近30年来,随着贵州省高速公路网络的快速完善,产生了许多高填深挖边坡。截至目前,随着服役时间的增长,相当一部分边坡出现支护结构老化、服役性能下降等问题,由此带来大量的经济损失与人员伤亡。基于贵州山区公路边坡服役性能逐年劣化的实际情况,急需对在役公路边坡灾害评估与灾害防治技术加以研究。随着计算机的发展,人工智能算法及地理信息系统等技术的出现,成为边坡技术状况评定的重要工具。因此,本文结合贝叶斯推断、逻辑回归模型、地理信息系统等技术方法,开展贵州省在役公路边坡工程技术状况评定的研究。主要研究成果如下:（1）调查了贵州省地形和自然地貌,地层结构及其岩性、地质构造及气象特点,并研究影响公路边坡稳定的内在因素及外在因素。以贵州省在役边坡占比最多支护形式——预应力锚索框架——为例,研究了其常见病害并建立评定指标体系。（2）收集了171组边坡数据,分析影响边坡稳定的六个因素（重度、粘聚力、内摩擦角、坡高、坡角、孔隙压力比）,并使用贝叶斯逻辑回归的机器学习方法进行边坡稳定状态分析,研究了数据预处理方式（数据标准化、归一化至[0,1]、归一化至[-1,1]）及三种先验分布（正态分布、柯西分布、学生t分布）对模型优化的影响。结果表明:1)将数据进行归一化处理后得到的预测结果在准确性上与采用标准化后的结果较为接近;2)采用不同形式的先验分布,模型优化结果差别不大,但发现各先验分布的均值及标准差值会影响回归系数（截距）的后验结果;3)当数据预处理方式为归一化至[-1,1]且先验分布为正态分布时,模型的预测准确率最高,其平均AUC值达0.860。（3）以预应力锚索框架支护结构为例,选取稳定状态、预应力锚索工作情况、框架梁病害、植被覆盖率、日最大降雨量作为评定指标,对比分析模糊综合评判与贝叶斯逻辑回归的多分类模型在边坡技术状况评定的各自的优劣性。后者不仅削弱了前者的进行评定的主观性,且在验证集中分类准确率达91.2%以上。（4）利用Python语言、Java Script语言、和HTML5技术,开发了基于Web GIS贵州省在役边坡技术状况评定智能云平台,为贵州省在役公路边坡管理与评定提供方便的可视化操作平台,并以贵州省仁怀-遵义线路为例,说明了云平台在线域边坡中的应用情况。