汽车试验是对车辆整体性能、可靠性以及质量进行评估验证的重要环节,是加快汽车研发速度、提高产品质量的关键手段。在汽车可靠性试验规范中,对试验道路类型及行驶里程分配做了明确的规定,试验车辆必须严格按照试验道路类别及里程分配行驶,使车辆受到足够的路面激励,才能保证后续可靠性分析的准确性。对试验车辆行驶的道路类型和里程数进行实时监控是车辆可靠性试验的一种手段。传统的通过车辆定位信息与道路GIS信息匹配实现道路类型识别的方法存在信号遮挡导致识别精度下降的问题,同时基于视频图像进行道路识别也出现由于环境因素导致识别效果差的问题。因此,研究多源信息融合的道路识别系统对汽车道路试验的完善和监管具有重要的理论意义和工程应用价值。本文具体研究内容包括：1. 分析了汽车试验场道路特点,设计了基于多源信息融合的试验场道路识别系统整体架构。2. 研究了基于车辆振动信息识别道路类型的方法。通过建立四分之一车辆悬挂模型,分析车辆动力学和运动学测量机理,提出了一种融合多点振动加速度信号和车速信息的路面激励模型,研究了基于空间域和功率谱密度函数的路面激励特征提取方法。取得了较好的特征提取效果,为高精度的道路识别提供了技术基础。3. 分别采用通过直方图匹配算法和SURF算法提取道路图像的颜色和纹理信息,通过模板匹配法得到图像的颜色和纹理特征。并研究了差分卫星定位信息和试验道路GIS数据的匹配方法,为道路精确识别提供重要的技术方法。设计了基于道路图像特征的贝叶斯分类器和基于路面激励特征的人工神经网络分类器,并基于几何平均准则将各分类器的识别结果以及差分定位匹配结果进行数据融合,实现了基于多源信息融合的试验道路识别系统,提高了道路识别结果的精确性和稳定性。4. 实现了系统的软硬件设计,并进行了功能验证和综合实验。实验结果表明该系统能实现试验场道路的准确识别。