近年来,我国城镇化速度提升的同时也推进了道路交通系统的发展和完善,公路系统的安全有序运行以及人民安全的保障逐渐成为我国交通部门日常工作的主要任务。道路路面病害严重影响了公路交通的安全通行,甚至威胁交通系统的正常运转。道路路面破损的快速有效识别、提取和评价一直是道路检测和维护中的一大难点:以往的道路状况评价采用现场实地考察调研的方法,这种方法不仅危险性高并且不够客观;而街景影像如百度街景、腾讯街景等因为其覆盖范围广,可以展示城市街道级别的信息并且数据集成本低,为城市道路路面状况评价的研究提供新的数据源。本文主要就道路路面的破损状况的智能评价方法开展研究。针对道路破损检测数据获取成本高以及信息提取困难的问题,提出了基于互联网街景数据和开源卷积神经网络进行道路破损状况评价的方法。具体内容为:（1）首先对街景图像道路中的裂缝信息进行图像特征分析,确定图像预处理的方法流程:考虑到环境光照的因素,使用加权平均法灰度化对街景进行处理;使用log变换,强调图像低灰度部分;为增强图像对比度,使用限制性自适应直方图的方法处理图像;（2）其次为对道路裂缝信息的提取,采用语义分割的方法选用U-net为基础网络结构,针对道路裂缝在街景图像中占比小,数据极度不平衡的数据特点,引入注意力机制构建神经网络。制作街景影像道路裂缝数据集（共13200张,并按照8:2的比例进行划分）,80%的样本用于训练,20%的样本用于测试,通过调整参数对本文建立的数据集训练得到预测模型;采用多个评价指标对预测结果进行评价,其中精确率（PC）,准确率（Acc）,综合评价指标（F1）和召回率（R）分别达到了77%,83%,60%和64%,在没有增加训练时间的前提下相比于基础的U-Net网络模型均有所提高,分割结果贴近人眼识别效果。（3）最后,根据国家部门发布的《公路技术状况评定标准》（JTG H20-2018）中道路破损指标的计算,建立基于像素的评价指标,选取大兴区某区域的高速路、主干道和次干道路网街景图像进行实验,对街景图像进行道路破损状况等级评价,借助Arc GIS桌面端工具进行位置信息的展示,从而可以实现对道路的破损状况的评价。本研究通过使用街景影像数据快速准确地识别道路裂缝,进而对道路破损状况进行评价与定位,该方法逻辑操作简单成本低,并且效率高。提出的方法体系对路面破损状况的检测提供了新的研究思路,对道路的维护和运营有很大的实际应用价值。