当今的车联网系统架构主要分为四个部分：传感器网络,无线通信网络,云计算平台和车载终端。前端的无线传感器网络负责实时收集车流量等信息,无线通信网络将信息发送给后端的云计算平台,云计算平台负责处理大量来采集自前端的实时车辆信息,最后将信息发送给终端用户。上述系统架构的一个不足点在于系统延时较大,难以为终端用户提供高实时性的路况信息。而在现实环境下,终端用户对高实时性交通流信息等参数指标有着真实的需求。本论文在此车联网研究背景下,分析车联网系统架构各组成部分的性能指标,认识到系统中云平台的大数据处理效率还有提升空间。进而提出了用内存数据库替换云计算平台中的传统的I/O磁盘数据库以提升云计算平台的大数据处理效率。基于车联网背景下数据模型的特点将列存储技术应用于内存数据库。在列存储内存数据库的基础上,根据现实环境中车流量的特点将车流量信息做压缩处理,并且在最终读取数据的时候无需解压缩数据而是在压缩态下直接读取数据信息,这也是本文的创新点之一。在压缩优化的基础上,本文又用了时间窗优化算法进一步提升数据处理的效率,以满足高实时性的需要。最后,本文的另一个创新点是在上述优化基础上用路标时间窗策略实时监控突发性事件,一旦监测到突发性事件的发生,系统会第一时间将信息发送给车载终端用户,用户便可以在第一时间做出相应的应对策略,这无疑进一步满足了用户的现实需求。