目前，虽然各大城市都在积极推广智慧交通，但想要发展智慧交通可不能忽略大数据技术，智慧交通系统之所以智慧其实是依靠大数据的计算来实现的，那智慧交通系统在处理数据方案是怎么样的呢？具体包括哪些关键技术呢？

一、分布式轨迹聚类技术

分布式轨迹聚类技术是利用MapReduce分布式计算架构对分布式轨迹进行一定的规则化处理，从而实现K．Means聚类算法。一般其都会指定起始点位置，然后对常跑路径聚类分析进而快速探测异常值实现对分布式轨迹进行一定的规则化处理。该项技术一般提供对常规路线或指定路线的快速提取以及处理异常分析的比照等。

二、分布式停车点聚类技术

分布式停车点聚类技术是一种在Mahout与Hadoop分布式机器学习库平台的一项协作功能，其主要是分布式实现Mapreduce的可迭代式数据。以此来快速检索和统计分析所需轨迹停车点后的数据提取，在利用Mahout中的Clustering数据中的挖掘模块实现多维空间下的快速聚类分析功能。

三、轨迹数据快速检索技术

轨迹数据快速检索技术是以SeqIlence Fries二进制文件取代原始数据的转存，设计Key-Value储存作为记录。其能够利用Key进行快速检索Value的特性，并再将数据子集存储在Value之中。此外还可以用HDFs分布式文件系统以及MapReduce分布式计算编程取代过去的关系数据库查找进而实现快速统计功能。该项技术的数据压缩比可以达到40％，运算速度可以提升50倍以上，因此可实现对固化后的数据实现快速检索与统计分析功能。

四、地图匹配技术

地图匹配技术是一项通过对传感器功能带来的观测数据进行分析进而确定传感器载体的地理空间位置。在智能交通领域当中一般的传感器指的均是GPS接收器，这是因为GPS接收器能够提供经纬度坐标等地理信息，并且其已经在诸多领域得到应用。大部分车载GPS接收器，其实际使用意义在于确定车辆正确的行驶道路，因此其对于车载实时导航系统具有至关重要的作用。在现在和未来应用当中车载GPS设备还会对交通流速度等交通状况进行数据传输，因此地图匹配技术在位置信息数据当中具有十分的关键的作用。