近年来随着移动终端普及和移动智能技术的发展,基于位置的服务成为人们日常生活中不可或缺的基础服务之一,其中大型商场中低开销、高精度商铺级室内定位技术成为新的研究热点。借助大型商场中用户所在商铺信息,商家可以实时精准推送商品广告或品牌广告,同时提供个性化商品推荐服务和商品导购服务,从而降低广告投放成本并带来更广阔的盈利空间。商铺级精准室内定位技术为大型商场中商品推荐系统和广告投放提供了关键技术基础及服务支撑。然而以Wi-Fi定位技术为代表的主流室内定位技术大多需要引入额外的专业设备部署开销,并且受限于繁重的专业人员人力信号指纹采集过程;同时基于众包指纹的室内定位算法准确率受到RSS波动性严重需要定期校准或更新,并且无法避免智能终端设备异构性带来的定位精度损失。这些缺点显著限制了室内定位技术的推广和普及。针对以上问题,本文提出一种基于众包指纹的零开销及无需地图辅助的商铺级定位算法。本文采用大型商场中用户在商铺支付时采集环境中Wi-Fi信号和机会性GPS坐标进而构造众包指纹,弱化对传统室内定位技术中对高精度室内地图的依赖性,并且避免了Wi-Fi模块设备部署开销以及Wi-Fi信号RSS专业人员采集工作。本文提出一种层级室内定位框架有效缩小定位问题求解空间并降低全局计算量,顶层采用基于预训练分类器或基于规则候选商铺生成策略,动态地根据当前采集到的信号指纹召回少量用户可能真实所在的候选商铺集合;底层精细定位过程将商铺定位问题根据候选集合转换为二元分类问题,充分融合了Wi-Fi、GPS统计特征和商铺语义统计特征训练精细分类模型精确定位用户所在商铺。为设计高鲁棒性高区分度特征群,本文深入分析各类信号统计分布特点并研究众包指纹统计特性对于商铺位置的可区分性,采用AP的排序统计特性设计特征避免直接使用RSS带来的波动性问题,并且抽象出两类AP序列的变化模式构建序列相似度特征,避免智能终端的设备异构性对分类过程的影响;借助众包GPS坐标在商铺的聚簇效应,利用该特性优化特征提取。与传统室内定位技术不同,本文还聚焦挖掘商铺语义信息,并利用众包指纹统计特征表达语义特性提升实时定位表现。经过大量实验,本文提出的算法在大量商场中商铺级定位准确率超过93%,无需依赖室内地图同时定位准确率优于传统室内定位算法,避免了设备部署开销和人力信号指纹采集开销,实现零开销商铺定位。