智能交通领域用户驾驶行为数据普遍存在大规模、序列化、无标签等特点，且驾驶模式受用户个人驾驶风格影响，导致驾驶模式难以精确识别。为此，本文提出了一种基于典型驾驶数据强化的驾驶模式识别方法，通过典型驾驶模式下特定字段的序列数据来强化模型对多特征序列数据的模式识别精度。该方法通过特征工程处理序列数据，选择输入特征，并利用Transformer模型对序列数据进行预测性建模，并在计算训练损失函数时引入典型驾驶模式序列的特征向量提高模型的行为识别能力。通过搭建并使用真实用户驾驶行为数据集进行实验验证，实验结果表明相对于经典的深度学习模型，引入“典型驾驶模式”强化策略显著提高了驾驶模式识别精度，并随着数据集的增大表现出明显的精度提升趋势，且显示了本文所提方法在更大规模数据上的应用潜力。