在当前交通大数据应用迅速发展的时代,智能交通系统(Intelligent TransportSystem,ITS)有了更快的进步和发展,越来越多的研究者将更有效、更智慧地把数据应用于城市交通管理和控制领域中。利用轨迹数据进行事件检测为交通管理者提供了有效的数据支持和理论支撑,以便于去解决交通事件带来的交通安全和环境治理等一系列问题。以往的研究常常出现交通事件路况信息分析不到位、检测过程复杂、检测误差高等问题。为解决这些问题,本文针对车辆轨迹大数据进行分析研究,提出了一种基于浮动车的城市交通事件快速检测并且分析事件类型的方法。该方法的目标是利用轨迹数据,检测车辆在运行过程中发生的偶发性事件或者常发性事件,从而保证交通事件检测的时效性和准确性。本文实验首先由北京市的出租车轨迹数据特性开始,进行数据预处理,并结合路网信息,从数据时间点、位置信息、方向角几个角度完成地图匹配。其次根据每个路段都具有典型交通流的特性,兼顾交叉点和轴承的变化,同时判断车辆行驶方向,对轨迹数据进行车辆轨迹复现,并将轨迹分类,解决一些由隧道交叉和异常驾驶带来的精度误差问题,以此提高轨迹复现的准确性。在此基础上做出基于GIS的轨迹查询系统,最后通过分析交通事件发生时的交通参数特性,建立检测事件发生的算法模型,提出一种改进的累积和(Cumulative Sum Control Chart,CUSUM)算法。该方法通过分析交通参数特性,对事件发生过程中数据偏移量进行检验,来判别事件发生点。通过轨迹复现系统复现事件发生路段轨迹,并结合地图数据,为判断事件的类型提供参考。事件检测准确性通过VISSIM仿真进行验证。检测结果通过检测率、误报率和平均检测时间三个指标与传统的California算法,BP神经网络算法等进行了对比,证实了该方法的检测准确率和效率更高。除此外,该方法具有事件类型判别效果好的特点。