交通堵塞、交通安全以及环境污染是困扰当今运输领域的三大难题，其中交通安全问题最为严重，因此交通事件自动检测方法的研究有着非常重要的意义。它可以迅速检测道路上发生的交通事件，减少由于交通事件所带来的人员伤亡、财产损失等影响，避免二次事件的发生，节约能源，减少污染。 本文从高速公路交通流的基本特点、交通事件检测的根本要求出发，在对国内外现有研究成果及技术进行系统总结的基础上，对交通事件检测方法做了深入研究，并结合实际，对若干应用问题进行了有益的探索。 本文的主要内容包括： 1)系统地研究了高速公路交通事件自动检测的现状，对现有的研究成果进行了分析与评述，并指出了理论研究与实际应用中存在的困难和一些亟待解决的问题。 2)提出了应用模糊模式识别进行交通流状态的识别方法，并对模糊模式识别的理论进行了分析和阐述，选择了识别的基本原则。 3)利用支持向量机的全局优化、适应性强、泛化性能好等优点，针对实时交通流数据的随机性、高维、非线性和时变等特性，将模糊支持向量机(FSVM)应用于高速公路交通事件检测问题中。在识别阶段利用60组实测数据训练模糊支持向量机，利用60组实测数据进行测试，测试结果表明，利用FSVM进行交通事件检测，识别率达到96.7％，从而验证本文的方法是切实可行的。