智慧交通是智慧城市建设中最重要的组成部分,为建设智慧交通我国在各个城市部署了交通车辆监控系统,现有交通监控系统不仅实现了车辆的监测与追踪,还可有效检测车辆速度、行驶方向、识别车牌号码等丰富的外围信息。基于交通监控信息的数据挖掘在交通拥堵预测、城市规划、交通控制、甚至空气污染评估等领域具有重要应用价值和实际意义,然而,全城范围内庞大的监控交通大数据还鲜少用于城市交通及城市计算研究。因此,本文针对大规模交通监控数据做出了如下工作:(1)在一个省会城市全城范围内的监控交通大数据上展开了车辆类别挖掘及应用分析研究。首先,定义了周期性私家车、类出租车和公共通勤车三种对城市交通具有重要影响的车辆类别,将车辆类别定义与频繁序列模式挖掘算法相结合提出了相应的挖掘方法。在济南市一周1704个视频监测点,1.2亿次车辆记录数据上,验证了所提定义及挖掘方法的有效性;其次,以4个居民小区为例挖掘分析了居民出行的交通方式及与周围兴趣点(POI)分布关系,此外,还探索了城市交通监控大数据与POI相结合在城市规划、需求预测和偏好推荐方面的应用潜能。(2)与实际道路交叉口相比交通监控的部署是远远不够的,而且即使在监控部署位置也可能由于一些故障而无法准确获取车辆信息,因此交通监控收集到的车辆轨迹是稀疏的,而且是不完整的。然而,大部分城市交通管理、分析与预测技术都依赖完整的轨迹信息,因此本文基于摄像头监控数据,提出了一种基于深度强化学习的车辆具体路线推理算法。首先,将深度强化学习与交通仿真软件SUMO相结合,引入交通领域专家知识,考虑行驶时间差值、转弯次数、红绿灯数量、路段数等多个因素设计奖励函数,实现了一种结合交通模拟与强化学习的车辆路线推理算法。最后,在真实的济南交通监控数据集上,通过综合实验评估了所提算法的有效性。