伴随着互联网技术的发展,人们获取信息的方式更加多元化、对信息的需求量剧增,传统交通信息服务存在智能化服务水平较低、交通信息服务方式单一、公众出行需求不够明确等问题。近年来,交通大数据及数据挖掘技术的研究及应用为个性化交通信息服务的实现提供了可能。个性化交通信息服务能够改善现有交通信息服务质量,大幅度提升交通出行者的出行体验,使得出行服务趋于个性化,因此,构建个性化交通信息服务体系成为当前的研究热点之一。基于上述背景,本文以构建个性化交通信息服务为目标,针对交通信息服务中出行需求泛化、出行隐式需求不足等问题展开研究。首先,在深入分析个性化交通信息服务需求及需求挖掘技术的基础上,本文提出了一种个性化交通信息服务需求挖掘框架,主要包括出行行为模型的构建和服务需求挖掘两部分;其次,在研究出行者出行行为特征的基础上,采用驻留点对出行行为模型进行描述,结合GPS信息与出行行为的特征,提出一种基于条件约束的驻留点识别算法。为消除因GPS信息异常导致的模型描述不准确现象,结合基于密度聚类算法的思想,设计了一种有限驻留点聚类算法;然后,分析了出行者行为模型中的数据单一、稀疏,难以体现出行者的日常活动规律的问题,引入POI(Points of Interest,兴趣点)数据集,以服务种类轨迹代替单一的位置轨迹,通过频繁模式挖掘深层次的出行知识;最后,在分析现有服务需求推荐算法局限性的基础上,针对交通出行模型中出行相似性与位置访问顺序及访问次数密切相关的特征,利用相似出行者间具有较高信赖指数为指导思想,提出了一种基于信赖指数模型的服务需求挖掘算法。实验测试结果表明,基于条件约束的驻留点识别算法和有限驻留点聚类算法能够较好地完成交通出行行为模式的构建,识别驻留点的精度可达到95%,经异常处理后识别精度在90%以上;基于POI的智能语义匹配算法的查全率优于传统匹配算法的查全率;基于信赖指数模型的服务需求挖掘算法的查准率同样高于传统余弦相似度的查准率。由此可见,本文提出的算法能够较好的完成交通出行模型的构建及服务需求的挖掘。