恶劣的气象条件易使公路路面产生积水、潮湿、结冰和积雪等复杂状况,并由此引发一系列交通事故。目前,按照传感器是否与待测表面接触,路面气象状况识别方法可以分为接触式与非接触式两大类。接触式传感器采取埋入式安装,部署灵活性较差且维护成本高,相比之下,非接触式方法具有非侵入式、移动性强等特点,但传感器精度和可靠性易受外界条件影响。本文在分析路面气象状况识别原理的基础上,研究了路面状况与其漫反射光谱之间的对应关系,提出了基于路面反射光谱的路面气象状况识别方法。首先,分析了水和冰的光学特性及路面气象状况的识别原理,确定了利用路面反射光谱区分路面气象状况的可行性。然后,开展了路面气象状况识别系统总体方案的设计,搭建了试验平台,研究了路面状况反射光谱的采集方法,完成了不同路面状况的光谱数据的采集,并分析了路表纹理和探测条件对光谱数据的影响。最后,对于在最佳探测条件采集的复杂路面状况的光谱数据,通过基于马氏距离的异常检测算法,剔除了异常光谱数据;通过试验分析选择出最佳的预处理方法,结合光谱曲线的特性研究了路面状况的光谱数据的分波段特征选择和特征提取方法;研究了多种机器学习算法的模型识别效果,通过试验分析,随机森林算法具有较好的识别效果。试验表明分波段特征选择方法的最佳分波段数为8,每个波段的特征选择数为6;分波段特征提取方法中分为8个波段提取斜率、面积和方差特征能达到最优的效果;随机森林算法对于12种路面状况的识别准确率达到96.68%,并将在4种探测条件下采集的6种路面状况的光谱数据作为测试集,识别准确率达到90.98%,验证了此方法泛化性能强,识别准确率高。