车联网是近年来汽车行业发展的重要方向,它将车辆融入万物互联的生态中,使车辆成为了新的用户与服务的交流终端。车联网场景中的服务推荐问题已经成为研究热点,许多研究者将面向传统互联网的智能服务推荐算法迁移到车载智能终端场景下,形成了新的车联网服务推荐方法。然而,车联网场景给上述算法带来新的挑战,传统互联网服务推荐平台通过用户行为（访问页面和执行操作）来建模用户意图和偏好,而现阶段车载环境下的用户行为通过轨迹数据表达,无法直接获取用户信息。因此根据轨迹数据解析用户行为得到用户的兴趣点、偏好和驻留时间,借此向不同的用户推荐个性化的服务具有重要的研究和应用价值。本文将从车联网终端设备所采集的轨迹数据出发,通过对用户及位置特征的提取,得到用户行为和意图,进行智能服务推荐的相关研究。本文的研究将从以下4个方面展开:（1）为了研究用户的个性化特征,本文设计了高效的停车点识别算法,展现用户的出行意图。通过密度聚类研究用户的出行规律,结合开源接口对用户兴趣点赋予行业类别属性,将轨迹数据转化为具有语义的用户出行记录。（2）针对用户特征的复杂性,本文对位置数据所能展现的信息进行总结,定义用户画像模型,由用户基本信息预测、驾车数据统计和重要位置信息识别三个方面构成,设计并实现计算相关用户属性的方法,并通过数据库储存。（3）为了深入研究用户的出行意图,从而对驾车中的用户进行实时服务推荐,本文进行了用户下一步位置预测的相关研究。基于用户出行记录数据,建立深度学习模型表征数据中的时间、空间、地址属性信息。通过与多个算法的对比实验,验证本文模型的准确性与可用性。（4）由于用户驾车通常目的明确,服务推荐应当重点考虑位置的合理性,故本文设计了预测用户途径区域的方法。基于途径区域内的环境、实时场景和用户特征,构建预测向量表示用户意图,进行地址服务推荐。监测车辆驾驶状态和途径区域内路况信息,进行交通态势、车辆安全等方面的信息推送。为便于分析和管理各类数据信息,验证理论方法的可行性,本文设计并实现了面向车联网服务的智能推荐系统,并对系统进行了测试。