امروزه تراکم ترافیک به عنوان یک مشکل عمده در سراسر جهان مطرح است که فعالیت های میلیون ها انسان را تحت تاثیر قرار داده است. جهت مدیریت هوشمندانه و کاهش مضرات ناشی از ترافیک نیازمند بررسی دقیق و تحلیل الگوهای ترافیکی هستیم. با توجه به حضور در عصر اطلاعات و استفاده روز افزون از gps ها، داده هایی دقیق و عظیم از شرایط ترافیکی در دسترس هستند، اما این حجم عظیم از اطلاعات ما را با چالش های محدودیت وسایل ذخیره سازی و پردازش مواجه می کنند. استفاده از تکنولوژی کلان داده و ابر می تواند پاسخی مناسب بر این چالش ها باشد. در این تحقیق با معرفی تکنولوژی کلان داده ها و بهره گیری از آن جهت تحلیل داده های gps تاکسی¬ها و استخراج الگوهای مسافرتی مستتر در آن و مکان یابی بهینه ایستگاه های اتوبوس خواهیم پرداخت. در این پژوهش به معرفی یک الگوریتم خوشه بندی پیشنهادی که با ترکیب موثر سه بهبود ارائه شده از الگوریتم dbscan ( i-dbscan و dd-dbscan و mr-dbscan )طراحی شده است می پردازیم. نتایج نشان دهنده کیفیت و سرعت مطلوب الگوریتم مذکور می باشند .