智慧交通整体框架主要包括物理感知层、软件应用平台及分析预测及优化管理的应用。其中物理感知层主要是对交通状况和交通数据的感知采集;软件应用平台是将各感知终端的信息进行整合、转换处理，以支撑分析预警与优化管理的应用系统建设，分析预测及优化管理应用主要包括交通规划、交通监控、智能诱导、智能停车等应用系统。智能交通成为改善城市交通的关键所在。为此，及时、准确获取交通数据并构建交通数据处理模型是建设智能交通的前提。智能交通大数据处理模型的积极意义：

智能交通建设需要交通大数据处理模型

一、大数据的智能性能较好的配置交通资源，通过对大数据的分析处理，可以辅助交通管理制定出较好的统筹与协调解决方案。

二、大数据具有信息集成优势和组合效率，大数据有助于建立综合性立体的交通信息体系，通过将不同范围、不同区域、不同领域的“数据仓库”加以综合，构建公共交通信息集成利用模式，发挥整体**通功能，这样才能发现新价值。

三、交通大数据的虚拟性，有利于其信息跨越区域管理，只要多方共同遵照相关的信息共享原则，就能在已有的行政区域下解决跨域管理问题，大数据的虚拟性可以解决跨越行政区域的限制。

四、大数据的快速性和可预测性能提升交通预测的水平，在对各个部门的数据进行准确提炼和构建合适的交通预测模型后，可以有效模拟交通未来运行状态，验证技术方案的可行性。

五、提高交通运行效率，大数据技术能促进提高交通运营效率、道路网的通行能力、设施效率和调控交通需求分析。交通的改善所涉及工程量较大，而大数据的大体积特性有助于解决这种困境。

六、大数据技术在减轻道路交通堵塞、降低汽车运输对环境的影响等方面有重要的作用。通过建立区域交通排放的监测及预测模型，共享交通运行与环境数据，建立交通运行与环境数据共享试验系统，大数据技术可有效分析交通对环境的影响。

七、大数据技术的实时性和可预测性则有助于提高交通安全系统的数据处理能力，提高交通安全水平。主动安全和应急救援系统的广泛应用有效改善了交通安全状况。

八、大数据智慧交通模型不仅能带来商业价值，亦能产生社会价值。随着信息通讯技术的发展，交通运输从数据贫乏的困境转向数据丰富的环境，大数据技术在智能交通应用领域扮演越来越重要的角色。