随着无线通信技术和智能移动终端的快速发展，移动对象的轨迹记录变得简单快捷。由于轨迹数据不但有空间属性，还包含时间属性，使其成为时空数据挖掘技术的主要研究对象，其应用不仅可以为用户提供基于位置的服务，也可为城市规划和智能交通等提供帮助。基于出租车轨迹的易收集、分布广和数据量大的特点，使其成为时空数据挖掘的重要研究和应用对象。为出租车司机提供行驶推荐服务，不仅有助于增加相关人员的经济收入，还能减小了由出租车空载巡游造成的交通负担，同时减少了不必要的车辆尾气排放，对保护环境起到了的促进作用。然而乘客相对集中的地点会随着时间动态发生变化，同时城市的兴趣点（Points Of Interests,POI）也会对乘客的出行造成影响。如何准确的找到不同时段内乘客的集中地，是为出租车司机进行推荐服务的首要条件。本文首先对微软亚洲研究院公开的移动对象轨迹数据集进行分析，得到了人们活动随时空变化的规律——不同时段不同属性的地点对人们的吸引程度不同。为获取在不同时段内向出租车司机进行推荐的载客地点，本文提出了一种基于时空聚类的出租车载客推荐地点生成方法，该方法是结合层次聚类思想的K-Means算法。利用密度聚类的方法对城市的兴趣点进行处理，以获取不同时段城市热点区域的影响程度，结合出租车周围的推荐载客地点，综合为司机提供推荐服务。最后，本文用微软亚洲研究院所提供的公开数据集和搜集到的北京市服务设施数据集进行测试，结果表明得到推荐点具有较高的准确率，并在一定程度上代表了该时段的乘客集中程度。