近年来,随着移动互联网技术的进步和智能终端的普及,位置服务得以迅速发展,并逐渐融入到人们的日常生活中。但目前位置服务主要应用在室外场景中,针对室内场景的应用和发展还不成熟,相关的理论研究也不够完善。研究并实现易用性和实用性较高的室内位置服务方法,并解决方法应用过程中的关键问题,对室内位置服务的发展和实现室内外一体化位置服务具有重要意义。本文以实际项目为背景,提出一种基于iBeacon和微信的室内位置服务方法。实际项目开发过程中有些需要解决的基本问题,在系统建设阶段需要对设备进行合理地部署,在系统运行阶段需要规划多条可行路径,在系统优化阶段需要预测用户行为。本文将针对上述问题提出可行的解决方法,并在实际项目中具体实现这些方法,为基本问题的解决提供理论依据。本文的主要工作及研究点如下:一、针对设备部署问题,实现一种最优化设备部署算法,从而使应用场地的信号覆盖率满足实际需求的同时,最小化设备部署数量,减小部署成本。由于应用场地通常面积比较大,而且包括各种障碍物,因此采用人工部署的方式难免会造成设备信号重叠严重、场地边缘区域无法被信号覆盖或部署设备过多的情况,从而导致部署效果较差或部署成本增加。针对该问题,本文采用最优化思想,通过数学建模将设备部署问题转化为最优化问题,并使用遗传算法进行求解;通过实验调整数学模型的系数,并分析遗传算法在解决设备部署问题中的优势;在此基础上,本文将实现可视化设备部署和用户定位等功能。二、针对多路径规划问题,实现可跨越多个楼层的多路径规划算法,从而减小各个路段的客流压力,并提高路径规划速度。由于室内空间较小,容易造成客流拥挤的情况,因此需要规划多条路径以缓解各个路段的压力;同时,由于室内通常包含多个楼层,因此需要跨越多个楼层进行路径规划。针对这两个基本需求,本文采用分层路径规划的思想,将跨层多路径规划问题转化为层内多路段规划问题,并通过层内路段的拼接构建目标路径;本文将在理论上对该算法的时间复杂度进行分析,并通过实验研究该算法在计算速度方面的优势;在此基础上,实现可视化路径管理和用户导航功能。三、针对用户行为预测问题,实现基于模型预测和基于规则预测相结合的用户行为预测方法,从而达到较优的预测效果。位置服务系统在运行阶段可以收集大量的用户数据,通过对这些数据的分析可以预测用户行为,从而在定位和导航过程中为其提供个性化位置服务,进而提高用户粘性。本文根据实际应用中可以采集的用户历史数据,分别研究基于模型的预测方法和基于规则的预测方法,在此基础上实现两种预测方法的有效结合,进一步优化预测效果;并通过实验对不同的预测方法进行测试和对比;在此基础上,实现用户数据采集和数据可视化功能。