随着我国社会经济的迅猛发展和城市化进程的不断加速,城市路网规模日益扩大,各等级道路总里程快速增长。城市快速路作为城市路网中技术和服务等级最高的道路,在城市道路系统中起着骨架路网的作用,承担着高流量、高车速的交通需求,一旦发生交通事件,极易产生交通拥堵,如果处理不及时,还会造成二次事故,对整个城市快速路网的运行造成严重影响。交通事件自动检测是快速路紧急事件管理系统的重要组成部分。交通事件自动检测算法性能的提高将显著改善事件管理系统的应用效果。由于固定检测器布设间距过大、通信故障造成数据严重缺失以及浮动车数量限制等问题,简单的采用单一数据源进行快速路事件检测效果极不理想,经常造成检测长时间中断、无法成功检测等问题。近年来,在多源交通数据不断丰富、检测器、浮动车等多源历史数据不断积累的背景下,利用各类交通数据所包含的交通信息,从而提高交通事件检测的准确性成为事件检测的新方向。基于多源交通数据的采集和处理,本文致力于提出一种基于固定检测器数据和浮动车数据的易于实现的适应于北京市快速路的交通事件自动检测算法,从而提高快速路事件检测的覆盖率和不确定性。为了有效弥补某一数据来源缺失无法进行事件检测的情况从而提高事件检测覆盖率,本论文通过分析交通事件发生时交通流参数在时间维以及空间维的变化,分别提出了基于固定检测器的多参数判别算法与基于浮动车的时空二维判别算法;当两个数据源算法同时检测成功时,为了提高事件检测的不确定性,研究以D-S融合理论为基础,将两个子算法有效地结合,实现事件的综合检测。为验证算法,本文采用北京市快速路的事件数据、浮动车数据以及固定检测器数据对算法的性能进行了综合验证与算法测试,通过事件检测率和误判率两个算法评价指标,对算法的性能进行比较。验证结果表明,基于固定检测器的多参数判别算法和基于浮动车的时空二维判别算法的检测率、误判率都达到了较好的效果,可以满足系统应用的需要。基于D-S融合的综合检测算法在算法误判率方面具有比经典算法与两个子算法更好的优势。本文开展的研究是对基于多源数据交通事件检测方法的一个探索,可以为后续开展相关研究提供一定的参考。