En el ámbito de la planificación de actividades diarias, los servicios de pronóstico del tiempo precisos tienen una importancia primordial. Sin embargo, la difusión prevalente de pronósticos meteorológicos a través de canales convencionales como la radio, la televisión y el internet a menudo solo produce predicciones regionales generalizadas. Esta limitación contribuye a una disminución en el alcance de los pronósticos, a una inadecuada precisión y a una falta de individualización, obstaculizando la distribución efectiva de los conocimientos meteorológicos e inhibiendo el cumplimiento de las demandas de pronósticos personalizados. Abordando estas preocupaciones, nuestro estudio propone un enfoque de pronóstico del tiempo personalizado que aprovecha técnicas de aprendizaje automático y utiliza la plataforma de mensajería 5G. Al amalgamar los datos de viaje proyectados de los usuarios, aumentamos los informes meteorológicos personalizados y extendemos la cobertura del usuario para lograr servicios meteorológicos adaptados, oportunos y de alta calidad. Concretamente, nuestra investigación comienza con un análisis extenso de datos de comportamiento de viaje de usuarios a gran escala para extraer atributos de viaje pertinentes. Posteriormente, construimos un modelo de predicción de la futura ubicación del usuario, denominado Loc-PredModel, empleando el algoritmo Extreme Gradient Boosting (XGBoost) para pronosticar los destinos de viaje y los tiempos de llegada de los usuarios. Basados en los resultados anticipados del comportamiento de viaje del usuario, se formulan informes de datos meteorológicos personalizados. Los resultados experimentales subrayan la notable capacidad predictiva del Loc-PredModel, demostrando un valor de error cuadrático medio (RMSE) de 0.208 y un valor del coeficiente de determinación (R) de 0.935, afirmando su eficacia en la prognosticación de los destinos de viaje y los tiempos de llegada de los usuarios. Además, nuestra plataforma impulsada por mensajes 5G, basada en servicios meteorológicos personalizados inteligentes, fue probada en la ciudad de Chengdu y recibió comentarios positivos de los usuarios. Nuestra investigación supera efectivamente las limitaciones de las plataformas de pronóstico del tiempo convencionales al proporcionar a los usuarios información meteorológica más precisa y personalizada basada en el análisis del comportamiento y el ecosistema de información 5G. Este estudio no solo avanza la base teórica de la meteorología inteligente, sino que también ofrece valiosos conocimientos y orientación para futuros avances. Al proporcionar a los usuarios una experiencia de servicio meteorológico inteligente más personalizada y oportuna, nuestro enfoque exhibe transferibilidad, con la metodología de investigación y el modelo potencialmente extensibles a nivel nacional o incluso a una escala mayor más allá del alcance del estudio basado en Chengdu.