现阶段,对比普通公路,高速公路的发展取得了极大的成效,同时带来了经济效益与社会效益的同步增长,服务水平也在相应程度上提升不少,但高速公路上的交通事件也伴随着公路通车里程数的增加日益趋于频繁,并最终导致众多交通并发问题,如运输效率、交通安全、环境污染以及能源消耗等问题的攀升。交通事件自动检测系统随之应运而生,此系统借助分析交通运行的实时参数,从而判断出交通流的实时运行状态,同时将检测器检测出的信息传输给后台监控者,从而使得相关人员可采取一定措施及时降低交通矛盾,使得事件造成的经济损失最小化。领先的交通管理信息系统CATMIS),其中一个极其重要的组成部分即是交通事件检测系统,其对于整个智能交通系统的安全运行意义重大。事件检测算法的优劣不仅与算法本身有关,与参数选择及事件所处的环境亦密切相关。本论文基于交通事件的具体特性,将其划分为两类事件：常发性交通事件与偶发性交通事件,并具体描述了各自对交通流影响的不同。分析交通参数对事件检测的具体影响,研究相应交通参数的优选方法。对各国学者已研发出的经典检测算法进行理论分析后,可知这些算法大都基于国外道路的检测数据,其移植性与适应性存在缺陷,针对上述问题,本论文提出了基于模糊理论与增量判别法的事件检测方法。此算法相对于上述经典算法而言,优势在于判断是否发生交通事件的同时,亦可判断事件的具体性质,本质是种多输入、多输出参变量的检测算法。此算法基于复杂的交通流状态,使用了隶属度概念描述具体的交通流形态,算法输入参数为速度及流量,进而利用模糊理论推断是否发生交通事件,同时构建算法的相应运行流程图。借助于对基本增量判别法的进一步优化,而后引进模糊逻辑理论,对此二者进行算法融合构建新的算法,提升了算法的检测率等指标,使得本文算法更具有实际应用性及可操作性。最后,论文运用TSIS微观仿真软件得到相应的交通流数据,并根据仿真环境,预设全局参数及局部参数。具体仿真包括处于正常状态下与处于事件状态下两种交通流模拟。前者模拟可以得出算法的判断阈值,后者可以得到模糊逻辑理论的隶属函数及其模糊规则。论文采用检测率、误报率及平均检测时间三个主要指标对本文算法及传统算法分别进行评价,证明了本文算法的优越性。