随着社会科技的发展,人们对机器的认知、运用与依赖已经到了一个极高的程度,语音识别（Automatic Speech Recognition,ASR）技术应用而生。语音识别中概率模型的提出和人工神经网络的不断发展,使得ASR的任务不断细化,实现方法也愈发多元和轻量。同时,基于交通出行中的安全和便捷要求,语音识别在该领域的应用越来越广泛。本文针对交通出行领域的语音对话应用场景,搭建一个完整的双端语音识别系统,实现在终端的关键词检测（Spoken Keyword Spotting,KWS）和云端的语义识别。首先设计了实现语音关键词检测和语义识别的双端一体化系统,包括语音采集模块、终端关键词检测模块、云端语音识别模块、通信传输协议等;其次采集交通出行场景中常出现的关键词,进行处理,构建了基于交通出行的关键词语音数据集;然后使用Kaldi语音工具包实现了语义识别,针对关键词检测提出了基于DenseNet-B-Speech+BiLSTMP的关键词检测网络架构,并搭建训练平台,实验结果与常用的深度学习算法进行对比,验证所提算法的有效性;最后开发完成基于交通出行的语音识别系统,验证了系统的可行性。