建立高速公路事件管理系统能够有效降低交通事件对交通的影响，提高运营管理水平。随着高速公路基础设施建设的飞速发展，开展高速公路事件管理相关的研究具有迫切的社会需求和广泛的应用前景。本文在总结国内外事件管理研究成果的基础上，针对高速公路事件管理效率评价、事件管理主要部门权重评价和事件管理经济效益评价三个方面进行相关理论和应用研究。　　 在高速公路事件管理效率评价研究中，首先针对事件管理具体环节和整体效率设立了初始评价指标系，并使用专家评估法进行筛选，确定了80个指标和指标系的层次结构(包括总目标层、子目标层、标准层和指标层)。在指标系各层模糊性特征基础上，用层次分析法、模糊聚合法得到指标层和标准层的权重以及指标的满意度。在分析总目标层和子目标层的关系过程中，应用偏最小二乘法解决了子目标数量过多且有相关性的问题。应用此方法对宁淮高速公路的事件管理进行评价，评价结果表明该评价方法能较好反应事件管理各方面的水平，并能有效辅助事件管理的调整与改进。并在此基础上开发了交通事件管理辅助系统。　　 在高速公路事件管理主要部门权重评价研究中，从高速公路事件管理参与部门在事件管理活动中的具体职能入手，分析了事件管理部门能力对于事件管理效率评价指标系中的标准层的关系。在考虑部门能力对于标准层的权重影响时，各部门有操作数量方面的差别，利用基于最小化离差的综合赋权法进行处理。通过递推得到部门能力对于子目标和总目标的权重影响。为了验证实际部门能力权重的合理性和发展趋势，引入灰色关联度来分析其与合理权重的关系；在用序关系法确定合理权重之前，分别运用序关系法、熵值法确定了专家评分能力项目的主客观权重，用基于评价目标值最大化的方法进行处理得到组合权重，从而考虑不同专家评分能力的影响。运用此方法对宁淮高速公路的情况进行评价，评价结果客观反映了事件管理部门在事件管理活动相关环节中的重要程度，并能分析调整改进方向，指导相关部门的事件管理建设。　　 在高速公路事件管理经济效益评价研究中，根据我国的高速公路在出入口都设有收费站且组成封闭的网络，而收费站记录了车型、车辆出入站时间等关键数据的特点，分析了正常旅行时间预测模型的结构和数据获取方案。旅行时间的预测采用遗传算法改进的反向传播神经网络(BP网络)，具有良好的全局搜索能力。应用收费数据和事件管理记录日志等，用受到事件影响的旅行时间减去正常旅行时间即可得到单车延误，然后可以计算路网延误。结合排队理论计算事件持续时间的减少所对应减小的延误，从而计算减少的燃料消费、污染排放、旅行时间及二次事故所带来的经济效益等。用此方法对宁通高速公路进行评价，高速公路正常旅行时间的预测结果表明利用基于遗传算法改进的神经网络模型能够有效提高BP网络的学习效率，减小BP网络运算陷入局部最小值的概率，提高预测的准确性；经济效益计算表明此评价方法的评价结果直观明确，能够为事件管理项目的评价提供有力且实用的手段。