随着机动车辆保有量的不断增加,卡口过车信息剧增,通过对卡口过车信息挖掘,能够得到很多被忽视的潜在信息,比如寻找拥堵路段、嫌疑车辆等,从而达到智能交通管理的效果。但是随着卡口过车信息的剧增,对其进行存储、管理、挖掘的难度也越来越大,因此,通过大数据技术,完成对卡口过车信息的挖掘处理具有重要的应用意义。本文首先介绍了智能交通的发展概况,数据挖掘过程以及大数据技术。为了通过对卡口过车信息进行数据挖掘,从而完成智能交通管理的目标,针对原有的IOE架构存储压力大、设备成本高、实时处理延迟大等问题,本文提出采用Hbase数据库完成对卡口过车信息的存储以及线下数据挖掘,采用Flume-kafka完成对卡口过车信息的采集,采用Storm完成对卡口过车信息的实时处理。对于卡口过车信息存储以及线下处理,本文主要针对伴随车辆这个安全问题进行研究。通过对伴随车辆的定义以及任务的确定,对Hbase表模式进行合适的设计之后,完成对卡口过车信息的存储,并且能够快速检索出被测车辆的伴随车辆信息。对于卡口过车信息实时处理,本文针对套牌车辆进行了研究。通过对套牌车辆的定义,对卡口实时过车信息进行合适的处理之后,通过设计好的算法对其进行检测。最后论文对所提出的卡口过车信息处理方法进行了仿真验证,结果表明,本文基于大数据的信息挖掘技术能够对套牌车辆的检索效率提升近260倍,而且检索结果更为全面;同时,在考虑到时空不合理性以及系统识别错误率的前提下,能够对卡口过车信息进行实时处理,完成套牌车辆查询,做到零延迟。