本發(fā)明公開了一種基于路元拆分和深度學(xué)習(xí)模型的路面使用性能預(yù)測的方法，在采集到多年路面使用性能檢測數(shù)據(jù)及路面使用性能影響因素數(shù)據(jù)的基礎(chǔ)上，根據(jù)收集到的這些數(shù)據(jù)將整體路網(wǎng)劃分成一個一個的道路單元。在應(yīng)用LSTM模型進行預(yù)測前需要確定神經(jīng)網(wǎng)絡(luò)的輸入輸出變量，將路面使用性能的影響因素作為模型的輸入；對原始數(shù)據(jù)進行預(yù)處理，對連續(xù)變量進行歸一化，確保所有連續(xù)變量具有相似的值域，進而提高模型的收斂速度和預(yù)測精度；進行LSTM網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計，以驗證集損失值最小的模型作為最優(yōu)模型；使用基于python的深度學(xué)習(xí)庫keras來建立LSTM模型，并完成對路面使用性能的預(yù)測。本發(fā)明解決了傳統(tǒng)的路面使用性能模型預(yù)測結(jié)果誤差大、精度不高的問題，極具現(xiàn)實意義。