随着移动互联网的快速发展和移动设备的广泛应用,Gowalla,Foursquare等社交平台提供了签到分享功能,收集了大量能够反映用户出行规律的签到数据,这些数据可以有效的支持旅游路线的推荐与搜索。现有的基于签到数据的旅游路线推荐方法中未考虑景点的流行度随着时间变化的特点,而流行度的变化规律也并非一成不变的。景点流行度可能随着季节、月份,甚至是节假日的变化而变化。中国长白山的流行度变化特点是随着时间变化的最有利的证明,它在每年的夏季末段和秋季初段由于天池的能见概率最高使得该时段是最流行的,十二月的滑雪高峰也会使其迎来另一个流行高峰,而其他时间长白山的流行度处于低谷状态。本文提出的基于动态转移图的时间敏感旅游路线推荐方法,研究空间区域中因时间变化导致的景点流行度变化的旅游路线推荐问题,将区域内的地点流行度变化以时间序列的形式进行定量表示,为用户推荐最适合其出行时间的旅游路线。动态转移图模式的路线推荐可用于旅游路线推荐、景区建设和安全设施投放等方面。由于对象签到地点的随机性与不确定性,使得获取并学习稳定合理的模式规律,并将这些规律进行划分,得到转移图模式集合成为本文的一个挑战。本文提出一种基于层次聚类的动态转移图的模式构建方法,设计了流行序列异常的去除方法,基于概化处理、序列化、模式化处理等步骤建立的稳定模式规律,有效的去除了局部异常点以及模式的自动聚合。本文采用贪心策略路线推荐算法进行最佳路线的搜索,搜索的结果从用户收益、模型建立效率和路线推荐效率三个方面与其他三种方法进行比较,分别是基于月份的时间敏感的路线推荐算法、基于季度的时间敏感的路线推荐算法和结合用户的约束条件的路线推荐算法。通过真实数据集对所提出的动态转移图模型进行了构建,并通过充分的实验,验证了在不同参数条的件下,推荐路线的用户收益方面与现有工作相比用户的收益提高了 10%以上,验证了提出方法的准确性和有效性。在推荐路线的效率方面,提高了 20%以上,证明提出方法的高效性。