随着信息技术的发展,我国公路网开始向“智慧公路”迈进。在公路养护建设和管理中,路面性能评价、预测和决策是三个非常重要的方面。当道路投入使用后,在交通量和环境等多方面因素的共同作用下,路面结构出现了不同程度的损坏,路面性能呈现逐年下降趋势。为了提高路面使用性能,延长道路使用寿命,进而对道路养护提供科学支撑,本文基于数据挖掘技术,充分研究路面使用性能的评价、预测和决策,为将来公路养护的自动化和智慧化奠定基础。本文以“湖北省智慧公路大数据采集和挖掘分析平台”项目为研究背景,将数据挖掘技术应用于路面性能评价、预测和决策。本文的主要研究内容如下:(1)针对现有公路路面使用性能数据可能存在的一些数据质量问题,对这些数据做预处理,主要包括冗余值处理、缺失值修复和利用iForest算法对路面使用数据做异常检测,从而提高原始数据的质量,将经过预处理之后的路面使用性能数据存储起来用于后面的路面使用性能评价、预测和决策过程。(2)现有路面使用性能评价指标在对不同地域路面进行评价时,得到的评价结果有时和实际情况不太匹配的问题,本文采用基于信息熵和TOPSIS理论耦合的评价模型对现有的路面使用性能进行综合评价,并将该模型与可拓评价模型、现行路面使用性能规范做出的评价结果做对比分析,得出该评价模型的可行性,进而提高路面使用性能评价的准确性。(3)针对现有路面性能预测采用单预测模型容易丢失部分有用信息的情况,本文采用基于非线性回归预测、灰色系统GM(1,1)预测和支持向量机的熵权组合预测模型对现有路面使用性能进行预测,并分别与这三种单预测模型预测结果进行对比分析,得出熵权组合预测模型的有效性。进而提高路面使用性能预测的准确性。(4)针对目前灰色物元模型应用于路面养护决策时基本采用专家权重,而专家权重容易受个人主观因素的影响,本文基于信息熵原理确定决策指标权重,并对相关路段进行路面养护辅助决策优化。