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。

智慧交通大数据分析平台，通过对已有交通数据的挖掘，提供路网交通运行态势的分析预测，为实现路网的合理诱导和调度、交通预案的分析优化提供决策支撑，辅助管理者在事发前做出科学的决策。

平台由智慧交通数据中心、路网运行分析、路网调度分析、系统管理等部分构成。智慧交通数据中心，包括路网基础数据、路况数据、动态交通事件检测数据、呼叫中心数据、收费站拥堵与监测预警数据、路面养护施工数据、气象数据、路政数据；路网运行分析，包括路网综合分析、特殊时段流量分析、异常流量分析、交通拥堵分析、交通事故分析、恶劣天气分析、行车轨迹分析；路网调度分析，包括路网流量预测、交通影响评估、交通诱导分析；系统管理，包括用户管理、安全管理、日志管理、基础数据管理、数据集成管理、综合支撑管理、系统参数管理、系统监控管理。

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)。

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。

作为一个多学科交叉的领域，数据挖掘可以用多种方式定义，例如“从数据中挖掘知识”、“知识挖掘”等。许多人把数据挖掘视为另一个流行术语——数据中的知识发现（Knowledge Discovery in Database，KDD）的同义词。由以下步骤组成：（1）数据清理：清除噪声和删除不一致数据；（2）数据集成：多种数据源可以组合在一起；（3）数据选择：从数据库中提取与分析任务相关数据；（4）数据变换：通过汇总或聚集操作，把数据变换和统一成适合挖掘的形式；（5）数据挖掘：基本步骤，使用智能方法提取数据模式；（6）模式评估：根据某种兴趣度量，识别代表知识的真正有趣模式；（7）知识表示：使用可视化和知识表示技术，向用户提供挖掘的知识。

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。