智能交通系统（Intelligent Transportation System,ITS）集成了信息和通信技术、电子传感器和计算机的优势,在提高交通安全性、便捷性、降低燃油消耗、提高交通流量等方面发挥着重要作用。随着自动驾驶技术的发展和普及,ITS将迎来新的变革,因此明确ITS用户需求对以自动驾驶技术为代表的ITS的部署具有重要意义。首先,本文根据需求工程理论中借鉴相似系统和需求复用技术,分析并整合美国Architecture Reference for Cooperative and Intelligent Transportation（ARCIT）、欧洲Framework Architecture Made for Europe（FRAME）和中国ITS体系框架中的用户需求,通过范式化表达,形成了较为完善的ITS用户需求库。汇总结果表明:ITS管理者和运营者是需求最多的用户主体,并且信息和安全是用户最关注的方面。其次,将活动理论引入用户需求研究。介绍了活动理论的基本知识,运用活动理论的视角来更好地理解用户需求的产生,从而完善用户需求体系。基于活动理论的活动层级思想,以及需求与行动对应的核心内涵,建立了多层用户需求体系框架。该框架可以充分利用创建的用户需求库,有效帮助调查人员完成用户需求的完善。该框架被用于重建ARC-IT的用户需求,以证明其可实施性。基于七个出行活动,通过定义活动系统,明确活动系统的元素,将活动分解为6个行动单元,添加出行前、途中和出行后的时间维度,共分析用户需求518条,并与多层次模型匹配。研究表明通过遍历多层次模型中的每个节点,有助于研究人员从顶层视角填补需求空缺。再次,以自动驾驶场景下的驾车出行活动为例,将活动理论要素与该场景进行对应,明确各要素内涵、特性及相互关系。通过已构建的ITS用户需求库自上而下地形成初始驾车出行活动用户需求列表,然后利用构建的ITS用户需求提取方法自下而上进一步完善用户需求列表。利用LDA主题模型对形成的用户需求列表进行主题分析,进而利用需求对应最大概率主题和k-means聚类算法分别对用户需求进行聚类。聚类结果证实了需求体系与服务域的对应关系。不同自动驾驶等级背景下,用户需求会发生演变,矛盾思想是活动理论的核心思想,可以用来解释用户需求的演变机理。最后,利用UML类图对活动理论和ITS用户需求提取框架进行阐述,主要包含了逻辑和数量关系。利用用例图对ITS用户需求提取系统进行了功能分析。经过系统设计,ITS用户需求提取系统的功能实现应用了数据库技术和Python内置的Tkinter库等。在系统数据库具体实现过程中通过My SQL构建系统后台数据库,使用Python完成数据分析,利用Tkinter实现软件界面及交互。本文利用需求工程的相关技术,构建了一个典型的ITS用户需求库,并结合活动理论提出了多层用户需求提取框架。利用需求库及需求提取框架,自上而下和自下而上构建了驾车出行活动的用户需求列表,并通过聚类证实需求与服务域的对应关系。此外矛盾理论为不同等级自动驾驶下的需求演进提供了解释。构建的ITS用户需求提取系统软件可以帮助研究人员有效进行用户需求提取。本研究提出的用户需求提取和分析方法,有效促进了自动驾驶技术的发展和ITS相关设施的部署。