随着交通的飞速发展,机动车数量的不断增加,交通事件的频繁发生是交通管理中必须面对的问题,因此交通事件的自动检测技术就成为智能交通领域的一个热点研究问题。事件检测技术其作用就是及时地发现道路上已经发生的交通事件,以便对事件作出快速处理,尽量减少事件带来的损失,避免二次事件的发生。事件检测技术其核心就是检测算法,算法的性能对整个交通事件检测系统起着至关重要的作用。 本文首先介绍了事件检测的基本概念,对目前存在的典型检测算法的原理作了详细阐述并且对比了各种算法的性能。其次,研究了神经网络在事件检测领域中的应用,依据非线性系统的神经网络预测模型,建立了公路交通的神经网络模型。针对目前已有的交通流宏观模型,考虑BP网络具有全局逼近的特点,使用改进的BP网络逼近交通流模型,并且提出使用RBF网络,依据交通流的实际检测值与BP网络输出形成的残差值作为判断交通事件发生的依据。在本文的最后使用VC++和MATLAB混合编程的方式,设计了事件检测系统,进行了仿真工作,通过输入仿真数据,验证了网络的性能,仿真结果表明,BP网络和RBF网络相结合的方式可以使交通事件检测系统同时具有全局逼近和局部逼近的能力,克服了使用单一前向网络的不足,可以更全面的反映交通事件发生的本质特征。