当今,我国城市建设和交通建设处于一个关键的阶段。一方面,随着城镇化以及机动化的持续加速发展,交通拥堵已经成为了一大难题,并且在环境方面,PM2.5指数一直飙升,污染严重;另一方面,我国城市处在老城改造、新城建设的城市变革时期,是实现生态城市,绿色交通的最佳时期,遵循绿色交通的目标,从需求和供给两方面入手,学习先进的交通理念,从而有望实现我国绿色城市、绿色交通的跨越式发展。交通在巨大压力下造成拥堵,从而加大了人们出行的时间成本,不仅如此,在交通拥堵的状态下,机动车的燃油燃烧不完全并且时间也加长,环境污染的状况每况愈下。我国大多数城市的平均行车速度已经下降到25km/h以下,有些路段甚至只有7-8km/h,这样的速度出行,机动车已无法成为人们便捷的出行工具,而变成了环境污染的始作俑者。拥堵的交通状态,往往还会造成经济的巨大损失,为了缓解经济发展带来的交通运输方面的压力,尽量利用现有的资源,使其发挥最大的作用,各国都加大了对智能交通系统的研究和建设的力度。本文首先对国内外智能交通系统的发展现状进行了研究,并对智能交通系统中的大数据特点进行了调查,分析了当前数据挖掘技术在智能交通系统中应用存在的问题。通过调查分析以及数据收集,重点对交通流量预测、交通拥堵时间挖掘和交通流分布模式挖掘等几个方面做了研究。首先,对于交通流量的预测,本文提出了一种基于组合模型的交通流量预测算法;其次,基于道路交通流数据,初步提出了道路交通流模式库的建立,并以此为基础,提出了一种高效的挖掘算法;最后,结合以上算法,提出了一种交通信号灯智能调整算法研究。