随着城市人口的不断增多以及城市规模的不断扩大,城市在人类社会的发展中起到了越来越重要的作用。智慧城市因此而诞生,它的出现有助于加强城市的管理以及提高人民的生活质量。随着智慧城市的发展,城市中出现了许多的问题,如城市的交通堵塞问题,交通堵塞的发生每年都会给城市带来巨大的损失,影响城市运作的效率。城市中无时无刻都有大量的服务在被使用,由于大量相同或者相似的服务逐步出现,如何给用户推荐高质量的服务成为了一项具有挑战性的任务。目前所有的服务推荐方法都是需要基于用户的历史数据进行Qos的预测,然而用户的历史信息中包含很多用户的隐私信息。除此以外,用户对服务的调用往往会受到时间和空间等因素的影响,如何将这些影响推荐准确率的因素整合到服务推荐的过程中也是一大难题。针对以上出现的这些问题,本文提出了一种能够进行隐私保护的时间感知服务推荐框架,具体的内容如下:（1）为了解决用户历史数据中包含的隐私信息泄露的问题,本文提出了一种具有隐私保护功能的服务推荐框架。在收集用户数据时采用差分隐私的方式加入噪音,然后使用加入噪音后的服务质量数据进行预测可以有效的保护用户的隐私信息。（2）考虑到传统的基于Qo S预测的服务推荐方法都是从单一维度对数据进行处理,没有考虑到数据的多样性。本文采用了多维度切分的方式对数据进行处理,从用户、服务、时间三个维度分别进行预测,再采用加权的方式做最后的预测。从单一维度到多维度预测的转变,提高了服务推荐算法的应用范围,使其可以更好地为用户服务。（3）考虑到服务推荐中数据稀疏导致的冷启动问题,可能会造成服务推荐的准确率下降的问题,本文L1范式低秩矩阵分解的方式,即使是在初始数据量极少的情况下也可以进行预测。在进行Qo S预测前首先使用K-means聚类算法将数据划分为多个类簇,对每一个类簇使用L1范式低秩矩阵分解可以加快算法的执行速度以及提高Qo S预测的准确率。（4）本文根据上述提出的具有隐私保护的时间感知服务推荐框架,实现了智慧城市中基于Qo S预测的道路推荐系统。该系统主要用于解决智慧城市中出现的道路拥堵问题,可以为用户智能推荐道路,预防道路拥堵状况的发生。