随着高速公路建设的飞速发展,隧道群和长大隧道也随之增加,为了监测隧道运营情况,控制安全事件、事故的发生,隧道监控系统已经建立起来。但这些系统采用实时监测机制,缺乏对检测数据的整理和分析,使大量数据被丢弃和闲置。同时,大量的隧道交通检测数据具有时间或顺序上的关联性,序列模式挖掘就是在时序数据库中挖掘相对时间或其他模式出现频率高的模式。序列模式挖掘是最重要的数据挖掘任务之一并有着广阔的应用前景,包括顾客购买行为分析、网络访问模式分析、DNA序列破译、自然灾害预测等方面。本文针对隧道监控系统存在的问题,分析了现有交通检测技术用于隧道存在的不足,讨论了隧道交通事件定义及其等级划分的方法,并在此基础上提出了一个基于序列模式挖掘的隧道交通事件等级预测系统。然后针对隧道交通检测数据特点,采用关联关系修补的方法处理缺损数据,提取隧道交通事件的属性数据,并对其进行了离散化,使之满足序列模式挖掘的要求。描述了序列模式挖掘的主要算法,重点研究了PrefixSpan算法在隧道交通事件属性数据中的应用,找出一段时间内交通事件的变化趋势,生成了具有时间特征的交通事件序列模式。最后研究了序列模式在预测交通事件等级级别中的应用,通过一定的修剪策略,建立了交通事件等级的序列规则,并将该规则与测试数据进行比对,验证了规则的准确性。实验表明,序列规则可以用于预测隧道交通事件的等级级别,为隧道安全管理提供智力支持。