随着室内定位的精度越来越高,位置数据越来越可靠,对室内位置数据挖掘也慢慢成为了众多学者和科研人员的研究方向,室内环境下的行人预测的研究逐渐火热起来。本文针对室内行人位置预测的研究主要完成了以下几个方面的工作:(1)对位置预测的前景和应用价值进行了全面的分析,评估了该方向的研究价值和实用价值。调研轨迹位置预测的研究,分析了国内外该方向研究的发展;(2)分析了室内位置数据的来源,介绍了几种室内定位算法,进而对于几个应用比较广泛的位置预测模型进行了详细的分析,比较各自优势劣势,最后对评价轨迹相似度的几种常见方法进行了分析和调研;(3)分析了 POI、行人出行动机性和停留点之间的联系,对连续行人轨迹以POI为单位抽取为离散轨迹,去除冗余并保留轨迹中出行目的的语义信息,提出了利用对停留点聚类进而提取POI的方法并验证其可行性;针对最长公共子序列相似度计算方法(LCS)在海量数据下时效性能不佳的问题,提出了一种分层的轨迹相似度方法——Multisimi,通过高效的欧氏距离计算方法和对顺序序列相似度计算更加精准的LCS算法,实现了高效精准的轨迹相似度计算,找到频繁访问模式。针对二阶马尔科夫预测模型对历史轨迹参考的局限性,在频繁访问的轨迹模式下应用二阶马尔科夫模型进行位置预测,提出Multisimi-马尔科夫算法,并找到了—种解决概率冲突的方法,预测准确率相较于二阶马尔科夫算法,提升了 16.1%;(4)针对Multisimi-马尔科夫位置预测算法缺乏对行人到达时间估计的不足,提出了基于最小二乘法和历史周期性的到达时间估计方法,实现了人群密度的预估,对区域人群密度预估进行研究,准确率达到62.22%。在典型室内定位网络侧平台的基础上,设计了位置预测服务系统架构,针对现有关系型数据库性能无法满足位置大数据分析的问题,增加Hbase非关系型数据库和Redis缓存模块,对系统进行压力测试实验,与原有MySQL数据库存储方案相比,系统性能提升了 68.7%。