随着室内外定位技术以及普适计算的发展，基于位置服务的应用需求引起了工业界和学术界的关注，而提供基于位置服务的前提是获取移动对象的位置。在室外，我们可以使用GPS获取移动对象的位置，而在室内，由于室内结构的复杂性，使得我们无法使用GPS定位技术获取移动对象的位置。目前，基于位置的服务在室外环境中得到了很大程度的发展，如：百度、谷歌等公司提供的位置服务；而基于位置的服务在室内环境中的研究可以说是刚刚起步。同时，室内定位技术（如：基于WLAN、RFID、红外等定位技术）也得到很大程度的发展，但在真实的室内环境中部署定位设备，需要大量的人力和物力，而且构建的室内定位环境不具有可扩展性，无法获取多种应用场景下的移动对象数据。　　 针对目前室内定位实验环境构建困难的问题，本论文首先研究了室内移动对象模拟数据生成方法。我们采用模拟室内环境的方法，提出了基于语义的室内移动对象模拟数据生成方法，并建立了一个生成工具IndoorSTG。IndoorSTG根据真实移动对象的特点，将移动对象按照类型分类，如：老师、学生等：一般情况下，进入室内环境的移动对象与室内的某些位置具有一定的关系，据此，我们建立室内移动对象与室内位置之间的关联关系，如：老师与办公室、学生与实验室等：最后，为了能够更真实的描述室内场景，我们可以通过设置一些配置参数，使得模拟数据满足基于室内位置服务研究的需求。　　 在此基础上，本论文研究了室内移动对象位置预测算法。在室内环境中，由于室内障碍物或信号干扰等因素的影响，我们可能无法获取移动对象在某段时间内的位置，或者我们如何获取移动对象在未来某段时间的运动轨迹，这样就可以预测某些兴趣位置的人流量，为应急情况的出现做好准备。同时由于移动对象的位置可能每时每刻都在变化，每次位置的变化都会引起一次位置记录的更新，这样将会带来较大的更新和存储代价。针对以上问题，本文提出了基于语义的室内移动对象未来位置预测算法，依据室内移动对象与室内位置的关联性预测移动对象的运动轨迹，同时通过间断性记录移动对象的位置降低更新次数，此时也降低了数据的存储代价。当需要移动对象的完整轨迹记录时，我们可以通过预测算法还原该对象的轨迹数据。