1、交通事件的實時檢測能夠較好的幫助解決交通擁堵，快速的處理相應(yīng)的交通事件等問題。當利用交通流預測進行交通事件檢測時，首先應(yīng)對交通流進行分析，其中對交通流進行白噪聲分離是必不可少的，同時尋找到比較快速，效果較好的預測方法，以及判斷交通事件發(fā)生與否時采用的方法將會是研究的重點。
　　 本論文的主要研究內(nèi)容和成果如下：
　　 (1)小波去噪數(shù)值實驗中將輸入信號的頻率、疊加白噪聲的強度，以及小波分解的層數(shù)，作為研究小波閾值去噪性能

2、的3個影響因子。利用去噪后噪聲序列的卡方檢驗值、均值誤差、標準差誤差作為評判小波去噪性能的標準。我們發(fā)現(xiàn)：輸入信號頻率對于小波閾值去噪的影響最大，一般不應(yīng)高于7/3980(即3980點對應(yīng)7個正弦信號的周期)。這是對現(xiàn)有“信號低頻、噪聲高頻”條件的定量的精細化。以及小波分解層數(shù)對于小波去噪的影響居于第二位，一般在3～10層之間為宜。還有噪聲強度在輸入信號的頻率、疊加的白噪聲的強度，以及小波分解的層數(shù)之中對于小波閾值去噪的影響最小。

3、>　　 (2)利用差分法和小波法對交通流進行白噪聲的分離，發(fā)現(xiàn)差分法去噪對低頻信號高頻噪聲的效果要優(yōu)于小波去噪，利用差分法結(jié)合小波法進行去噪，能夠較好的分離白噪聲。
　　 (3)數(shù)值實驗驗證了傅里葉級數(shù)重構(gòu)不僅可以進行時間序列分離白噪聲，且在一定條件比小波去噪法更加有效，并能較好的不受奇異點的干擾。
　　 (4)提出小波加權(quán)移動平均法預測方法，將其與簡單移動平均法，指數(shù)平滑法進行對比研究發(fā)現(xiàn)，在平穩(wěn)交通預測中小波加權(quán)移