随着移动智能设备的广泛运用,基于位置服务(LBS)的应用得到了飞速发展,其中路径规划是基于位置服务的核心功能。路径规划系统的作用是为用户提供一条查询点间的优质路径,提高出行效率。现有的路径规划系统以指标驱动,需要考虑路程、时间、费用等多个指标,但是对于多指标的综合评估很难建立精确的模型,因此时常发生给出的路径不符合用户需求的情况。商业公司在提供服务的同时收集了大量的轨迹数据,这些数据记录了用户的时空信息,反映了用户的出行行为,具有较高的学习价值。很多研究都在尝试利用轨迹数据来优化路径规划的结果。不同于传统的指标驱动的路径规划系统,本文通过对收集到的原始采样信息进行合理的处理及筛选,构建经验轨迹数据库,用转向概率、转移概率两种方法来量化经验轨迹数据库中用户的出行经验并计算产生经验路径,最终将经验路径推荐给用户实现路径规划。最后我们在北京路网上设计并实现了基于经验路径的路径规划系统。本文的主要贡献可以概括为以下几个方面:(1)给出了从原始采样数据集中获取经验轨迹的方法。该方法便于在分布式计算平台上运用,满足海量数据处理对算力的需求。(2)提出了用转向概率、转移概率两种方法量化经验轨迹中的出行经验,并依据获得的知识计算产生经验路径。为了降低空间复杂度,进一步提出了基于分区的经验路径的处理框架。(3)实现了基于经验路径的路径规划系统,并在真实数据集上进行试验,通过与成熟的商业应用进行结果对比证明了该系统的实用性。