随着我国基础设施的不断建设与完善,标志着我国已由交通运输大国向交通运输强国迈进,公路运输作为交通运输体系中的关键核心,对人们生活环境的改善起到绝对的支撑作用,同时也带动区域之间的经济协调与发展。面对严重的交通荷载压力,保证路面结构服役过程中的功能性、耐久性及安全性是亟需解决的。此外,针对道路结构健康监测而言,应用无线自供能的多传感器技术实现道路结构信息的实时获取与分析,可以有效解决传感器后期维护成本过高及传感器布线等问题。因此,针对车辆荷载对路面结构危害及荷载信息获取的困难性,本文通过分析车辆荷载作用下路面结构的振动响应,MEMS（Micro-Electro-Mechanical System）传感器进行现场实测数据,实现了基于振动信号及磁场信号的车辆荷载信息获取及预测,具体研究内容如下:（1）根据MEMS传感器工作原理及技术需求,设计路用MEMS传感器的结构组成,并通过有限元模拟进行封装结构优化,确定最佳封装结构尺寸;实现了传感器的封装及制作,并对传感器进行路用性能测试,满足实际道路监测使用需求;对传感器数据进行误差分析及评价,以保证其满足实际路面结构监测的精度要求。（2）通过现场实际采集车辆行驶数据,完成了基于加速度传感器及磁传感器的车辆速度、轴距及横向位置的识别。研究表明,采用磁传感器进行识别车速时,双传感器具有更高的稳定性,同时采用雷达测速仪进行验证,磁传感器识别车速具有较高的精度;建立基于磁传感器的车辆位置与磁场差值的相关关系,R~2达0.99。（3）根据路面结构振动的低频特性,采用低通滤波器实现传感器采集车辆振动信号的滤波处理。通过现场埋设的加速度传感器获取及识别车辆速度及轴距,速度及轴距识别误差分别为2.86%和3.39%,具有较高的识别精度。（4）基于有限元数值模拟,分析车辆行驶速度、横向位置及轴载对路面振动信号的影响;考虑不同轴载下的振动信号叠加,分析典型轴距下峰值叠加效应,结果表明,车辆前轴50k N、后轴100k N、速度70km/h时,轴距仅1.4m以下会产生叠加效应,峰值叠加效果仅为7.7%;通过有限元模拟,建立不同速度、横向位置及轴载信息的数据集,进而通过数据集建立BP神经网络回归模型,训练集与测试集相关系数分别为0.946和0.921,此时MAPE（mean absolute percent error）最小。为避免模型出现过拟合现象,对预测模型进行交叉验证,交叉验证平均值为0.9,验证具有较好的预测能力。通过感知部件的结构设计及路用性能测试,利用MEMS加速度传感器和磁传感器识别交通信息,结合路面结构振动监测,有效的实现了车辆荷载模型建立及预测,并提供了一种获取车辆荷载信息方法。