. با توجه به زمانبر بودن اجرای این وب سرویس، از الگوی غیرهمزمانی استفاده گردید. وب سرویس توسعه داده شده، توسط داده¬های خط سیر افراد در شهر پکن مورد ارزیابی قرار گرفت. نتایج نشان داد که حجم تبادل داده به طور متوسط برای 1 دقیقه برابر 170.375 کیلوبایت، برای 2 دقیقه برابر 505.75 کیلوبایت و برای 3 دقیقه برابر 1066.625 کیلوبایت می¬باشد که با توجه به سرعت اینترنت نسبتا مناسب است. همچنین با افزایش مدت زمان پیش¬بینی، حجم داده مبادله¬شده افزایش می¬یابد و بخش بیشتر مبادله داده را خروجی وب سرویس ارائه کننده لایه راه¬ها در بر می¬گیرد. نتایج ارزیابی الگوریتم پیش¬بینی پیشنهادی نشان می¬دهد که احتمال پیش¬بینی صحیح برای 1 دقیقه برابر با 75 درصد و برای 2 و 3 دقیقه برابر با 65.62 درصد می¬باشد. بنابراین این الگوریتم قادر به پیش¬بینی صحیح موقعیت اکثر افراد است. اما الگوریتم در مواردی که خطوط سیری شبیه به آخرین خط سیر فرد (با توجه به معیار شباهت پیشنهادی) برای مقایسه خطوط سیر در گذشته یک فرد وجود نداشته، یا هنگامی که خطای محاسبه موقعیت توسط دستگاه gps بیشتر از مقدار در نظر گرفته شده باشد و یا بخشی از لایه راه¬ها در منطقه حضور یک فرد ناقص باشد، نتایج قابل قبول ارائه نمی¬دهد.