我国高速公路设施的存量逐年增加,其中路面设施的养护管理需求尤为突出。科学使用有限的资金、制定高效合理的养护管理方案是目前我国高速公路管理部门面临的主要问题。以微表处为代表的路面预防性养护技术施工速度快、投入产出效果明显,在国内外已经广泛应用。然而,作为路面预防性养护核心功能的养护决策模型目前仍存在各种问题,需要构建更加科学合理的模型。对于路段的划分,既有研究大多只使用传统的路段划分方法。这些方法适用范围小、操作复杂,且精度不高。对于高速公路路面预防性养护效益问题,既有研究大多只考虑养护过程中的经济费用高低或路面使用性能的好坏,很少关注并研究养护过程中的环境污染问题;同时既有研究大多将养护过程中的经济效益,社会效益,环境效益分开考虑,忽略三者之间的内在联系。对于高速公路路面预防性养护决策模型,既有研究大多采用传统的人工决策方法、或者简单的量化模型,在决策模型的构建上少有创新;迫切需要考虑人工智能算法在决策类问题中的优势、将其引入到养护决策过程中。本文着眼于人工智能算法在解决路面预防性养护决策问题方面的优势,基于概率神经网络理论以及多目标骨干粒子群优化算法,对路面预防性养护过程中的经济,社会,环境效益进行分析,构建了新的预防性养护管理模型,并给出了具体的案例分析。本文主要内容如下:(1)利用概率神经网络理论建立了路段划分模型,对路段划分的各类影响因素进行分析,给出了各类影响因素的贡献度,可以自动将路段按照其破坏程度进行分类。(2)将路面预防性养护的效益分为经济成本节约,社会成本节约以及环境成本节约三方面,分别建立了经济、社会、环境效益评价模型,作为多目标决策模型的目标函数。(3)基于多目标骨干粒子群优化算法构建了预防性养护决策模型,利用所构建的目标函数,给出了基于模糊函数的最优养护方案选择方法。所构建的模型能够自动对养护决策结果的优劣性进行评价,能够给出高稳定性、高精确度状态下的基本参数。(4)利用上述构建的决策模型进行了案例分析,结果表明本研究构建的预防性养护决策模型能够生成最佳的养护方案。