传统的交通信息服务系统难以应对复杂多变的环境及交通信息供需双方之间的矛盾,这使得出行者对个性化交通信息服务的需求更加强烈。由于,互联网产业链的迅速发展,空间定位技术的不断成熟,交通信息服务为出行者提供基于位置的实时、个性化服务成为可能。本文通过融合社交网络中用户的位置信息,开展对交通环境下出行者的行为识别技术研究。首先通过深入分析个性化交通信息服务的要素和精髓,提出满足交通信息服务的出行行为识别模型;然后通过分析交通环境下出行者的历史轨迹数据,提出了三类驻留行为,利用基于条件约束的驻留地识别算法,提取带有时间戳的出行行为模型。为了避免传统的用户出行行为研究中以小区为单位进行信息的收集及数据更新不及时的弊端,本文将用户社交网络中的信息加入到用户出行行为中,实时快捷地收集用户的信息。由于来自不同途径的用户位置信息数据冗余、繁杂,本文通过应用多源位置数据融合技术,将交通环境下驻留地坐标与社交网络中用户签到坐标进行融合,并提出基于贝叶斯的位置融合算法进行行为识别,解决社交网络签到数据的稀疏性问题,并提高了行为识别的准确度。实验测试结果表明,基于条件约束的驻留地识别算法和基于贝叶斯的位置融合算法能够较好地完成交通出行行为模式的构建。识别驻留地的查准率可达90%,召回率可达84.9%,明显优于常见的识别算法。由此可见本文提出的算法能够结合大量的社交网络数据,提供优良的交通出行行为识别能力。