大数据不是全新的技术，对于智能交通的影响也是持续的。“路车数据交换”中道路和车辆都可以成为信息源产生信息。例如自动感应的雨刷器在遇到下雨天气时会自动启动，并能够根据雨量调节雨刷摆动的频次。也就是说雨刷器摆动的越频繁说明当地的雨量越大，结合大气天气预报与车辆的具体位置就能够得出某一具体路段的精确天气数据，这就是路车数据交换的典型案例。再比如，车队中前车突发状况之后，后车能够根据前车位置的变换对后车驾驶员的盲区做出提示预警，甚至在某些危险角度时对方向盘的扭转幅度做出限制，这就是车车数据交换的典型案例，目前这类技术装备的车辆已经快商品化了，并在美国和欧洲的实际道路上进行千辆以上规模的应用测试。其实最常见的不停车收费系统也是车路数据交换的一个应用，驾驶员在通过不停车收费系统的同时也能够通过路侧或收费站上安装的天线获得前方道路的信息情况。
大数据具有信息集成优势和组合效率。在交通领域，大数据的作用除了对于智能交通的支撑还包括整体交通数据的管理。我国大部分城市的各类交通运输管理主体分散在不同主管部门，呈现出条块分割的现象。从合理利用调配资源的角度来说，大数据能起到的作用必须是建立在需求为导向的前提之下的。
对此，王笑京解释，不同交通运输方式特点不同，是否需要数据进行统一和互换需要以需求为准。铁路运输与公路运输只要将重要数据如列车时刻表、站点、客流量等指标共享即可，而不需要将全部数据进行共享。例如，北京市交通运行协调指挥中心(TOCC)作为全国首个城乡一体化的交通运行协调指挥中心，其功能和运行模式的定位与设计是核心内容之一。中心是对各种交通信息资源进行统一存储、统一维护、统一管理，并在更高层面对常态和应急状态下交通的某一方面或者多种交通运输方式交叉配合进行协调指挥的中枢机构。目前北京市拥有北京市交通管理局交通指挥中心、北京市轨道交通指挥中心、北京市道路路网管理与应急处置中心、北京公交集团调度指挥中心等多个交通指挥中心。不难发现，中心内综合在一起的交通种类无论是路面还是轨道都属于城市主要交通运输方式。对北京市来说，重要的是解决城市交通的突出问题和面对应急事件的资源调配问题。如若将民航管理和水运管理也纳入其中，不但对解决城市道路交通问题没有明显的帮助，反而浪费了资源。王笑京总结：道路交通的组织化程度最低，但是接入性却最高，而铁路的组织化程度最高，但接入性较低民航也类似。道路交通对于车辆种类、行驶时间都无法进行规定和限制，也就是对不可控群体的可控化最难实现，而智能交通技术对提高道路交通的组织化有明显的作用，这也就是国内外智能交通的重点都在道路领域的原因。因此智能交通系统应该重点将道路交通信息资源集成应用，而与其他运输方式的数据共享则需要根据行业内的作用和数据交换需求而定。
当然，智能交通对于具体交通情况的指导和影响并不是完全复制某一两个成功案例就能够实现的，各地的具体情况不同所采用的方式和指导思想也必然千差万别。
杭州市交通信息中心技术总监毛剑结合杭州市的实际情况表示，在交通信息资源整合的过程中，面临着海量多元异构的数据的采集，管理和分析。在实施过程中，除了音视频数据外，还包括了卡口，电子警察采集数据，车辆的GPS数据，气象数据、地理信息数据、公交车长途客运车等车辆的静态属性信息和营运信息。首先是这些数据的采集，在建立统一的数据交换平台的基础上，采用分布式处理方式，对这些信息进行接收，降低数据处理的压力，同时优化数据采集策略，对相对静态的数据，在约定时间，对增量和变化数据进行采集;在采集方式上主要采取以下几种方式，一是通过采集前置机方式进行数据采集，在数据提供单位设置交换前置机，通过消息机制，对增量和变化的数据进行采集;二是在局内部与相关业务系统直接对接，通过开放相关业务系统的数据库权限，实现数据的直接对接，保证数据的实时性;三是通过建立ESB总线，对“种植”在总线上的相关应用和数据服务的接口进行调用，实现数据的对接;四是通过网络对现场的设施设备进行实时采集。
针对不同数据，系统采用传统关系型数据库存储管理的同时，对特殊文件进行文件式存储，通过关键字进行关联检索，对像卡口设备传输的原始数据，为保证数据的及时性，采用了实时数据库对这些数据进行管理。
为能够使这些采集过来的宝贵的原始数据，实现有数据到信息再到知识的转变，在数据分析过程中，建立了专门的数据分析与管理平台，对原始数据中的“脏”数据进行清洗，清洗后的数据，通过专业的数据处理软件，建立交通数据仓库，并对数据仓库进行按照业务需求进行多维度分析，建立数据集市，这样顶层的业务系统能够最大化，最便捷的应用这些数据。
