基于轨道交通智能卡数据，提出一种通过建模个体的时空序列识别出行模式的方法。首先，提取乘客个体访问的所有站点，以站间出行频次、站间距离和站点活动时长计算站点的相似性，利用层次聚类算法划分该个体的主要空间活动区域。其次，基于个体的出行次序推断时空序列，该序列为一组表征时空状态的离散值，依次采用PCA-KL和K-Means++提取相似性序列结构以识别乘客出行模式。最后，以西安某月的轨道交通智能卡数据为例，识别其乘客出行模式。结果表明，复杂的客流具有5种出行模式，其中3种典型模式宏观上属通勤出行，客流占比79%。可见，本文基于个体时空序列相似性的模式识别充分体现了研究方法的特殊性和通用性，针对不同城市操作性强。