近年来随着云计算和人工智能技术的突破,智能交通系统(ITS)的发展也深受影响。交通信息服务作为ITS重要组成部分,其内容呈现多元化,包含出行者行为分析、动态路径导航、个性化推荐等。面对海量异构的交通信息服务数据,如何准确和实时查询到用户所需的服务是当前智能交通领域的研究热点之一。传统基于关键字服务匹配方式实现简单,但其匹配精度已经不适用于大量服务集。基于语义服务匹配方式无论在查准率还是在召回率方面都有很大提高,但语义匹配研究并不成熟,例如未考虑用户个性化信息和服务上下文情景信息,尤其应用于交通领域没有考虑行业特殊性。本文针对上述问题重点研究了基于语义的交通信息服务匹配模型,主要研究内容包括:(1)介绍Web服务及语义Web服务的基本架构;分析交通信息服务相比较Web服务所呈现的特殊性;比较三种经典语义Web服务匹配算法优缺点。(2)通过借鉴语义Web服务匹配方法提出了三层结构的交通信息服务层次匹配模型,包括对服务文本数据预处理之后,通过聚类算法实现语料库中服务自动分类;结合几何距离模型和信息论模型的混合方式实现服务功能中单个概念对匹配,接着采用二部图算法实现服务功能概念集之间最优匹配;在交通信息服务匹配中考虑到用户个性化需求和用户对服务的反馈信息,通过加入QoS属性匹配实现服务再次过滤。用户请求服务经过逐层匹配之后将返回满足阈值要求的服务集。(3)根据具有三层结构的服务匹配设计思想,本文提出交通信息服务层次匹配模型结构图,基于语义信息的交通信息服务描述框架,并且实现了各个匹配功能模块。(4)通过业内标准数据集OWL-TC4验证模型有效性,结果显示服务聚类过程可以显著降低服务匹配的响应时间,交通信息服务层次匹配模型在查准率和召回率上都有较好的表现。