智慧交通通過大數據、云計算、物聯網和人工智能技術，對現有海量交通數據進行整合、挖掘和分析，增強交通路網的事前預警能力，輔助制定路網調度方案，及時調整和優化運營策略，由傳統的經驗決策模式逐步轉變為數據決策模式，進一步提升交通管理水平以及決策效率。

智慧交通大數據分析平臺，通過對已有交通數據的挖掘，提供路網交通運行態勢的分析預測，為實現路網的合理誘導和調度、交通預案的分析優化提供決策支撐，輔助管理者在事發前做出科學的決策。

信息系統經過多年的運行，沉淀了海量的視頻、圖片、圖表、文字等相關數據。這些數據具有量大、高維、多源、異構、動態、時效、連續、無限等特點。由于種種原因這些數據大多只存在于垂直業務和單一應用中，數據過于分散，并未被充分整合加以利用和挖掘。隨著信息化系統的不斷建設，相關的數據量級已從TB級別躍升到PB級別，足以支撐起行業應用大數據來解決相關問題。經過多年的發展也積累了大量的大數據處理分析的應用需求，具備基于海量數據進行相應數據挖掘的基礎。

數據是一種寶貴的資源。利用新技術新方法挖掘現有數據的價值，找到數據間的關聯關系，提高基礎數據的利用率，并預測未來趨勢及行為，是國內面臨的迫切問題。一批新興的數據處理、挖掘與分析技術不斷涌現，使分析處理海量數據變得更加容易、更加便捷。

通過建設大數據基礎平臺，對已有海量數據進行整合、挖掘和分析，由傳統的經驗決策模式逐步轉變為數據決策模式，可以進一步提升國內管理水平以及決策效率，并充分挖掘數據資產的重要價值。大數據基礎平臺采用模塊化結構，模塊高內聚、松耦合，應滿足高可靠、實時響應快、安全性好、開放性好，系統應易于操作、易于維護、可擴展性好。

大數據平臺進行數據采集時通常要面對數據結構、業務規則、技術特性（網絡、安全、性能約束）等方面的綜合挑戰。如果數據源和大數據平臺處于相同的網絡環境，具有類似的數據結構和編碼映射，可以通過工具配置或腳本進行采集，如使用Sqoop。當需要面對和對接第三方的數據生產系統，需要遵循對方的抽取協議，以及跨網段的數據訪問，從而需要對采集應用進行一定程度上的定制，可以使用Java NIO、Netty或Mina。

基于沃達德大數據平臺，通過對海量數據采集、處理、存儲、分析和數據挖掘，根據數據的特性，采用合適的可視化方式，將數據直觀地展現出來，以幫助人們認識數據、理解數據，同時找出包含在海量數據中的規律或者信息，預測未來發展趨勢，進行智能化決策分析，使得數據資產成為核心競爭力。