交通行業信息系統經過多年的運行，沉淀了海量的視頻、圖片、圖表、文字等交通相關數據。這些數據只存在于垂直業務和單一應用中，數據過于分散，未被充分整合加以利用和挖掘?，F有交通系統實時分析能力差，海量數據處理效率低，系統耦合度低，數據間關聯展現不夠直觀清晰，缺少數據分析方法，導致決策效率不高。隨著汽車數量的急劇增加，交通擁堵已成為交通管理面臨的主要問題。如何避免擁堵和減少交通擁堵造成的影響，調節路網交通流量，提高道路的通行能力，為優化路網調度策略提供決策支撐，已成為交通領域亟待解決的問題。

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。

近年來，數據挖掘理論及其技術研究和開發取得了較為快速的發展，其在各個領域應用有著非常廣闊的空間和潛力。數據挖掘成為解決數據處理難題的有效途徑，主要依賴兩項技術：一是對某個領域各部門產生的各種業務數據進行整理和集成，搭建支持決策的數據分析環境，即數據倉庫；二是發現隱藏在各種監測數據之中的有用知識，即數據挖掘。

利用各種分析方法，對已有數據進行統計和分析，提供歷史數據的分析結果。幫助決策者能快速有效的從大量資料中，獲得有價值的分析結果，做出科學的決策，幫助建構商業智能(BI)。

數據可視化是數據挖掘人員必備的技術，它不但可以幫助探索數據內存價值，還能直觀有效地展示分析結果，從而更容易讓人接受所希望傳達的關鍵信息。發現變化趨勢，在某個地區是否有聚集性；識別數據的邊緣點，如最大值、最小值、邊界數據等。目前國際上將可視化數據挖掘過程分為數據可視化、數據挖掘過程可視化、數據挖掘結果可視化、交互式可視化數據挖掘等。

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。