路面不平度是衡量道路等级的重要指标之一。路面识别的研究主要是对路面不平度的研究，可以应用于道路检测，此外还可以为汽车室内道路模拟试验提供路面激励信息，在交通运输领域占据了重要地位，越来越受到重视。目前对路面不平度检测的设备有的异常昂贵(如激光平整度仪)，有的设备精度较低（如RSP路面检测车），并且上述设备测量的路面不平度状况都不能用于汽车道路模拟试验中的模拟响应激励。本项目组采集到的路面垂直载荷能很好地反映路面不平度状况，可以作为汽车室内道路模拟实验的激励，并且道路载荷谱依据路面状况的不同具有明显的聚类特征，故采用模糊聚类分析算法将是一种理想的路面分类识别方法，具有十分重要的现实意义和利用价值。论文完成的主要内容有：（1）介绍了项目系统的总体设计，包括加速度传感器、数据采集系统、数据传输系统以及上位机的道路载荷谱分析显示系统；然后对两组串口转以太网的数据传输系统进行了性能比较；重点介绍了路面识别系统结构和路面特征参数的提取等与路面识别有关的相关技术。（2）对模糊集和模糊聚类等理论知识进行了简单介绍，并对当前主要的模糊聚类算法进行了综述和分析。最后，详细介绍了一些重要的模糊聚类算法，同时提出了其优缺点。（3）针对传统的模糊c均值算法易陷入局部最优且易受到噪声数据的影响，利用改进的FCM算法具有良好的抗噪声性能，并结合全局搜索能力较好的遗传算法，提出了一种基于改进的FCM和遗传算法结合的聚类新方法。（4）将改进的算法用标准IRIS数据作为测试样本集验证了改进后算法的有效性；并使用真实采集的道路载荷谱数据利用改进后的算法来应用于路面识别，根据聚类结果可以有效地对未知路面进行识别。（5）为了验证模糊核聚类方法的聚类效果，采用线形不可分实验数据集，将模糊核聚类算法的实验结果与FCM算法的实验结果进行对比。最后，使用真实采集的道路载荷谱数据利用模糊核聚类算法来应用于路面识别，提高了路面的识别率。