如今我国道路交通面临严重的交通拥堵和交通事故频发等问题。交通事件检测作为ITS的重要技术之一,在缓解交通拥堵、提升交通安全和保障出行效率方面起着至关重要的作用。但由于交通事件自身具有很强的随机性,同时道路交通环境也具有很强的复杂性和变化性,无形中增加了交通事件的检测难度。而基于固定阈值比较的传统事件检测算法难以适应道路环境的实时变化,因此开发能够自适应调整阈值的交通事件检测算法便显得尤为重要。基于此,本文结合实际事故数据、流量数据、气象数据和道路数据,提出了交通事件检测算法中阈值的更新条件,通过建立交通事件检测阈值模型,确定了阈值的实时更新策略。在此基础之上,提出了基于阈值调整与优化的自适应交通事件检测算法。本文的主要研究内容包括以下几个方面:首先,通过提出重复报警的约束,解决了传统交通事件检测算法中存在的重复报警问题。对传统的SND事件检测算法、DES事件检测算法和基于Kalman滤波的事件检测算法的报警时间进行约束,分别针对性地提出了修正方法。其次,基于重复报警约束及阈值实时更新条件,构建了交通事件阈值自适应调整与优化方法。通过分析各类因素对交通事件检测算法性能的影响,建立阈值更新条件,以实时流量变化数据、道路数据、事件数据和气象数据为输入,根据阈值更新条件判断何时对阈值进行更新;以事件检测的性能指标为目标函数,利用粒子群优化算法对在不同阈值下的事件检测性能指标进行比较,从而寻找到最优的阈值参数,完成交通事件检测算法初始阈值的确定,在此基础之上,结合实时数据,引入阈值寻优时间窗,完成阈值的实时调整与更新。从而提出自适应SND事件检测算法、自适应DES事件检测算法和基于Kalman滤波的自适应事件检测算法。最后,以G2无锡-苏州段为研究对象,进行实验设计,对自适应事件检测算法的检测性能和自适应性进行了验证。实验结果表明,所提出的基于阈值调整与优化的自适应事件检测算法整体性能良好,误检率低于传统的基于固定阈值的事件检测算法。其中,基于Kalman滤波的自适应事件检测算法性能最优,其检测率为46%,误检率为8%。本文针对经典交通事件检测算法中所采取的固定阈值假设进行了深入分析,提出了阈值的自适应调整与优化方法,构建了自适应交通事件检测算法,提高了事件检测算法的自适应性及检测精度,对交通事件的识别及管控措施的制定具有重要意义。