高速公路的出现为人们的出行和货物运输开辟了一条安全、高效、舒适、方便的快速通道,产生了巨大的社会和经济效益。截至2010年底,我国高速公路总里程由“十五”期末的4.1万公里发展到7.4万公里,居世界第二位,仅次于拥有约10万公里的美国。随着高速公路的快速发展,高速公路的交通事故也越来越多,其负面影响越来越大。一方面,事件对高速公路的交通影响范围越来越大,事件导致交通拥堵的经济损失巨大；另一方面,交通事故以及二次事故导致的人员伤亡越来越严重。因此及时、准确、可靠的检测交通事件,以便于采取有效的管理措施,尽快恢复高速公路的通行能力,减少事件造成的生命安全和财产损失,是非常必要的。本论文旨在对基于固定型检测器采集的交通信息为数据源,研究交通事件的参数变化特征,并在此基础上研究交通事件自动检测算法(AID, Automatic Incident Detection),提高算法的识别率,减少误判率和平均检测时间。论文通过使用交通仿真工具VISSIM,分析交通流参数的变化特征与交通流大小、事件发生地点与检测器之间的距离、事件导致车道的关闭数之间的关系；并在此基础上,实例分析了标准偏差法的优点和不足之处,提出了组合的AID算法,实例验证了该算法的有效性。同时还提出了事件解除自动检测方法,进一步完善交通事件自动检测系统。论文主要工作如下：首先,简单介绍了高速公路事件自动检测的研究背景及相关技术的研究应用现状；介绍了高速公路交通流的基本理论、相关概念和交通事件的定义及其分类,以及AID算法的定义及分类；着重介绍了AID算法的性能评价指标和评价方法；简要的介绍了几种经典的AID算法以及优缺点的比较。其次,使用VISSIM仿真工具进行高速公路交通事件仿真,分析交通流参数的变化特征与交通流大小、事件发生地点与检测器之间的距离、事件导致车道的关闭数之间的关系；同时也通过仿真分析了高速公路正常运行情况下,交通流参数的波动特征以及波动特征与交通流大小的关系。随后,在分析交通事件的交通流参数变化特征的基础上,通过实例验证了标准偏差法,分析其优点和不足之处,以及不足的原因。提出了组合的AID算法,该组合算法将高速公路的交通流状态分为低流量和非低流量两种状态,分别采用低流量AID算法和改进的标准偏差法。其中,改进的标准偏差法以上游的占有率、和下游的流量作为参数,分别使用标准偏差法进行事件判别,将标准偏差法判别结果再进行一次误判判别,即判别在前面标准偏差法判别有事件发生是错误的,经过实例验证,该组合AID算法相比于经典的标准偏差法提高了识别率,减少了误判率和平均检测时间。同时还提出了事件解除自动检测方法,进一步完善了交通事件自动检测系统。最后,总结了本文所做的研究工作,论文的创新点和不足之处,并对该课题下一步的工作进行了展望。