随着我国公路基础设施建设的逐步完善,建设高峰期逐渐退去,越来越多的旧路需要进行路面使用状况的检测评估。通常,采用无损检测设备FWD测得的路表弯沉值来反演路基路面结构层模量,以此来评估路面结构使用状况。然而影响路表弯沉值的因素复杂繁多,不论采用迭代法、数据库搜索法、回归分析法,还是人工神经网络都无法准确、直接地建立路表弯沉盆和结构层模量之间的映射关系,导致结构层模量反演精度不高。因此本研究提出基于FWD弯沉盆参数反演新的路面结构参数——刚度系数(Stiffness Coefficient,SC),以此来评价路面结构状况。本研究首先基于FWD路表弯沉盆特征,分别就路基路面材料参数、路面结构层厚度、结构层层间接触状态、环境因素以及荷载因素对路表弯沉盆的影响进行分析,发现路表弯沉盆对结构层模量和厚度这两个因素的变化最为敏感。其次概述BP神经网络应用于反算的原理和算法,并结合路表弯沉盆数据特点,探讨了神经网络反算模型的结构设计和几个关键参数的设置。然后基于BP神经网络和弯沉盆数据库,分别构建结构层模量和刚度系数的反演模型,并通过对理论和实测弯沉盆数据的反演,对比验证出结构层刚度系数反演精度要优于结构层模量的反演。最后,将结构层刚度系数反演研究应用于佛山一环路面状况结构评定,同时建立基于结构层刚度系数的路面状况评定标准,并与基于PCI的路面损害状况评定作对比,验证了该方法的可行性,这为快速、有效地评价沥青路面结构状况提供了指导意义。