城市的不断发展致使智慧城市应运而生,而智慧交通作为智慧城市中最重要的组成部分,用于解决因经济发展人口增长而带来的交通拥堵等问题。传统的交通管理模式已无法追赶上高速发展的脚步,因此需要更能适应现代化交通管理需求的交通治理模式,本文将探讨数据挖掘技术在智慧交通中的应用。数据挖掘与智慧交通发展相辅相成。一方面,数据挖掘是智慧交通得以实现及发展的重要手段,要想从智慧交通中的大量数据中得到有效的信息必须充分依靠数据挖掘技术。另一方面,智慧交通产生的海量数据,包括路况信息和车辆信息等重要数据资料,也在一定程度上推动了数据挖掘技术的发展。由此可见,数据挖掘技术的现实应用是智慧交通建设及满足交通治理需求的基础,智慧交通建设是数据挖掘技术得以应用和发展的渠道。文章以广东省普宁市近年来的交通数据为切入点,应用数据挖掘的理念技术,分析大数据背景下智慧交通发展的必要性,阐述智慧交通在数据挖掘手段辅助下产生的功能特性,紧密围绕智慧交通背景下短期车流量预测、车辆画像及犯罪团伙车辆挖掘三个方面进行研究,旨在为新时代产生的新的交通需求提供决策性意见。首先,本文针对交通数据的特性,分析并研究了现有的短期交通流预测技术,并在此基础上将小波包和最小二乘支持向量机的组合模型应用于短期交通流量的预测中。预测结果表明,相比单个模型,组合模型的精确度更高且时间复杂度更低。其次,以现有交通数据为基础,利用K-means聚类对车辆经常性的行为模式进行聚类分析,将所有的车辆聚类为包括昼伏夜出车辆在内的四大类,在一定程度上辅助警方识别可疑车辆。接着分为轨迹相似度挖掘及伴随车辆发现两个部分对犯罪团伙成员的车辆进行挖掘。在该部分提出了一种轨迹相似度的计算方法并根据伴随关系的特性,挖掘出与指定车辆构成伴随关系的车辆,辅助警方侦破团伙性案件。本文最后总结了将数据挖掘技术应用于智慧交通中的优势,并相信数据挖掘技术在未来一定会对智慧交通的发展及普及作出贡献。