随着移动通信和无线定位技术的发展，室内空间及其移动对象的数据管理成为目前数据管理领域的研究热点。由于定位系统的不同，传统的基于GPS位置的移动对象管理技术不能直接应用于室内空间，因此室内空间移动对象管理需要研究新的技术和方法。室内空间移动对象管理涉及诸多研究问题，本论文重点关注室内移动对象的轨迹相似度度量以及进一步的室内空间个性化推荐问题，旨在提出室内轨迹相似度度量的新方法并针对室内环境下特殊的个性化需求提出新的推荐方法，从而为室内移动对象管理及应用奠定基础。　　 本文中，我们以室内商业场所为应用背景，将室内空间这个研究方向的关注点放在室内移动对象的数据分析上，首先，我们提出了一个概念框架来表达室内空间和室内移动对象：其次，我们假设某个移动对象对某个位置的访问反映着其对该位置的偏好，利用室内移动对象的时空信息并结合室内商业场所的空间特征，对移动对象间的相似度进行衡量并据此定义每个移动对象的邻居集：第三，通过移动对象的位置访问历史和邻居集，我们对该移动对象未访问的位置进行预测评分，一些该移动对象没有访问过的而可能会匹配其兴趣的位置将会推荐给用户。　　 本文中，我们定义了室内移动对象之间的四种轨迹相似度度量策略。在这些度量方法中，我们考虑了三个方面的因素：(1)移动对象访问的位置；(2)移动对象在某位置上的停留时间；(3)移动对象所访问位置的热度。另外，我们将个性化推荐中最常用的推荐方法—基于用户的协同过滤方法，结合基于内容的推荐方法，利用在实验中表现最好的组合相似度，预估一个移动对象对某个未访问位置上的评分，最终将可能的感兴趣位置推荐给用户。　　 我们通过自行开发的室内移动对象轨迹生成工具IndoorSTG生成了室内移动模拟数据对本论文提出的室内轨迹相似度度量方法及个性化推荐方法进行了性能评估。实验结果表明，本文提出的相似度度量方法和相关的相似度度量方法相比，如最长公共子序列、编辑距离等，具有更好的效果。另外，我们的推荐算法对比基于项目的协同过滤算法和随机推荐算法，也能获得更高的准确率。