在基于位置服务(LBS)应用广泛渗入生活的同时,室内定位技术的发展需求日益攀升。在硬件设备精准化,软件算法融合化的技术推进下,室内定位已取得长足进步。现场的复杂性与环境的更迭带来固化定位方案普适性较差的壁垒是定位领域的难点。另一方面,在机器运作模式上,不再满足于当下用户开发前提出需求,运行时调整参数的人机割裂现状,在环境传感量丰富与数据加速融合的背景下,控制系统的自由度有望进一步提高。课题研究了诸多基础定位信号传输媒介与定位算法,发现其存在交叉复用,而后从人和机器共同参与决策的思路出发,探索了高级用户作为系统闭环一部分的可行性。为定位提出新的解决方案——人机协同室内定位方法(Man-Machine Cooperation Location Method,简称 M2CLM),并建立了 M2CLM 模型。模型分为感知层,驱动层,推理层,决策层,交互层,本文详述了各层设计思路和实现要点,给出相关模板类、数据传输帧格式、缓存区设计的具体格式;模拟于人对命题的置信程度构建了用于定位决策演算的属性方法概念;在推理层归纳总结了八类定位领域高级用户常用的参数联系推论,以信息加工方法对属性转换条件进行研究;通过统一的封装达到人和机器的决策协同参与的目的。在具体实现环节,课题以WSN,树莓派,移动APP为底层设备,设计获取包含RSSI,人脸识别,IC卡刷取,手机传感器信息在内的多源异构数据,以M2CLM模型为蓝图设计服务器,进行了全面系统的开发。在测试环节,列举出四种人员参与定位决策的场景,予以分别验证,证实了 M2CLM系统可按照预期运行。在定位领域给出了人机协同的良好范本。机器的运作过程中“耦合”人的经验想法,使高速的运算与智慧的人脑相结合,适应于环境的更迭,状况的变化,是智能化进程中重要的方向,不仅是定位,构建统一化协同决策方法在更多领域值得探索。