交通事件检测系统是智能交通系统的重要组成部分,它可以迅速检测和处理道路上发生的交通事件。自动检测因其成本低、不受天气限制且检测率高而在事件检测方法中备受关注。自动检测系统的关键部分是事件检测算法。本文从交通流的基本特点出发,在对国内外现有研究成果的基础上,分析比较了一些检测算法的原理和特点及其优缺点,针对几种智能算法在高速公路事件检测中的应用进行了研究。本论文的主要研究内容包括:采用径向基函数(RBF)神经网络研究高速公路事件检测问题。分析了交通流参数在有交通事件发生时的变化规律,选择合理的交通流参数作为输入量,构造动态神经网络结构。在不影响网络泛化能力的同时,加入了多余隐节点的删除和合并策略。仿真表明,该算法在事件检测中具有检测率高、学习速度快等优点,具有良好的应用前景。提出了一种基于支持向量数据描述(SVDD)算法的快速事件检测方法。该算法把有事件样本和无事件样本分别用SVDD算法进行优化,但每次只对那些对超球体边界有影响的数据进行优化,该方法既保留了SVDD算法的优点,又达到加快训练速度的目的。