由于智能手机和移动网络的普及，出行者对于通过地图应用，提前或即时规划路径产生依赖。而随着城市的扩张和公共交通方式的丰富，起讫点之间存在多条路径供出行者选择。作为地图应用智能化和人性化的体现，可通过对出行者历史数据的分析，获取该出行者选择路径的偏好，在路径规划时为出行者推荐一条满足其需求的路径，将出行者从挑选路径的纠结中解脱出来，提升出行体验。本文结合公共交通的路径特征和内容个性化推荐领域的相关研究，对个体参与公共交通出行的路径选择模型进行初步研究，主要研究内容如下：
　　(1)针对路径个性化推荐领域的空白和相关领域的研究进行介绍和说明，详细阐述公共交通出行路径个性化推荐的研究框架，为后续路径选择模型的建立奠定了基础。
　　(2)设计问卷并进行结果分析。设计市内公共交通出行路径选择的调查问卷，通过问卷调查收集了出行者的基本信息和不同情境下的路径选择情况。获取了出行者的可接受的步行、骑行距离区间，了解到出行者对于七个路径特征的排序情况，通过对路径选择题选择结果的统计，发现不同出行者对于路径选择的差异性，为本文的研究奠定了现实基础。
　　(3)建立路径选择的二元Logit模型，研究出行者对时间、费用、步行距离、停站次数这四个路径特征的敏感程度。将问卷调查中出行者的路径选择数据划分为训练集和测试集，在训练集中进行回归分析，得到每个出行者的模型参数，并在测试集中进行验证，获得了比较高的准确度，证明了本文研究思路的可行性与科学性。对出行者的参数集进行详细分析，得出的结论可提高冷启动阶段路径推荐的准确度。
　　(4)建立了路径选择的因子分解机模型，基于问卷所收集的数据对模型参数求解与验证，证明了常用于内容、商品推荐领域的因子分解机模型适用于路径推荐问题。
　　(5)为了更全面地对出行者路径选择偏好学习，提出了优化的因子分解机模型，引入了带有辅助系数的交叉项，保留了冷门路径被选择的可能性，通过推导证明该模型仍具有线性复杂度和多线性参数，适用于已有的参数求解方法。基于问卷数据对该模型求解并验证，模型能够提升路径推荐的新颖性和准确度，进而证明了本文所提出模型的有效性和实用性。