车联网大数据的特点主要包括以下几点：

1. 海量性：随着车辆数量的不断增加，车联网系统所收集的数据量也在迅速增长。这些数据包括但不限于车辆运行数据、驾驶员行为数据、道路交通数据等。
2. 多样性：车联网数据涵盖了多种类型，如结构化数据（如车速、油耗等数值数据）和非结构化数据（如视频、图像等）。
3. 实时性：车联网数据是实时产生的，因此需要实时处理和分析，以便及时反映车辆和交通状况。
4. 高价值性：通过对车联网数据的深入挖掘和分析，可以揭示出车辆运行规律、驾驶员行为习惯以及道路交通状况等有价值的信息，有助于优化交通管理和提升驾驶安全。

在设计车联网大数据平台架构时，需要注意以下几个方面：

1. 数据接入与处理能力：由于车联网数据量大且实时性强，平台需要具备高效的数据接入和处理能力。这包括采用海量数据采集技术、边缘计算技术以及分布式存储和计算技术等，以确保数据的及时收集和快速处理。
2. 数据治理与管理能力：平台应提供一套完整的数据治理和管理工具，支持多种不同种类数据的整合、清洗、存储和处理。这有助于确保数据的质量和准确性，为后续的数据分析提供可靠的基础。
3. 数据安全与隐私保护能力：随着车联网数据的增多，数据安全问题日益突出。平台需要采用先进的安全技术和管理措施，确保数据的安全存储和传输。同时，也要严格遵守相关法律法规，保护用户隐私。
4. 灵活性与可扩展性能力：车联网技术和应用不断发展，平台需要具备灵活性和可扩展性，以便根据实际需求进行功能扩展和升级。
5. 高效的数据分析与挖掘能力：平台应支持高效的数据分析和挖掘功能，能够从海量数据中提取有价值的信息，为交通管理、智能驾驶等应用提供有力支持。
6. 可靠性与容错性能力：确保系统的高可用性和故障恢复能力，通过数据备份、冗余设计和故障切换机制减少服务中断风险。
7. 资源优化与成本控制能力：合理利用云计算资源，通过自动化运维、负载均衡等手段优化资源使用，控制运营成本。