自1984年我国引进的沥青路面养护管理系统开始,路面管理系统已经取得了极大的应用和发展,不仅为我国路面管理各部门提供了科学的分析工具和方法,也有效利用有限资源,为提供具有足够服务水平的路面做出科学的管理和决策。路面使用性能的评价和预测作为路面管理系统中重要的部分,是了解路面状况以及使用性能的变化规律,做出合理的对策,制定相应的养护改建措施的基础。因此,路面使用性能的评价和预测模型的建立和实现是路面管理系统实现的关键。本文以沥青路面的使用性能的评价和预测作为研究重点,首先详细介绍了路面常用的各单项性能指标以及相应的规范要求作为文章研究的基础内容。在分析和总结国内使用性能评价和预测模型的研究现状基础上,论述各种模型的优缺点。以最常用的回归模型为例,详细说明该模型在对路面性能进行评价当中存在的问题。当代智能技术的兴起和发展,使得以往很多难以解决的问题得到了进一步研究,BP神经网络作为这一技术的一个分支,可以用于处理具有大量模糊信息,以及不确定数据的复杂系统,而公路在快速发展过程中也越来越显现出这种复杂性和不确定性,因此本文将BP神经网络的模型结构运用在路面工程中,并发现了这种结构所表现出的优势,然而该算法也不是完全没有缺陷,为了弥补这种不足,本文在参阅大量文献后,将遗传算法引入,优化神经网络的权阈值,通过路面的实测数据验证,这种方法不仅可以充分利用神经网络在处理复杂模糊系统时所表现出来的高度非线性,良好容错力以及强大的自组织,自学习,自适应等优良的特性,而且也克服了BP算法在训练过程中容易陷入局部极小等固有缺陷。在路面使用性能预测模型的建立方面,同样采用了BP网络同遗传算法相结合的方法,以平整度标准差,路面强度指数,路面横向力系数以及交通量,行车环境这三项作为网络的输入,来预测路面状况指数。评价和预测模型都以实际数据作为验证其有效性的基础,经过反复的训练,测试发现该模型确实具有良好拟合精度,并且模型的外推性能好,结构的建立也不复杂,对路面使用性能来说,是一种很有效的评估手段。本文以MATLAB7.0作为主要的编程工具,并且应用了MATLAB程序中自带的神经网络工具箱来实现BP网络结构的建立,遗传算法的优化是应用谢菲尔德大学开发的遗传算法工具箱实现的。模型的建立主要是将遗传算法用于优化神经网络的权值和阈值,并将最终优化得到的一组权阈值赋给神经网络进行训练最终可以使得网络跳出局部最小区域,以较少的迭代次数达到收敛。