切实加强运输安全生产的监督管理，保障人民群众生命财产安全，是各级道路运输管理部门的重要职责。长期以来，由于运管职能部门信息化程度低，缺乏大量数据及先进技术的支持，管理决策往往缺乏针对性和有效性。　　随着GPS技术的快速发展，越来越多的营运车辆安装了GPS安全监控装置。车载GPS不断传回的大量监控数据，为管理职能部门从中获取决策支持信息提供了基础。为此，本文研究将OLAP和聚类分析技术应用于营运车辆GPS监控数据的分析，从而获取营运车辆特定的行驶规律，以加强运输安全管理工作的针对性和有效性，提高科学化管理水平。　　OLAP技术能够支持复杂的分析操作，并多层次、多角度的展现数据，而数据挖掘中的聚类分析则可以有效的将一组数据对象根据它们的相似程度自动分为若干类，以发现全局的分布模式或对象间的关联，两者均侧重决策支持。论文首先探讨了数据仓库、OLAP和聚类分析等理论和技术。在此基础上，针对现有的应用基础和条件，结合目前道路运输安全管理的需求，利用GPS监控系统采集的营运车辆的监控信息及职能部门拥有的车辆及从业人员的基础信息，提出了一种基于OLAP的营运车辆安全管理决策支持系统的总体解决方案，包括系统的设计思想、体系结构、原理流程以及关键技术。　　针对总体方案中需要解决的关键问题，首先根据目前道路运输管理部门的需求，确定了数据仓库分析主题，构造数据仓库的星型–雪花模型；针对GPS监控数据的特点，利用地图匹配和DTS设计器相结合的方法完成数据的抽取、转换和加载过程，实现了数据向数据仓库的转移，并分析比较了几种数据仓库多表连接查询算法性能；提出了OLAP解决方案建立了多维数据集，阐述了多维数据集的访问和前端展示技术。对于本文提出的基于DBSCAN的营运车辆超速点聚类分析算法，将其实现并挖掘出了超速多发点段，实验结果证实改进后算法的运行时间明显优于原来的算法。　　应用上述研究成果，利用重庆市“两客一危”GPS监控系统采集的车辆报警数据，开发实现了基于 OLAP的营运车辆安全管理决策支持系统，为提高重庆市运输安全管理决策的科学性起到了重要的支撑作用。