2、大数据采集
在各城市建设智慧交通的过程中，将产生越来越多的视频监控、卡口电警、路况信息、管控信息、营运信息、GPS定位信息、RFID识别信息等数据，每天产生的数据量可以达到PB级别，并且呈现指数级增长。
3、大数据增值应用
深入挖掘数据价值，在智能交通、公安实战等行业上推出车辆轨迹、道路流量、案件聚类等大数据模型。基于大数据模型，推出智能套牌、智能跟车分析、轨迹碰撞、人脸比对、舆情分析等数据增值应用，逐步解决行业的深层次问题。
4、海量数据计算
通过云计算集群，实现对海量数据的分布式高速计算，支撑对海量数据的高效分析挖掘。云计算集群是一种M/S架构的分布式计算系统，Master作为调度管理服务器，负责计算任务分解与调度、计算资源统一管理。Slave则由大量的计算服务器组成，负责完成Master下发的计算任务。
5、海量数据检索
基于行业数据查询特点，对搜索引擎进行优化定制，支持百亿记录的秒级高速查询。通过集群机制，实现搜索服务的高可靠性、高容错性、高扩展性。
6、海量数据存储
对于海量数据存储，采用HBase分布式存储系统。相比传统关系型数据库，有四个特点：数据格式灵活、高可用、横向扩展能力强和访问高效。
同时能够做到无缝集成，快速从关系型数据库导入已经存在的历史数据。提供高可靠性、高容错性、高性能的海量数据存储解决方案，支持无缝容量扩展。
7、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。