随着无线通信技术与互联网技术的不断发展,基于位置服务（Location Based Service,LBS）的应用领域也逐渐从室外场景延伸到室内场景。室内场景随着多元化的产业升级变得愈加复杂,目前多技术融合应用是实现室内位置服务系统的发展趋势,主要涉及的技术包括室内定位和轨迹预测。传统的室内定位技术首先在室内部署位置已知的接入点设备,然后通过计算目标点与接入点之间的距离来实现,这种方法容易受环境影响,且十分依赖硬件的支撑。传统的轨迹预测技术多应用于室外场景下的实时预测或者长期预测,而室内场景下由于用户的移动不频繁,实时预测与长期预测均不适用,室内轨迹预测可以采用“弱实时”的方式,即对用户停留一段时间后的去向进行预测。针对已有研究的不足之处,本文以攻读工程硕士期间在华为苏州研究所的实习项目为背景,从实现大型室内场景下位置服务系统的基本需求出发,提出基于位置指纹和特征提取的定位算法以实现高精度的室内位置定位,根据室内用户的移动模式,提出基于时空上下文的轨迹预测算法以实现“弱实时”轨迹预测,本文的具体研究工作如下:1、在选择位置指纹定位的基础上,提出一种兼顾设备信号覆盖率与数量的设备部署方法,避免采集的指纹数据维度过高,影响定位算法的效率。根据设备部署的最终目标以及限制条件,使用最优化思想将问题转换为求解最少数量的设备覆盖最多用户可达区域的组合优化问题,选择模拟退火算法进行求解,通过仿真实验得出结果并进行可视化的展示。2、提出一种基于特征提取的定位算法,对离线阶段采集的原始指纹数据进行特征提取以获取低维度、高鲁棒性的训练指纹数据,将定位问题转变为深度学习中的分类问题,使用深度学习框架构造多层人工神经网络进行训练提高分类的准确度,即定位的精准度。通过设置对比实验,验证了特征提取后的指纹数据能够有效地提高定位的精准度。3、提出了一种基于时空上下文的轨迹预测算法,分析室内场景下适用的“弱实时”预测方式,根据定位结果将用户的历史位置序列作为轨迹数据,通过自定义时间和空间间隔的方式,计算出轨迹点之间的时空上下文并应用于轨迹预测中。通过设置多组对比实验,验证对室内用户的移动轨迹进行“弱实时”预测的有效性。目前很多企业对于室内位置服务系统的研究投入巨大,该系统具有重要应用价值、商业价值,在方便用户的同时也可以帮助企业更好地分析用户需求、发现不同用户之间的潜在关联、扩大服务的适用范围,在服务业飞速发展背景下对室内位置服务系统进行研究具有重要意义。