随着我国经济体量的增大,人们的出行需求快速增长,我国民航旅客运输量已上升到世界第二位。大量的客流给我国机场陆侧交通系统的旅客服务智能化水平提出了更高的要求。用户画像系统和推荐系统是提升旅客体验、实现民航服务跨越式发展的有效方法。本文在构建旅客画像与出行链模型的基础上,提出了一种基于旅客画像特征分群的协同过滤出行推荐方法,该方法可以有效改善旅客出行特征数据集的稀疏性问题,量化旅客出行偏好并给出个性化的出行推荐结果。搭建了旅客出行智能服务系统,将本文提出的出行推荐方法应用于旅客实际的出行过程,实现了为旅客提供个性化出行推荐服务、综合交通状态信息发布等功能,对于提高旅客在机场陆侧交通枢纽内的出行效率、保障客流疏解能力具有良好的效果。本文主要工作内容如下:（1）基于K-Means聚类算法并结合机场业务特点对旅客特征数据集进行聚类分析,使用轮廓系数法和特征降维方法优化旅客分群结果。从旅客个人属性和出行偏好的角度对旅客分群结果进行画像分析,生成了符合机场业务需求的旅客画像与标签体系。（2）研究了旅客在机场陆侧交通枢纽内的出行时空特点,提出了机场交通枢纽内的空间-时间双层出行链模型。基于图模型理论和机场实际路网数据构建了机场路网空间拓扑模型;基于BPR模型和排队论方法提出了旅客出行时间预测模型,并使用采集到的客流数据对模型参数进行拟合。（3）通过对机场业务场景和旅客特征分析,提出了一种基于旅客画像特征分析的协同过滤推荐算法。在旅客画像特征分群的基础上,使用相似旅客出行数据对稀疏矩阵进行补充并通过主成分分析方法进行特征降维,解决了特征矩阵稀疏性问题。使用旅客出行特征数据集对推荐性能进行测试并与其他常见推荐预测算法进行对比,验证了方法的有效性。（4）开发了基于B/S架构的旅客出行智能服务系统。实现了旅客画像生成、出行时间计算、个性化出行推荐和交通状态信息发布等功能。通过模拟虚拟旅客与设定不同的交通状态场景,测试验证了本系统可以为旅客智能推荐当前交通状态下最优出行方式,同时展示相应的出行路线与交通状态信息。证明本文研究工作具备提升旅客出行效率,改善机场客流疏解能力的作用。图47幅,表31个,参考文献75篇。