随着社会的快速发展和人们生活水平的提高,汽车已经是越来越多人首选的交通工具,给人们出行带来了非常大的便捷。但另一方面,汽车数量的快速增长,会给公路交通带来一定的压力,交通拥挤、交通事故等现象对人们的生活造成了不小的影响,同时也阻碍了交通运输的发展。因此,应用信息技术帮助解决上述问题具有重大意义。车联网作为物联网的分支,是智能交通系统的重要组成部分,车联网是由车辆位置、路线、车速等信息构成的庞大的网络。以计算机图像处理为核心的车牌识别技术,从路口摄像头采集的交通视频中实时提取车牌号码,并将相关交通信息存入统一的数据库中,这种依靠软件实现的车联网系统已经越来越被推崇。车联网系统所保存的海量的交通数据,其背后隐藏的潜在信息具有非常大的现实意义,利用数据挖掘技术,对海量交通数据进行科学分析,提取数据背后的知识,并将其服务于实际的车联网中,使人、车、路更为和谐。本文所做的工作如下：(1)研究图像中车牌定位、车牌字符分割、字符识别的方法。实现车联网中提取图像中的车牌区域,对倾斜校正后的车牌进行字符分割,使用基于多分类器的方法进行字符识别等过程。(2)从车联网中获得交通数据,以交通拥堵指数为依据,以杭州市延安路北到南路段为研究对象,基于C4.5算法实现交通拥堵预测的决策树。(3)在突变的采样点处对轨迹进行分段,设定轨迹数据的结构化表示形式和轨迹段的相似度定义,使用DBSCAN算法实现车辆轨迹数据的聚类分析。