交通事件检测是保障交通系统高效安全运营的基础。传统基于车检器的交通事件检测方法仅从交通流的宏观参数出发,并多以单一参数进行事件检测,未充分利用交通流参数微观上的差异性,难以全面反映交通事件对交通流的影响,制约了检测的性能。在车联网环境下,能够通过车车/车路通信技术获取更多、更准确的车辆信息,如何充分利用这些信息,融合多个宏微观交通流特征参数研究交通事件检测算法,对提高事件检测性能具有重要的学术意义和应用价值。为此,本文针对上述问题,基于车联网环境下的交通流宏微观参数,充分考虑微观参数的离散特性,研究多参数交通流平稳性综合判别模型,进而以突变理论为基础,以交通流平稳性判别结果作为特征参数,形成新的交通事件检测方法,以期提高事件检测性能,提高检测率,降低误报率。主要内容包括:首先,分析研究了交通流微观参数离散性和变化规律。从车联网环境下单车基本参数出发,考虑交通流微观参数的离散性,以车速变异系数和车头间距变异系数刻画交通流车速离散性和车头间距离散性,分析获得了不同交通状况下微观参数和宏观参数的变化规律。在此基础上,研究了考虑参数离散性的交通流平稳性判别方法。在车联网环境下,以引入微观交通流参数离散性为突破口,基于模糊理论建立了交通流平稳性模糊综合评判模型,并结合实际道路环境进行了VISSIM仿真验证,证实了该方法的合理性和有效性。最后,研究了基于交通流平稳性突变的交通事件检测方法。在车联网环境下,针对传统的基于单一宏观交通流特征参数突变进行事件检测的不足,从分析掌握交通流平稳性和交通事件的关系出发,通过基于交叉验证均方差模型确定数据最优汇集时间,为选择合理的数据进行事件检测打下基础;随后在突变理论基础上建立均值变点模型,利用最小方差法搜索变点,建立了基于交通流平稳性突变的交通事件检测算法,最后通过VISSIM仿真实验验证该算法的有效性。