交通行业信息系统经过多年的运行，沉淀了海量的视频、图片、图表、文字等交通相关数据。这些数据只存在于垂直业务和单一应用中，数据过于分散，未被充分整合加以利用和挖掘。现有交通系统实时分析能力差，海量数据处理效率低，系统耦合度低，数据间关联展现不够直观清晰，缺少数据分析方法，导致决策效率不高。随着汽车数量的急剧增加，交通拥堵已成为交通管理面临的主要问题。如何避免拥堵和减少交通拥堵造成的影响，调节路网交通流量，提高道路的通行能力，为优化路网调度策略提供决策支撑，已成为交通领域亟待解决的问题。

智慧交通通过大数据、云计算、物联网和人工智能技术，对现有海量交通数据进行整合、挖掘和分析，增强交通路网的事前预警能力，辅助制定路网调度方案，及时调整和优化运营策略，由传统的经验决策模式逐步转变为数据决策模式，进一步提升交通管理水平以及决策效率。

近年来，数据挖掘理论及其技术研究和开发取得了较为快速的发展，其在各个领域应用有着非常广阔的空间和潜力。数据挖掘成为解决数据处理难题的有效途径，主要依赖两项技术：一是对某个领域各部门产生的各种业务数据进行整理和集成，搭建支持决策的数据分析环境，即数据仓库；二是发现隐藏在各种监测数据之中的有用知识，即数据挖掘。

利用各种分析方法，对已有数据进行统计和分析，提供历史数据的分析结果。帮助决策者能快速有效的从大量资料中，获得有价值的分析结果，做出科学的决策，帮助建构商业智能(BI)。

数据可视化是数据挖掘人员必备的技术，它不但可以帮助探索数据内存价值，还能直观有效地展示分析结果，从而更容易让人接受所希望传达的关键信息。发现变化趋势，在某个地区是否有聚集性；识别数据的边缘点，如最大值、最小值、边界数据等。目前国际上将可视化数据挖掘过程分为数据可视化、数据挖掘过程可视化、数据挖掘结果可视化、交互式可视化数据挖掘等。

基于沃达德大数据平台，通过对海量数据采集、处理、存储、分析和数据挖掘，根据数据的特性，采用合适的可视化方式，将数据直观地展现出来，以帮助人们认识数据、理解数据，同时找出包含在海量数据中的规律或者信息，预测未来发展趋势，进行智能化决策分析，使得数据资产成为核心竞争力。