近年来,高速公路快速发展满足了人们日益增加的交通需求,给人民群众带来了极大便利,推动了社会发展。伴随着我国车辆拥有量的不断增加,在其带来便利的同时,由其引发的交通拥堵、交通事故等交通问题也受到了社会各界的广泛关注。高速公路一旦发生事件(事故),带来的损失难以预料。所以,通过对高速公路交通事件检测的研究,提高高速公路运输效率,保障人民生命财产,提供快速、舒适的交通道路环境十分必要。本文在阐述交通流理论的基础上,分析了交通事件发生情况下交通参数变化情况。为了更好的突出事件发生前后交通情况,选用交通量、平均速度、占有率的组合形式作为检测算法的输入特征向量,用I-880交通数据库仿真分析,验证算法的可行性。文中将概率神经网络(PNN)用于高速公路交通事件检测,通过真实交通数据对PNN模型进行仿真。针对PNN模型的平滑因子难以确定、模式层结构冗余的缺点,本文通过实数编码、自适应交叉变异的手段改进遗传算法(GA),形成综合改进遗传算法(IGA),并将其用于PNN模型的平滑因子、模式层结构优化,然后构建基于IGA-PNN交通事件检测模型,通过仿真发现该模型具有较高的检测率、准确率。文章最后引入混沌(Chaos)的概念,采用混沌的方式初始遗传算法的种群。遗传算法迭代过程中,使用混沌方式搜索最优个体附近的参数空间。通过混沌的方式,增加初始种群的多样性,提高算法的局部搜索能力。然后,在此基础上进行基于CGA-PNN的交通事件检测仿真,验证了该方法相比于BP、 IGA-PNN方法具有较高的检测率、高的准确率,为高速公路交通事件检测给出了新方法。