随着城市化进程的加快,城市交通压力越来越大,而城市隧道的出现大大缓解了城市交通压力。但是隧道又是一个非常复杂的环境,为了使隧道安全、高效的运营,并尽量避免隧道交通事故,对隧道的日常运营管理需要一个行之有效的方法。隧道的智能监控以及安全管理成为新的研究课题。目前隧道监控系统主要功能是对隧道内环境数据的采集和隧道可控设备的控制。由于隧道内环境较为恶劣,各种软硬件设备长期在隧道里面比较容易发生故障,故对隧道内各种软硬件设备的故障检测变的尤为重要。一个高效、安全以及准确的隧道故障检测机制是隧道长期安全、高效运营的必要条件。故障树分析法依据其直观、明了、逻辑性强等特点在隧道故障检测有着巨大的前景。通过建立隧道故障树并给出隧道故障最小割集,可以对隧道内故障进行定性和定量分析。对隧道智能监控系统的历史数据库进行分析研究,并有选择性的提取样本数据,结合神经网络强大的自适应和学习能力建立了隧道数据异常检测的神经网络模型。通过从历史数据库中的提取的大量样本数据对该神经网络模型进行训练,进而对行隧道内的数据进行预测从而判断数据是否异常。本文结合实际运营的武汉市水果湖隧道、武汉市汉口火车站地下通道、武汉市中山路地下通道以及武汉市国博中心地下通道等。对实际隧道故障检测机制进行分析与研究,从而建立了一套行之有效的隧道故障检测机制,并给出一个典型隧道故障检测流程和方法。本文中的故障检测机制通过MatLab仿真模拟和大量实际隧道运营历史数据处理,实验结果证明：本文的故障检测机制是行之有效的。