随着我国城市化的快速推进,城市变得越来越大,但各大中小城市的地面交通都出现了不同程度的拥堵。城市快速路是城市交通的动脉,承担城市交通运输的主要任务,快速路的交通控制及管理是城市交通控制的首要任务。交通控制需较精确地预测交通流、即时发现交通事故。本文总结目前主要的交通流预测及事故检测算法,建立合适的交通流模型并做相应变换,得到灵活、适应性强的状态方程和测量方程。此外,简单介绍卡尔曼滤波理论。由于出入口流量对快速路交通流影响较大,算法中把快速路出入口流量之差作为交通流状态方程的系统噪声,在考虑输入的情况下,利用卡尔曼滤波最优预测理论实现对交通流的平均密度的预测,并利用深圳市网格化机动车牌自动识别综合应用系统(广东省级公安局重点项目)实测数据对算法进行了仿真验证研究,得到了比较理想的预测结果,验证了所建立的算法的有效性及预测效果。文章提出了利用卡尔曼滤波最优滤波方程对建立的交通流系统状态方程、观测方程实现滤波,参照DELOS算法实现对城市快速路的事故检测,并通过实测数据仿真验证了算法的可行性及算法的检测效果。这种基于卡尔曼滤波的快速路交通流预测及事故检测算法,是动态递推算法,这一算法中的值对新值敏感,适合于快速路交通控制中的在线预测及事故检测,所得结果可为大流量、实时交通流控制提供快速路超前的交通流参数参考。