路面结冰严重影响道路运营安全,监测路面结冰状态及预测结冰时间能够有效指导路面结冰应对措施、减少事故发生频率,研究路面结冰影响因素、构建路面结冰时间预测模型是研究路面结冰监测的重要内容之一。目前多数路面结冰监测的研究受限于结冰传感器的开发与应用,难以满足测量的量程与精度;预测模型多采用非线性回归的方法构建,模型准确度有待提高。近年来,适用于道路的结冰传感器逐渐发展与应用,网络学习方法更加适用于小样本数据的训练与预测,均为本文提供了理论与技术支持。因此,本文基于结冰传感器的工作特性及性能分析,结合路域气象站进行室外及室内模拟结冰试验,分析结冰时间的影响因素及影响规律,并根据采集的数据样本构建神经网络预测模型。主要研究内容及成果如下:首先,对比不同类型的结冰传感器,针对道路环境,选取压电式结冰传感器作为路用传感器。在不同状态下(积水、结冰)对传感器进行频率标定,得到传感器上不同状态与频率的对应关系。分别分析传感器测的精确度、稳定性及长效性,证明了压电式结冰传感器具有较好的工作性能。研究压电式结冰传感器的布设方法及数据传输方式,均满足道路结冰监测的需求。其次,开展室外结冰试验,利用室外布设的结冰传感器采集路面状态数据,结合小型气象站采集的气象数据,分析各因素对结冰时间的影响规律。根据各影响因素与结冰时间的相关性,最终选取了路面温度、风速及积水深度作为室内定量试验的影响因素。根据正交试验对比不同因素对结冰时间的重要性及影响因素的显著性。通过控制变量试验分析各因素对结冰时间的影响规律,并为结冰时间预测模型提供数据样本。最后,根据模型特点选取适合路面结冰预测的模型。分别构建多变量多项式预测模型及BP神经网络预测模型,将定量试验数据作为数据样本构建结冰时间预测模型,对比分析不同参数下预测模型的运行结果,最终选取模型构建的最佳参数。利用室外模拟试验数据对两种预测模型进行验证,证明了神经网络预测模型在准确度及离散度方面优于多变量多项式预测模型。