高速公路,作为引领现代文化交流,促进经济快速发展的纽带,在我国已得到迅速蓬勃的发展,给人们的生产生活带来了极大的方便和快捷。与此同时其安全、畅通、效率等问题也同样引起了人们的普遍关注。由于现代高速公路的复杂性和特殊性,道路一旦发生任何形式的交通事件,其通行能力都会严重受阻,甚至会威胁到人们的生命财产安全。如果不及时采取措施,其后果不堪设想。因此,如何准确快速的检测出交通事件,进而采取合理有效的措施,把损失降到最低点,是人们一直研究探讨的课题。交通事件检测算法作为交通事件检测的核心,其综合性能的好坏直接关系到整个检测系统的稳定性。因此,对交通事件检测算法的研究具有十分重要的意义。交通事件检测模型的建立是以交通事件发生点上下游交通流参数变化为依据。本文也遵循这种思路,根据交通流参数突变原理,设计了基于RBF交通事件检测模型。鉴于RBF网络参数的确定过分依赖人为经验等因素,这里采用了PSO算法对RBF网络参数进行改进优化；针对基本粒子群算法优化精度不高等问题,本文运用不同方式对标准PSO算法进行优化改进,建立了基于IPSO-RBF的事件检测模型,并取得了较好的检测效果。最后根据弱分类器差异越大,其集成效果越好的原则,采用AdaBoost算法集成不同模型结构的IPSO-RBF弱分类器,利用该模型实现对交通事件的检测。本文对比分析了交通数据信息采集的不同方式,最终设计实现了基于视频图像采集交通流数据信息的方法。以I-880交通数据为依托,运用MATLAB R2013a平台进行仿真。通过分析实验仿真结果可知,采用基于AdaBoost方法集成IPSO-RBF的事件检测模型具有收敛速度快、分类精度高等优点,并在高速公路交通事件检测中取得不错的效果。