随着全球定位导航系统（GPS）等定位设备的普及,基于GPS的室外轨迹挖掘已得到较多的研究和应用,如可以从GPS轨迹中挖掘用户兴趣地点等知识,并将其应用到基于位置的推荐系统中。但基于GPS的位置服务技术不能满足室内位置服务系统的需求。室内定位需要不同于GPS的技术,室内的位置信息和轨迹路线也比室外更复杂,因此需要研究室内位置服务相关的技术,但目前这方面工作较少,仍然面临许多挑战。针对某园区室内外一体化位置服务信息系统开发的要求,本文就其中的室内轨迹挖掘与位置推荐关键技术进行了研究,并通过原型系统实现验证了相关算法的可行性。本文完成的主要工作内容如下。（1）针对位置服务的室内轨迹分析和挖掘问题,本文提出了一种基于室内行人轨迹数据的轨迹挖掘算法。算法将原始轨迹数据进行处理:首先,将用户轨迹点与室内的位置进行匹配;然后,根据室内地图数据和已匹配的轨迹点得到用户所在的位置名,即具有附加语义的轨迹数据;最后,挖掘位置语义轨迹中的兴趣区、聚集区和关键节点。（2）针对位置服务的位置推荐精准度问题,本文提出了一种融合自注意力机制和长短期记忆网络结构（Long Short-term Memory,LSTM）的旅游推荐模型。利用用户长期位置数据和短期位置建模,将用户的景点序列数据处理成特征向量作为模型输入数据,通过长短期记忆网络结构和自注意力机制模型分别学习用户长期和短期兴趣,考虑到用户评论偏好、天气和距离等因素,将融合自注意力机制和长短期记忆网络结构的旅游推荐模型预测的长期偏好与短期偏好景点序列进行融合、重新规划,最终得到符合用户偏好的旅游线路。实验结果表明本文方法有效的提高推荐精准度。（3）针对本文提出的轨迹挖掘和位置推荐算法的应用问题,开发出一套某园区室内位置服务系统,该系统研究分析了室内轨迹数据特点,设计了室内轨迹大数据处理的基础流程框架,并实现了从室内轨迹采样数据到室内地理位置信息关联,抽取抽象的位置语义轨迹,进而通过所提出的轨迹挖掘算法,将挖掘位置语义轨迹中的兴趣区、聚集区、关键点等知识可视化,从而为位置推荐、路径规划、资源分配等位置相关服务相关算法设计提供了启发特征。通过在园区室内位置服务系统上的应用,提升了整个系统的预测和决策性能,达到了预期效果。