近年来，随着我国汽车工业的飞速发展，汽车的保有量不断增加，城市道路交通面临着越来越大的压力和挑战，城市汽车的保有量的不断上升和道路基础建设的不足之间的矛盾日益突出，严重制约了社会和经济的可持续发展。为了解决这一难题，比如加快道路的基础建设、加宽道路，建立城市道路立交桥等措施在一定程度内解决了一些道路交通问题，但是随着社会和道路运输的发展这些措施也存在其局限性。因此，各个国家大力推广智能交通系统，目的是为了提高交通的利用率和改善道路交通环境，智能交通导航系统作为智能交通系统中最为重要的一部分，主要是解决用户出行时的道路选择问题，它利用各种路径规划算法为车辆提供可行的参考路径。传统的行车导航系统服务是由车载导航仪提供的，其路径规划仅仅是考虑起始地到目的地的最短距离、行车时间最短、是否经过某个途经点和是否避开某条道路等因素，并没有考虑实际道路的实时路况信息及畅通状态，使得导航系统缺少个性化服务，路径规划在实际中往往不可行。本文对智能交通中的基于情景感知推荐系统和行车导航路径规划问题做了深入的分析和研究，主要进行了以下几个方面的工作：提出一个基于情景感知的行车导航服务推荐系统架构，该系统由用户通过车载导航仪来向服务推荐系统服务器定制行车导航服务，服务推荐系统服务器根据路况等实时信息搜索最优路径，并根据实时路况信息进行路径的动态调整，对服务定制者提供动态实时的导航服务。导航服务推荐系统在获取实时情景信息时主要是通过在道路上安装的各种传感器来获得的，比如天气状况，道路信息、路面拥堵情况等，本文对城市交通领域进行本体建模，然后将搜集到的情景信息上传给服务器进行情景信息建模并将各种情景信息进行整合和形式化，使得各种处理以后的数据可以为上层服务提供实时准确有效的信息。建立了服务推荐系统的行车导航情景信息与路径优化评估模型；在路径规划算法中，采用Q-method算法来求解基于实时信息的动态交通网络中的行车最优路径，并选取实际的道路交通网络及其路径信息来验证行车导航情景信息与路径优化评估模型的有效性。