随着现代化的推进,城市规模的扩大,现代化城市的管理面临着越来越多的困难,而城市交通又是一个城市经济和城市文化的重要组成部分,从最早的提法,智能交通解决交通问题,到智能交通缓解交通问题,再到现在智慧城市中的智慧交通解决方案,城市道路交通的研究已经成为目前城市解决方案的一个重点,也是当前研究与应用的热点。其中,大规模的城市交通信息整合、分析、管理和挖掘是一项关键技术,而数据挖掘技术是解决城市道路交通的重要数据技术,它能够轻松应对海量数据并基于数据寻找交通数据中的规律,为智慧交通解决方案提供技术支持,有利于科学高效管理城市交通、缓解交通拥挤、违法违规交通行为、优化交通路网运行,促进城市交通的健康发展为城市管理提供有效解决方案。本文旨在探索数据挖掘在道路交通上实际应用,首先分析了城市道路交通的研究现状和存在的问题,揭示了数据挖掘技术在城市道路交通领域的地位。其次,进一步介绍了数据挖掘技术城市道路交通应用的主要方向以及对应的数据挖掘算法,先后探究分析了道路交通流量预测、道路交通拥堵因素挖掘、道路交通流分布模式挖掘、城市道路综合智能交通系统等四个主要方向。然后,针对城市道路交通研究中的套牌车辆挖掘问题,收集相关数据,采用相对先进和高效的数据处理工具Hadoop及其数据仓库工具Hive,并对各个工具做个简单的介绍。针对数据的质量做了深入的分析,在分析的基础上采用了可视化展示手段使分析出的问题更加直观和易懂,并根据研究业务逻辑设计了一套相对完善的数据清洗规则。最后,深入实例,先后探究了三种挖掘套牌嫌疑车辆的算法,分别是基于卡口概率流向的套牌车辆挖掘算法、基于加权平均旅行时间的套牌车辆挖掘算法和综合并改进前两个算法所提出的一种基于地理空间和时间的综合性挖掘套牌车辆算法,在理论上分析了该算法的可行性,事实证明,在克服和完善前两种算法后,综合性挖掘算法的确具备更好的挖掘效果和挖掘精度,完成了综合性挖掘算法在理论和实例上的科学性和有效性的证明。