随着交通运输业的迅速发展,汽车数量急剧增加,极大地降低了道路的通行能力,导致了交通事件的频繁发生,严重影响了人们的生命财产安全。如何及时准确地获取道路上的交通流量信息,实时有效地检测出交通事件的发生,成为了备受学者关注的热点问题。近些年来,旨在解决这些问题的交通流信息检测技术及交通事件检测算法已经成为智能交通领域的研究热点。本文在研究了交通流数据特性及交通事件检测原理的基础上,对交通流量检测系统及交通事件检测算法进行了深入的研究,研究的主要内容包括为以下三点。1)论文设计了一种由蓝牙、加速度计和北斗导航定位(BD)为主要模块的交通流量检测系统:选用以飞思卡尔ARM Cortex-M4为内核的K60芯片为主控制器,开发了交通流量检测系统的车内部分和公交站台显示牌部分;以加速度计与北斗导航定位模块组合实现了精确测量车速的功能;采用CC2540模块作为蓝牙的主机与从机,在蓝牙4.0的研究基础上,开发了蓝牙主机与从机的无线连接,实现了对交通流量的检测;2)论文通过修改样本的隶属度、优化聚类数目c对模糊C均值聚类算法进行了改进,使其克服了传统FCM复杂度高以及对孤立点敏感的影响。将改进的FCM与SVM相结合应用于交通事件检测算法之中:首先选取车流量、平均车速、车辆占有率做为算法的输入参量,利用FCM算法对输入参量进行一次粗糙的预测分类,然后将预测分类后的隶属高的样本作为支持向量机的训练样本,建立分类模型,通过模型训练形成判断各特征类别的判别函数来进行事件的检测;3)论文提出了一种语义技术与支持向量机相结合的事件检测新方法:利用车流量、平均车速、车辆占有率作为输入参量,利用支持向量机进行初步的检测分类;然后建立交通事件检测领域本体模型,并将支持算法处理后的数据与数据采集的地点信息构成异构数据作为本体的实例,最后根据事件检测的特征提取推理规则并运用Jess推理机进行推理,以此来判断交通事件的发生。