我国的道路安全状况一直处于严峻的形势，除了道路的客观因素外，缺乏高效的事件预防措施和有效的道路管制措施以及及时的事件处理能力也是重要原因。　　 本文研究的道路交通事件间接自动检测技术是提高交通事件应急处理能力的一个有效方法。本文首先研究了MACRO交通流宏观动态模型，并结合我国高速公路的实际情况生成仿真数据。选取道路上下游之间的密度差值和速度差值作为判断事件有无发生的依据，在判断事件严重程度时再增加天气情况和时间情况2个因素作为依据。另外生成3种测试数据以对检测模型进行测试。　　 针对贝叶斯算法所需的概率计算问题提出了利用k-均值聚类方法对数据样本进行区间划分，用数据所在区间发生事件的概率作为在该数据发生时有无事件发生的概率。　　 接着重点研究了朴素贝叶斯算法的工作原理和工作过程，依据生成的数据样本建立基于朴素贝叶斯分类器的交通事件检测模型。最后利用测试数据检验其检测效果。针对朴素贝叶斯算法的不足，研究了树扩展的贝叶斯算法，并给出了计算方法，最后建立基于树扩展的贝叶斯算法的事件检测模型，并利用测试数据对其进行检验。　　 最后在分析了道路交通状况的复杂性后提出将数据按照所处位置建立数据样本，在进行事件检测时根据其位置调用相应的数据样本以提高检测效果。