随着高速公路的发展和大城市交通问题的日益严重，建立交通应急系统的要求也越来越迫切，而有效的交通事件检测是应急系统成功运行的第一步，也是关键之所在，所以对交通事件检测算法的研究就成为热点问题。本文试图把小波理论和神经网络理论相结合，以高速公路动态交通模型为基础，建立一种利用小波理论处理数据的神经网络交通事件自动检测算法，主要研究内容包括以下几个方面：总结现有的交通事件自动检测算法，对其性能进行比较分析，并详细地列举出评价算法优劣的评价指标和评价准则，提出本文欲建立算法的基本原理。在数据低层处理阶段，利用小波分析的方法对环形线圈采集的数据进行了消噪处理，并比较了三种小波消噪方法的消噪效果。对检测交通事件的各种算法做了介绍和比较，详细研究了网络结构的选择和训练问题，为建立本文的算法提供了基础。提出了建立小波理论处理数据的ART2神经网络交通事件自动检测算法，该算法充分发挥了小波理论和神经网络理论各自的优势。神经网络具有并行处理、网络全局、信息分布存储等特点，可通过训练、学习产生一个非线性映射，自适应地对数据进行聚类，同时具有较好的抑制噪声干扰的能力和较强的鲁棒性。而小波理论可以消除原始样本中的噪声和冗余对象，对数据处理具有良好的效果。这两者的结合不仅可以减小网络的规模，同时通过消除对象冗余可减少网络的训练和学习负担，还可以通过消除噪声提高神经网络预测的准确性。为检验算法的有效性，建立了事件仿真模型，获得所需数据，并用获得的交通流数据来训练和检测本文算法，对已有神经网络算法和传统检测算法与本文算法做了对比试验和分析，分析结果表明，本文算法可获得较高的检测率和较低的误报率，对评价指标的协调性也比其它算法更好。