随着我国高速公路的建设和发展，高速公路安全逐渐引起人们的重视，而高速公路交通事件检测技术的完善与成熟对高速公路安全起着关键性作用。当高速公路出现交通事件时，交通事件检测技术能够及时发现从而避免造成重大人员伤亡和经济损失，减小二次事件的发生几率。交通参数数据是研究高速公路交通事件检测算法的关键，本文通过两种方法来获取数据，一是利用现有实际车辆检测器获取交通参数数据，这一部分的数据作为非交通事件数据。二是利用交通流模型来推演交通事件时的交通参数数据，这一部分作为交通事件时的数据。本文对现有交通事件检测算法进行研究，并对其有效性进行对比分析，详细分析了评价交通事件检测算法有效性的方法。通过分析BP网络、LVQ网络的基本原理，充分发挥神经网络理论优势并将其应用到交通事件检测算法中，提出了基于BP、LVQ神经网络交通事件检测算法。通过有效的数据获取和优化处理得到交通参数的数据，经过整理进而得到数据集，可以训练和检验基于神经网络的交通事件算法的有效性。通过对California算法、基于BP网络交通事件检测算法、基于LVQ网络交通事件检测算法，三种算法进行对比试验和分析，基于神经网络的交通事件检测算法明显优于California算法。两种基于神经网络的交通事件检测算法也有其优缺。采用BP网络，存在收敛速度慢和局部极小的缺点，在样本量少且噪声较多的问题中效果不理想。而LVQ神经网络无需对数据进行预处理，这使得相比于BP网络，LVQ神经网络更加简单、更加有效、更加具有可移植性。对比LVQ神经网络和BP神经网络的测试结果，无论从理论还是从实际检验中都可以看出LVQ神经网络的效果比BP神经网络要好，测试数据证明了LVQ神经网络在交通事件检测中优于BP神经网络。