随着基于位置服务LBS的迅猛发展,人们对高精度室内位置信息的需求越来越强烈。同时室内定位服务带来了大量用户轨迹信息,这些轨迹信息反映了用户的意图、兴趣和行为模式。如何获取高精度用户室内位置信息进而将其还原成轨迹信息,再挖掘用户的轨迹信息已经成为一个研究热点。本文以基于高维信息还原出的轨迹作为研究对象,具体而言包括室内定位方法、基于高维信息的轨迹还原和轨迹地图的重构三个部分。论文首先针对不同设备间接收信号强度的差异提出了一种基于WiFi的室内指纹匹配的改进算法,称之为加权差分量化指纹匹配算法。该算法使用了引入了环境偏差度这个参数用于判断两个信号指纹是否相匹配,再通过指纹信号匹配程度来推算用户位置。室内定位中,不同设备可用于辅助室内定位的信息维度是不同。一些终端设备只能提供相对有限的信息,另一些设备可以提供更为丰富的信息用于室内定位。本文根据室内定位时所使用信息维度的高低将室内轨迹信息分为基于低维信息的轨迹和基于高维信息的轨迹。对于两种轨迹,本文采用了两种不同的轨迹还原方法。前者本文采用基于时空约束的轨迹还原算法,后者本文采用基于信息融合的轨迹还原算法。还原出的室内轨迹中,因为基于高维信息还原出的轨迹信息拥有更多的信息维度,其轨迹相对于基于低维信息还原出的轨迹更为可靠,所以经常将此类轨迹重构成室内轨迹地图。室内轨迹地图是在室内栅格地图的基础上绘制许多室内轨迹,通过室内轨迹地图可以得出离散位置点之间的关系,挖掘出室内位置点停留时间的长短、根据需求搜索出室内的高频路径等。此外室内轨迹地图通过自身的轨迹信息可以对用户进行轨迹预测。