室内移动对象定位技术发展至今,多采用无线互联技术(Wi-Fi),结合移动设备,获取对象位置信息。但是在人口密度大的大型室内环境中,如机场候机楼、火车站、大型购物中心等,可能存在Wi-Fi带宽不够、信号死角等情况,导致难以实时的获取移动对象的位置。因此需要预测移动对象未来可能移动到的位置。本论文依托于四川省科技厅支撑计划项目“民航智慧机场旅客互联应用关键技术研究”(项目编号:2017GZ0034),以室内移动对象轨迹数据为研究对象,开展室内移动对象轨迹预测等相关技术的研究。首先,通过分析室内空间的特点,通过网格化的方法分割室内空间,建立室内空间模型。然后,结合室内空间模型,研究当前室内定位技术生成的原始移动对象轨迹数据,提出了一种对原始轨迹数据预处理的方法,通过该方法可将轨迹数据封装成特定的轨迹数据模型;采用DBSCAN(Density-Based Spatial Clustering of Applications with Noise)聚类算法,提取轨迹数据的特征值,对重要位置点聚类,生成重要位置点簇类库。为验证预处理方法及聚类算法的有效性,本文对UJIIndoor Loc网站公开数据进行预处理及聚类,证明了算法的有效性。第三,针对经典隐马尔科夫模型(Hidden Markov Model,HMM)模型中出现状态停留导致预测失败的问题,结合生成的重要位置点簇类库与轨迹点的状态停留时间,对经典HMM模型进行改进,建立改进的轨迹位置预测模型,实现移动对象的轨迹预测;通过采用第二步中所得数据对预测模型进行仿真,验证本预测模型的有效性。在此基础上,结合重要位置点簇类库对历史轨迹数据进行压缩,以便精简数据。最后,设计与开发室内位置服务原型系统,实现对移动轨迹数据聚类及预测模型的应用。