1.智能交通行业的发展
总结近10多年智能交通行业的发展，我们发现城市智能交通发展是信息化发展的缩影，从信息化、系统化向智能化发展，可以大致归类成三个阶段：
基础建设阶段
城市智能交通的发展,处于首位的是必要的交通基础设施建设。例如市中心区域主干道的交通信号自动控制设备的覆盖,干线协调系统的搭建;主要干道的交通视频监控;重要交叉路口、路段数字化执法设备的建设等交通基础设施，以及此类集成子系统的中心后台的搭建。对于个别子系统会进行简单的小范围系统集成应用，如道路监控与电子警察的系统集成等。
此阶段主要是缓解城市路网和车辆的供需矛盾,提高交通通行能力,减少城市中心区的交通负荷。
提升管理阶段
在基本的基础建设完成后，随着日益增加的城市交通需求，使得交通管理系统必须尽快提升自身的管理水平。首先扩大基础设施建设,例如多区域交通信号的联网覆盖，城市点、线、面交通路段信号区域协调控制等;增加完善信息集成子系统;然后进行大型综合系统集成应用，多个子系统协调联动，从而提高管理效率和水平。
此阶段主要是完善各子系统，提高各系统使用效率，提高业务管理水平，缓解城市人车路之间的矛盾。
发展服务阶段
在解决了城市交通综合管控、交通安全保障后，交通信息服务的搭建将会成为一个能切实服务于公众的建设工程，此阶段需要将各应用领域的资源进行汇聚融合，构建智能交通大数据平台，对各类交通数据进行挖掘、共享、融合、应用，并且完善服务体系，提高政府服务水平。
此阶段主要是在智能交通系统建设后，综合利用各种先进技术，如云计算、大数据，互联网技术等服务民众。
由于我国智能交通行业发展的复杂性，三个阶段的特征同时存在。但总体来讲，普遍存在的情况就是：缺乏通过大数据分析技术深度挖掘海量数据中的潜在规律和线索，不能充分挖掘和分析各类道路交通信息，缺少道路动态交通路况、交通事故、交通违法智能分析的能力，不能更好的将智能交通大数据用于交通管理。
2.大数据对智能交通的影响
何谓大数据，不论是4V还是5V，都仅仅从数据的特征纬度提出了大数据的概念，并没有提高到应用的层次来解释大数据。大数据不仅仅是一个采集融合、管理分析、处理展现的数据集合，更是采用新技术流程优化、深刻洞察、智能分析决策的以适应海量、高增长、多样化的信息资产。
大数据对于智能交通有哪些影响呢?
我们可以先看一个比较突出的问题：近年来，各地大规模上了交通管控系统之后，尽管交通违法情况得到了遏制，但是交通拥堵的情况却并未减少。从以往的经验来看，主要原因之一就是“重建轻用”。因此对于缓解交通拥堵，要从管理应用上入手。这其中能产生有效效果的就是利用交通大数据的应用了。
大数据采集与存储
交通数据采集的范围、广度和深度急剧增加，数据量随着智能交通系统建设规模不断扩大。以线圈、视频检测、微波、卡口、GPS、浮动车等产生交通流监测数据、视频监控数据、系统数据、服务数据等构筑了交通大数据。以上海市数据为例，全市接入6600多个卡口，每天近8000万的通行数据，产生大量的视频、图片和通行记录。利用二次识别技术，对车辆图片和视频进行分析，形成更准确的数据资源。
大数据分析与应用
高效的云计算能力，带来千亿数据的秒级返回的检索能力，为大数据分析应用，提供了快速的保障。基于深度学习的智能分析算法，为大数据分析应用提供有力的工具。交通大数据的分析，为交通管理、决策、规划、服务以及主动安全防范带来更加有效的支持。
利用大数据技术，结合高清监控视频、卡口数据、线圈微采集波数据等，再辅以智能研判，基本可以实现路口的自适应以及信号配时的优化。通过大数据分析，得出区域内多路口综合通行能力，用于区域内多路口红绿灯配时优化，达到提升单一路口或区域内的通行效率。如根据平日/节假日，早、晚高峰/其他时段，主要干道关键路口/次关键路口/普通路口，白天/夜间等不同情况，人工或系统自动设置不同的配时，达到大幅提高区域内交通通行能力。
大数据分析研判功能，还可以支持对卡口数据、视频监控数据进行二次识别，提高车辆信息的准确性，进而利用大数据实现套**，轨迹分析、落脚点分析、隐匿车辆分析等功能。对车辆大数据进行深入挖掘，实现事前全面监控、事中及时追踪、事后准确回溯的不同场景需求。常州市建设的车辆大数据平台，协助有关部门每天自动发现套牌车辆10余起，再根据车辆的轨迹分析和落脚点分析，快速找到套牌车辆进行处罚管理。
结合智能算法，二次识别等功能，可以更准确的识别车牌、车身颜色、车型、车标、年款等特征，并且对遮阳板检测、安全带检测、接打电话检测、司机人脸识别等进行分析。
利用智能交通的管理系统，可以获取道路天气、施工情况、事故情况、结合大数据分析，为出行司机和交管部门提供天气、路面状况、事故易发地点、停车场等信息，并根据车辆目的地、行驶习惯，路面情况推荐行驶路线。
