随着我国城市建设现代化水平的不断提高,人们生活出行的机动性要求越来越大,城市基础设施的建设,城市面积的不断扩张,使得城市道路总里程以及城市道路密度快速增加。然而道路在运营过程中,由于往返行驶车辆的碾压、冲击、磨损以及天气变化等原因的影响,路面往往产生缺陷和破损,这些缺陷和破损被统称为路面异常状况,而存在缺陷或破损的路面则被称之为异常路面。异常路面对车辆的行驶速度、承载能力、燃油消耗、机械磨损、行车舒适以及对交通安全等方面都会造成负面影响。面对公路养护和管理发展过程中的信息化需求,显然需要用更加先进的方法来取代传统的人工现场勘查方法。为了高效、低成本地对路面状况进行识别,文章基于车辆经过不平整路面时,产生的振动加速度响应,提出一种异常路面识别方法。本文首先构建车辆悬架系统动力学模型,阐述了异常路面激励与车辆动力学响应之间的相互关系。研究异常路面激励下车辆的动力学响应特性,对车辆振动加速度进行频谱分析,得到车辆在异常路面激励下车身振动加速度频率分布情况。基于智能手机内置的GPS系统和加速度传感器等模块,测量车辆行驶过程中的位置、速度和三轴加速度等信号的变化情况。设计了一种车比雪夫低通滤波器对采集到的车辆垂向加速度进行滤波处理,抑制高频干扰。根据路面坑槽与路面凸起激励下,车身振动方式上存在的差异,提出一种改进的高斯背景模型实现对异常路面的识别,基于k近邻算法对异常路面进行分类。通过现场勘测结果与算法识别结果进行比较,对算法的精确度进行了评估,试验结果表明:车辆振动加速度中包含了路面状况信息,可以用于对异常路面状况的识别;高斯背景模型与Z轴加速度阈值条件相结合,能够准确地对异常路面信息进行提取;k近邻算法能够有效地对异常路面进行分类,异常路面分类的准确率高达95.81%。为了消除单个用户检测结果存在的偶然性和误差,根据众包感知数据之间的显著相似性,利用k均值聚类算法对异常路面的位置信息进行聚类分析。本文所提的路面状况识别方法不需要增加价格高昂的测量设备,即可对路面进行识别,具有成本低,抗干扰能力强,运算高效等优点。