近年来,公路的建设与发展,给人们的生活出行带来极大的方便。随之而来的公路安全问题,特别是公路上发生的各类交通事件,给人们的生命财产安全带来严重挑战。因此快速检测并及时处理各类交通事件,降低交通事件带来的危害开始为人们所关注。而作为核心的交通事件检测算法研究,也被许多专家学者所重视,并有了非常丰富的算法成果。基于以上背景,论文依托国家自然科学基金项目“能见度影响下的公路交通流事故风险评估与安全设计参数优化(编号51578207)”,引入多属性决策的ER算法模型,将其运用到交通事件特征分析和事件检测算法设计过程中。文章首先研究了不同车道数、天气条件、能见度和温度条件下多起交通事件,探求不同条件下交通事件发生对交通的影响。引入P值表征交通事件特征,分析不同条件下交通事件特征的一般规律。再运用ER算法对多条件下的交通事件特征进行融合评估,探究多条件下交通事件特征显著程度的信任度关系。其次,在上述研究的基础上,根据ER算法融合后的交通事件特征关系,提出多条件下交通事件特征影响因子,将其作为参数引入交通事件检测算法当中,提高交通事件检测的效果。引入ER算法融合后的多条件特征影响因子设计了多条件影响的多参数判别算法,多条件影响的贝叶斯网事件检测算法和多条件影响的SVM事件检测算法。在此基础上,为了更好地进行事件检测并提高算法适用条件,对三种算法检测结果进行ER算法的多属性融合,设计了基于ER算法的交通事件检测算法。最后,利用实际道路交通数据和事件数据,以及获取到的条件数据,分别进行了多组多条件下交通事件检测实证研究,分析对比各算法的性能指标,评价不同算法的检测效果,得出本文结论。论文在研究交通事件检测中引入了ER算法,将ER算法的多属性决策方法引入到事件检测研究当中,并通过实际数据验证了基于ER算法交通事件检测算法具有较好的检测效果,为以后的事件检测研究提供相关参考。