社会的快速发展使得人们的生活越来越便捷,人们对出行的需求也越来越高。出租车因为其便捷,成为人们出行时通常会选择的交通工具之一。在人群聚集的区域,人们通常会遇到打车难的问题,而大部分出租车却因为搭载不到乘客而长时间处于空载状态,于是在人群聚集的区域因为人群疏导不及时经常会出现踩踏事件,同时因为大量的出租车在道路上游荡寻找乘客而造成交通拥堵的问题。GPS轨迹数据的出现能够为解决这些问题提供新的方法和思路,由于移动定位技术的快速发展,使得GPS轨迹数据的途径越来越多。出租车是用来收集GPS轨迹数据最常使用的工具,分析和挖掘出租车移动GPS轨迹数据不仅能够帮助本文了解人群聚集热点区域的分布,也能更加有效地提取和预测出载客热点区域。聚类方法是本文提取日常出行热点区域的主要研究方法。通过仿真实验对比三种在基于轨迹数据的热点区域提取中应用最为广泛的聚类算法:K-Means、DBSCAN和Single-Link,本文选择DBSCAN聚类算法对人群聚集热点区域进行提取和分析。通过对不同日期相同时间段以及相同日期不同时间段人群聚集热点区域的分布和规律进行挖掘后,发现相同时间段之间热点区域存在较高的覆盖率,而不同时间段之间热点区域的区域存在较大的差异,从而通过提取相同时间段热点区域重复的载客点位置数据,并将聚类结果作为预测结果,并计算不同热点区域的推荐度,推荐度越高,则表明载客成功概率越高。最后实现出租车载客热点推荐系统为用户推荐推荐度最高的热点区域,从而提高出租车司机的载客成功概率。