我国交通发展日新月异,车辆保有量与高速公路里程均位列世界第一,层出不穷的交通事故对经济社会发展带来巨大损失,对交通事故处置能力提出了更高要求,因此研究高速交通事故的有效监测方法对及时疏导交通和挽救伤者生命具有重要的现实意义。本文分析了现有的道路监测方法的不足,提出了一种基于车辆行驶产生的振动信号进行事故判别的方法。设计并实现了振动信号采集系统,并进行了振动信号识别算法的研究,实现了对车辆行驶振动信号的检测与识别。主要工作有以下几点:1、车辆振动信号检测系统实现。对车辆行驶振动信号的传播模型进行了分析,按实验需求对传感器进行了对比,以CT1500L加速度传感器为核心,结合数据采集卡,设计并实现了振动信号采集系统。2、基于时域统计特性的车辆振动信号识别研究。针对车辆行驶振动信号非线性非平稳的特性,采用自适应分解算法对信号进行处理,在信号分解效果以及计算复杂度方面对EEMD、CEEMD、LMD、VMD几种算法进行了对比,仿真证明VMD算法优于其它几种自适应分解算法。对车辆行驶振动信号使用VMD进行分解并以互相关系数为指标对分量进行筛选,对筛选所得的分量矩阵使用KICA算法进行主成分提取,进一步消除环境噪声。通过降噪后的分量对信号进行重组,突出信号的时域统计特征。研究车辆正常行驶与发生碰撞两种状态下振动信号在最大值、峰值、峭度、脉冲、均方根、裕度、均值、斜度等八个时域统计参数上的差异,构建基于时域统计的特征向量,使用基于遗传算法优化的支持向量机构建识别模型,实验表明该方法对车辆行驶状态的准确率可得到95.5%。3、基于时频分析的车辆振动信号识别。基于广义S变换生成车辆振动信号的时频图像,使用HOG算法对时频图像进行了特征提取,实现了基于时频分析的车辆振动信号识别。在时频聚焦度上对STFT、WT、ST和GST四种时频分析方法进行了对比,证明了GST在处理非平稳信号方面优于其它几种算法。使用广义S变换对实际车辆振动信号处理得到时频图,对所得时频图通过HOG算法提取图像特征构建特征向量,使用基于遗传算法的支持向量机构建识别模型,实验表明该方法的识别准确率可以达到92.7%。