随着交通量、路面使用年限的增长,沥青路面结构病害逐年加重,对路面使用性能状况进行科学合理的评价和预测,是制定路面养护决策的重要依据。本文考虑路面评价的模糊性和不确定性特点,开展基于融合权重的正态云模型沥青路面使用性能评价方法研究,同时构建基于XGBoost算法的路面使用性能预测模型,探究机器学习在路面使用性能预测中的应用。首先,对广东省普通国省道发展状况进行分析,考虑自然环境、气候、交通量的影响,选取具有代表性的沥青路面结构作为路面性能评价和预测的研究对象。其次,分析了不同赋权方法对路面性能评价的影响。研究发现,不同赋权方法的指标权重差异性大。信息熵赋权的分项指标权重差异性最大,计算得到的PQI指标衰减速度最快,评价更为严苛。考虑特殊取值和考虑数据突变的改进熵权法缩小了各指标间权重的差异性。奖惩函数赋权法有利于提升小权重低数值指标在路面评价中的作用。基于主客观结合的组合赋权方法较为科学合理。再次,利用云模型理论的云雾化现象,提出基于云模型权重融合的方法。根据云模型融合后的综合权重,分别采用正态云模型、灰色聚类法进行使用性能评价。结果表明,基于权重融合的云模型评价结果较灰色聚类法评价结果更好地显示出路面性能向下一等级甚至下两个等级发展的趋势,云模型具有更精确、更细致的等级评判能力,可对潜在的路面破损导致路面性能下降提出预警。最后,基于XGBoost算法分别构建PCI、RQI、RDI、SRI指标预测模型,与随机森林进行对比,验证模型预测效果,通过SHAP进行影响因素敏感性分析。研究表明,XGBoost预测模型优于随机森林模型,其决定系数（R2）值均大于0.9、均方误差（MSE）均在1.7以下,预测精度高,普适性较好。SHAP敏感性分析结果表明,对路用性能影响最大的因素为路龄,其次为交通量。PCI、RQI指标受路龄的影响相对更敏感,RDI、SRI指标对交通量、路面所处区域的影响相对更敏感。路龄、交通量与路面使用性能呈负相关,面层厚度总体与路面使用性能呈正相关影响。