城市化进程加速使交通拥堵问题凸显，实时精准的流量监控预测成为智能交通核心需求。针对传统管理存在的数 据处理效率低、模型时效性差等痛点，本文设计实现基于 Spark 的道路交通实时流量监控预测系统。该系统融合物联网、 机器视觉与深度学习技术，搭建 “数据采集 - 存储计算 - 模型预测 - 应用展示” 全流程架构，通过 Kafka 传输数据， 依托 Spark Streaming 与 MLlib 构建计算框架，提出 SW-BiLSTM 模型捕捉路段关联与时序特征。经娄底出租车轨迹及模 拟数据验证，系统在处理延迟与预测准确率上表现优异，可为城市交通调度管理提供可靠支撑。 关键词：Spark；交通流量；实时监控；预测模型；SW-BiLSTM