随着国内城市的飞速发展，路宽车辆多已经成为每个城市的共性，然而还有一不好的共性在于交通开始拥堵，交通事故频频发生，这些都是各大城市亟待解决的交通难问题。为此，我们便需要及时、准确获取交通数据并构建交通数据处理模型，才能通过大数据智慧交通的应用技术得到解决。

大数据采集

首先，要解决难题必须通过大量的数据分析，而目前各城市建设智慧交通过程中，已经有越来越多的视频监控、卡口电警、路况信息、管控信息、营运信息、GPS定位信息、RFID识别信息等数据，这些便是可以采集的大数据。

大数据增值应用

只有深入挖掘数据的价值，才能在智能交通、公安实战等行业上推出车辆轨迹、道路流量、案件聚类等大数据模型。基于大数据模型，推出智能套牌、智能跟车分析、轨迹碰撞、人脸比对、舆情分析等数据增值应用，逐步解决行业的深层次问题。

海量数据计算

再者通过云计算集群，实现对海量数据的分布式高速计算，支撑对海量数据的高效分析挖掘。

海量数据检索

经过严密的计算后，在基于行业数据查询特点，对搜索引擎进行优化定制，支持百亿记录的秒级高速查询。通过集群机制，实现搜索服务的高可靠性、高容错性、高扩展性。

海量数据存储

至于在海量数据存储上，可采用分布式存储系统，相比传统关系型数据库，有四个特点：数据格式灵活、高可用、横向扩展能力强和访问高效。同时能够做到无缝集成，快速从关系型数据库导入已经存在的历史数据。提供高可靠性、高容错性、高性能的海量数据存储解决方案，支持无缝容量扩展。

大数据分析与应用

利用大数据技术，结合高清监控视频、卡口数据、线圈微采集波数据等，再辅以智能研判，基本可以实现路口的自适应以及信号配时的优化。通过大数据分析，便可得出区域内多路口综合通行能力，用于区域内多路口红绿灯配时优化，达到提升单一路口或区域内的通行效率。如平日/节假日，早、晚高峰/其他时段，主要干道关键路口/次关键路口/普通路口，白天/夜间等不同情况，人工或系统自动设置不同的配时，达到大幅提高区域内交通通行能力。

虽然大数据产业在国内的发展还没有国外那么快速，但以目前国内发展大数据的速度来看，未来的增长趋势将不可估计，而智能交通的应用便可在大数据产业中得以体现，再者通过大数据的科学分析，合理运用在实际操作中，这也是未来智慧交通的发展趋势。