随着城市的发展及城市间交通需求的急剧增长,城间高速公路在高峰期拥挤、阻塞日益严重,交通事件频繁发生。针对高速公路交通事件容易引发大规模拥堵等问题,通过有效的事件检测技术可及时针对事件进行处理,减少二次事件等不良反应的发生；而针对事件影响范围进行实时预测分析,可以作为制定事件解决方案的依据。本文主要针对高速路事件检测与影响预测方法进行设计研究。本文在广泛调研国内外高速路事件检测和影响预测算法研究现状的基础上,提出一种基于视频的快速事件检测算法,并通过分布式视频检测信息对事件影响范围进行动态预估,实现事件信息的快速反馈。首先,利用平稳序列法获取背景,由背景差法获取前景,并在使用凸包占有率对遮挡进行检测的基础上,采用改进的卡尔曼滤波特征匹配跟踪算法对车辆进行跟踪；然后通过对交通流的速度和流量进行检测,建立速度、流量与交通流状态之间的映射关系,运用模糊推理方法判别交通事件的发生；最后,以交通事件车流波模型作为理论依据,通过分布式视频信息获取实时排队长度与车流波速度,建立未来多个时刻的车辆排队动态估计模型,针对交通事件的影响范围进行预测分析。综上所述,本文先以事件检测算法、排队检测算法和车流波理论为基础,然后结合计算机视觉和图像处理的相关知识,通过摄像机拍摄到的道路交通流信息,检测交通事件的发生,并基于分布视频信息计算车流波速度,对事件影响范围进行预测,最后完成事件检测与影响预测系统的设计与实现。实验表明,本文提出的事件检测方法能准确地获取前景信息,快速有效地对高速公路上的交通事件进行检测。而影响预测方法较其他方法更加准确有效,能够作为高速公路交通管理人员调度和决策的依据。