目前,城市交通拥挤状况不仅严重影响到了城市居民的日常工作和生活,而且还阻碍了城市的经济、文化、政治等诸多领域的发展。能否解决好这一问题,关系到城市发展的潜力和国际竞争力。道路上之所以出现交通拥挤是因为道路上存在空间上减少交通流量的“交通瓶颈”,而偶发性交通拥挤是导致出现“交通瓶颈”的最主要的原因,同时,交通事件又是造成偶发性交通拥挤的主要原因,因此,如何及时检测,并有效处理交通事件是交通管理者非常关心的问题,也是本文研究的重点。目前,随着检测器技术的蓬勃发展,交通事件的检测数据可能来源于不同种类的检测器,例如感应线圈检测器、超声波检测器、视频检测器以及GPS浮动车检测器等,这就要求在交通事件检测过程中可以考虑不同检测器数据间的互补性。数据融合技术具有良好的组合不同数据优点的能力,这为利用多源数据改善交通事件自动检测的效果提供了必要的技术手段。另外,各类交通事件对交通流的影响是不同的,同类交通事件发生在高峰期和低谷期对交通流的影响也是不同的,这需要对交通事件进行分级处理。因此,进行基于数据融合的分级交通事件自动检测方法的深入研究已经具备了比较充足的客观条件。根据相关的研究现状,同时结合作者的观点,本文从以下几个方面对基于数据融合的交通事件检测自动方法进行分析与研究。1)分析了交通流的特性及交通信息的采集方法,为研究基于数据融合的分级交通事件自动检测方法奠定信息基础。2)在阐述数据融合定义和级别的基础上,给出了交通数据融合的功能模型,并通过分析主流数据融合方法的特点及本文研究的需要,确定了本文研究使用的数据融合方法。3)针对各类交通事件对交通流的影响不同以及同类交通事件发生在不同时间段时对交通流的影响不同的客观实际,从加强交通流疏导的角度,提出了一种根据对交通流的影响程度将交通事件进行分级的新方法。4)在对交通事件进行重新分级的基础上,基于人工神经网络方法设计了一种分级交通事件自动检测算法,并运用某特大城市的实测数据对其有效性进行了验证和对比分析。通过对以上内容的研究,旨在为交通管理者提供更加有针对性的决策信息,便于交通管理者及时处理对交通流影响更为严重的交通事件,从而解决由交通事件引起的交通拥挤。