基于OpenStreetMap和高分卫星图像的肯尼亚道路路面类型制图
Zhou,Q.*, Liu, Z. & Huang, Z. Mapping Road Surface Type of Kenya UsingOpenStreetMap and High-resolution Google Satellite Imagery. Scientific Data 11, 331 (2024). https://doi.org/10.1038/s41597-024-03158-7作者简介：周琪（通讯作者）：博士，中国地质大学（武汉）地理与信息工程学院，副教授，博士生导师。研究方向：开放地理空间数据质量评价、全球地理信息挖掘与分析、联合国可持续发展目标（SDGs）评估等。刘孜贤：硕士研究生，中国地质大学（武汉）地理与信息工程学院。
黄泽盛：硕士研究生，中国地质大学（武汉）地理与信息工程学院。
01
论文亮点
(1) 提出一种融合OpenStreetMap和谷歌卫星影像数据的道路路面类型识别方法。
(2) 研制了非洲肯尼亚首套道路路面类型的数据产品，包含该国家1,267,818条道路的路面类型。
02
研究背景
道路路面类型（如硬化或非硬化）影响道路通达性和社会经济发展。世界仍有许多国家因道路路面未硬化，导致通达性受限。“四季通行道路”还被世界银行作为衡量道路交通基础设施的重要指标，并被联合国纳入可持续发展指标9.1.1。一般而言，硬化道路可以四季通行，而非硬化道路可能受雨、雪影响难以四季通行。公路仍然是肯尼亚的主要交通方式。但是，据不完全统计，肯尼亚50%以上的道路仍未硬化，导致交通不便、运输效率降低，从而限制了当地的社会经济发展。识别道路路面类型不仅有助于评估联合国可持续发展指标，还可以为当地方政府改善道路基础设施提供决策支持。
03
研究问题
现有的道路路面类型识别方法的局限性包括：基于车载或机载传感器采集道路路面类型的方法仅适用于小范围的研究区域；基于街景识别道路路面类型的方法因街景覆盖有限，难以适用于国家尺度的研究区域；基于遥感影像的方法通常依赖大量的训练样本，且泛化能力不足。因此，如何识别大尺度（如国家或区域尺度）的道路路面类型仍是当前的研究难点。
04
研究方法
本研究提出了一种融合OpenStreetMap道路数据和Google高分辨率卫星影像识别道路路面类型的方法（图1）。本研究利用OpenStreetMap道路数据及由志愿者标注的道路路面类型作为先验知识，并联合对应的Google卫星影像自动生成深度学习的训练样本。比较各种深度学习模型的性能后，将最优的训练模型应用于肯尼亚每条道路采样点所对应的卫星影像，并研制了肯尼亚道路路面类型的数据集（图2），识别的准确率、召回率和F1得分均高于0.94。
图1. 技术路线图
图2. 肯尼亚道路路面类型数据
05
数据价值
本研究发现：肯尼亚全国绝大多数为非硬化道路，硬化道路的占比仅为30%，主要位于西南地区。肯尼亚城市和农村的道路硬化率存在明显差异。该数据集可以为肯尼亚政府改善道路基础设施提供决策支持。
本研究方法的源数据均可以开放获取，因此可能应用于其他国家和地区。
该数据可以助力肯尼亚评估联合国可持续发展指标9.1.1，并可能联合其他数据集研究道路路面类型与道路安全、能源消耗、社会经济发展等的关系。
来源：高性能空间计算智能实验室入群，投稿，合作等，扫码联系
页:
[1]