近年来GPS嵌入设备、无线设备的流行使得定位技术迅速发展,记录了大量用户的历史移动信息。这些信息中包含着丰富的内容,例如用户的日常行为、兴趣爱好等。如何充分的利用这些信息完成目的地的预测一直是研究的热点,目前已经取得了大量的研究成果。尤其是基于位置的服务快速发展,已经逐渐成为日常生活中不可缺少的一部分,如目标广告投放,目的地推荐等。有效的目的地预测可以极大的提升用户体验,具有很高的研究价值和应用场景。目前,利用GPS定位技术获取的用户位置信息进行目的地预测的方法是目的地预测主要应用的方法之一,其主要利用GPS获取的历史轨迹信息与当前用户的移动路径信息相匹配,认为匹配程度最高的历史轨迹的目的地最有可能是当前用户的目的地。然而,GPS定位技术主要在室外空间中进行应用,无法准确的获取室内空间的位置信息,室内外的空间结构不同也导致了很多室外的目的地预测方法无法应用于室内。除此之外,目前很多目的地预测方法没有考虑不同的定位策略产生的数据稀疏性问题对目的地预测的影响。针对上述问题,本文提出了一种可以应用于室内空间的目的地预测算法。该算法依次对室内空间和输入的采样点序列进行预处理。其中对采样点序列的处理缓解了由于采样策略的不同而导致的数据稀疏性问题。最后利用预处理处理得到的采样点序列完成了目的地的预测。本文主要由以下几部分工作构成:(1)目的地预测技术的研究现状。简要介绍了近年来目的地预测技术的发展及研究现状,对目的地预测的研究工作进行了综述,分析了目前目的地预测的算法优缺点以及在日常生活等领域的应用。(2)室内空间的预处理。首先介绍了室内外空间结构的差别,并详细描述了对室内空间进行预处理的算法,该算法根据历史轨迹数据集中的内容判断室内单元格之间的连通性,可以在完成室内空间划分的同时较好的保存室内空间结构的特点。(3)采样点序列的预处理。针对由于定位策略不同而导致的数据稀疏性问题,本文提出了一种对采样点序列进行预处理的算法,该算法利用上一步得到的室内空间结构以及历史轨迹数据集中的内容,在时间和空间两个方面完成了不同单元格及区域转换率的计算。在此基础上对采样点序列进行预处理,得到与原始轨迹相近的单元格序列。这种处理方法能够避免由于采样策略的不同而产生的数据稀疏性问题,使得目的地的预测结果尽可能小的被采样策略所影响。(4)利用双向循环神经网络完成目的地的预测。简要对双向循环神经网络的特点进行了介绍。为了使双向循环神经网络在室内目的地预测中更加适用,本文对其进行了相应的改进,然后使用双向循环神经网络对历史轨迹数据集和经过预处理的采样点序列进行处理,完成对采样点序列的目的地预测。最后,实验结果显示本文提出的方法可以用于室内空间的目的地预测,并且通过与其他目的地预测的算法进行对比实验,从多种角度验证了本文提出方法的精确度和稳定性。