分析居民的出行特征是解决和缓解日益凸显的城市问题的一种重要途径.当前采用出租车OD流向数据挖掘居民出行特征已经取得了丰富的研究成果,但是大部分研究忽略了　OD流向的语义信息.针对时空聚类算法中语义信息考虑不足的问题,本文提出了一种基于GloVe(Global　Vectors)模型的OD流向语义提取方法和基于密度的时空语义聚类算法(STS-DB-SCAN,Spatial　Temporal　Semantic-DBSCAN).首先,结合POI访问概率和GloVe模型提取了　OD流向语义.在此基础上,提出了一种OD流向的时空语义相似性度量规则.然后,根据时空语义相似性度量规则改进了　DBSCAN聚类算法,实现了　OD流向数据的时空语义聚类.最后,以厦门岛为例进行居民出行特征分析,共提取了7种居民出行语义,发现:①居民出行语义受时间因素的影响较大,不同时间段的主要居民出行语义不同;②居民出行热点主要分布在厦门岛的中部发达区域;③通过时空语义聚类分析,从4种主要居民出行语义中提取了　7种典型的居民出行模式.结果表明,基于OD流向语义和时空语义聚类方法能够有效地挖掘城市居民的出行特征.