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。

平臺由智慧交通數據中心、路網運行分析、路網調度分析、系統管理等部分構成。智慧交通數據中心，包括路網基礎數據、路況數據、動態交通事件檢測數據、呼叫中心數據、收費站擁堵與監測預警數據、路面養護施工數據、氣象數據、路政數據；路網運行分析，包括路網綜合分析、特殊時段流量分析、異常流量分析、交通擁堵分析、交通事故分析、惡劣天氣分析、行車軌跡分析；路網調度分析，包括路網流量預測、交通影響評估、交通誘導分析；系統管理，包括用戶管理、安全管理、日志管理、基礎數據管理、數據集成管理、綜合支撐管理、系統參數管理、系統監控管理。

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。

隨著國內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，形成了名副其實的大數據。但是這些以往的海量數據大多只存在于垂直業務和單一應用中，數據過于分散且信息內容單一，而且缺乏有效的數據分析方法，數據處理效率低下，致使海量的數據無法被共享利用，嚴重制約信息化建設整體發展的速度。因此，需要通過信息化手段對已有各系統的海量數據進行整合、分類、歸納，搭建數據倉庫，實現有效的數據存儲與管理。

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。