改革开放以来,我国公共汽车行业的结构发生了巨大变化,在提高人们外出便捷的同时,也使得交通安全问题日益严峻,公共交通安全标准亟待提高。其中公共汽车超速问题一直是交通安全领域的难点问题,随着数据挖掘算法的成熟以及车载物联网数据的支持,分析公交车车载数据中的超速路段信息,为加强道路监管提供了新的手段与方向。本文通过公交车载智能终端获取的车载数据,利用DBSCAN算法获取公交车在行驶过程中的超速多发路段信息。具体研究工作如下:（1）分析车载数据集,确定聚类方法论,对车载数据集进行数据预处理,其中包括探索性数据分析以及数据清洗等工作,并结合聚类方法的特征选择适合处理该数据集的DBSCAN算法完成超速路段的分析研究。依据数据集合本身的特点,并同时结合轮廓系数计算方法,自适应确定邻域半径以及密度阈值,来提高聚类准确性。（2）优化传统DBSCAN算法在求核心点邻域时对于内存的高要求,利用网格单元划分和最小邻域查询的求解思路,通过寻找临界域与最小查询域减少大量的查询与计算操作,有效地缩短了DBSCAN算法在处理大数据时的运行时间,聚类速度得到提高。（3）研究速度权重因子对超速路段的影响,将权重因子结合DBSCAN算法来分析超速路段,把超速路段按照超速严重程度,分为严重超速区域、一般超速区域、轻微超速区域,为决策者提供更加科学和精细化的数据信息。基于DBSCAN算法的超速路段分析研究的实验结果表明,在处理同一规模的车载数据集时,本文改进的DBSCAN算法对超速路段聚类速度相较于传统算法更快。同时,基于速度权重因子的聚类研究,可以将超速路段按照超速严重程度进行划分,使得超速路段的分析结果更加具有精细性和准确性。