交通出行服务系统(TTSS,Transportation Travel Service System)作为智能交通系统的重要组成部分,旨在为出行者提供及时、准确、可靠的出行信息,以此提升交通出行的智能化服务水平。目前,TTSS具有:出行需求不清晰、服务多样化、服务的针对性不强等特性。由于基于时空位置数据挖掘出行者的出行行为,有助于为其提供个性化交通出行服务。因此,有必要以位置轨迹数据为基础,分别从地理空间和语义空间上理解出行者出行偏好,来构建高效的个性化交通出行服务推荐模型。本文以构建个性化交通出行服务推荐模型为目标。通过识别出行者驻留行为,提取出行轨迹中隐藏的出行服务模式,确定相似出行者,并基于动态声誉构造服务推荐算法。首先,为了提取驻留点,本文提出了基于条件约束的驻留点识别算法,以及有限驻留点聚类算法,构建出行位置轨迹;其次,考虑到位置拥有不同的服务类别,设计POS(Points of Service)数据集,挖掘出行者的访问服务行为,构造出行服务模式,确定出行者相似性度量方法;最后,建立动态声誉模型,发现可信赖的相似出行者,形成个性化交通出行服务推荐模型。实验使用了Geolife数据集、覆盖北京60%区域的POI数据集和西安区域GPS数据集。实验结果表明:有限驻留点聚类算法能提高驻留点识别精度;本文提出的推荐算法优于余弦相似性和元路径相似性算法;动态声誉模型能减小推荐误差提升推荐模型的性能。