随着互联网技术和现代信息产业的飞速发展,交通管理部门采集数据的渠道越来越多,数据量越来越大,数据种类繁杂,如何在海量数据中通过分析研判和数据关联碰撞,挖掘有价值的潜在信息,辅助交管部门对城市交通做出准确的决策是当下亟需解决的问题。交管数据往往与空间属性相关,而传统分析型数据库大都缺乏空间分析功能;传统GIS平台虽然具有较为强大的空间分析能力,但受限于单机架构,单机处理性能成为瓶颈,时空大数据的处理效率低下;因此在调研了传统大数据分析工具和交管数据特点的基础上,选择了Clickhouse分布式列式数据库和Spark计算引擎来构建大数据分析框架,通过构建业务模型的方式为交管部门提供业务分析能力。本文在分析了Clickhouse和Spark各自的优劣后,以虚拟表为桥梁,构建了Clickhouse和Spark混合计算框架,通过Clickhouse提供丰富的分析函数、高效的读写能力,通过Spark RDD的可拓展性提供空间分析能力,并详细设计了交管业务模型中业务算子的结构和处理流程。在混合计算框架的基础上,结合交管数据特点和实际分析需求,针对业务模型的创建、定时执行分别进行了调度优化设计。通过共享应用池对业务模型的创建进行了并发优化,在保证用户体验的基础上,服务更多地分析人员;对于业务模型的定时执行需求,从业务模型的整体和算子层面分别设计了结果集时序分析优化方法和基于DAG的分支优化方法,旨在减少冗余计算,提高业务模型分析效率。在混合计算框架的基础上,分析了交管动态数据的特点,针对轨迹数据、卡口拍照数据等同步方式为增量追加的数据表通过增量计算技术进行计算优化。提出了增量计算的概念与模型,并在数据库层面进行了增量计算设计;根据增量计算合并函数的不同,将业务算子分为了Append型算子和Update型算子,并对典型增量算子的计算原理进行了详细介绍;最后从增量计算框架层面出发,介绍了SQL逻辑合并和缓存规则的相关设计。实验结果表明,在数据规模较大时,混合计算框架的计算效率相对于传统数据库提升明显;基于DAG的分支优化方法对于业务模型的定时执行具有一定的提升效果;增量计算从根本上减少了参与计算的数据量,在数据规模较大时能够明显地缩短计算时间,计算效率显著提升。