在规划路线时，司机通常会考虑到多种不同的旅行成本，如距离、旅行时间和燃料消耗。不同的司机可能会在同一源头和目的地之间选择不同的路线，因为他们可能有不同的驾驶偏好（例如，时间效率驾驶与燃料效率驾驶）。然而，现有的路线服务在模拟多种出行成本和个性化方面的支持很少–它们通常向所有司机提供相同的路线，以最小化单一的出行成本（例如，最短的路线或最快的路线）。我们研究如何利用大轨迹数据向单个司机推荐个性化路线的问题。首先，我们提供了能够从司机的轨迹中模拟和更新不同司机的驾驶偏好，同时考虑多种出行成本的技术。为了推荐个性化路线，我们提供了能够根据司机的偏好和司机指定的源地、目的地和出发时间，从所有轨迹中高效选择一个轨迹子集的技术。接下来，我们提供的技术能够构建一个小图，该小图具有适当的边缘权重，反映了司机根据所选轨迹使用边缘的方式。最后，我们将小图中最短的路线作为个性化路线推荐给司机。通过对北京52211辆出租车的大量真实轨迹数据集的实证研究，深入了解了所提出的技术的设计特性，并表明这些技术是高效的。