深圳超算在城市道路智能提取领域研究取得新突破

道路是城市的生命线，开展高效、经济且准确的国家尺度道路提取既是地表覆盖制图、国土空间数据更新的数据基础，也是推动智慧城市建设、新型基础测绘发展的关键技术。然而现有道路提取方法一方面依赖高分辨率遥感影像，导致数据时空可达性低、获取与计算开销高，制约了在国家尺度应用中的可用性和时效性；另一方面受到影像中地物阴影和遮挡，易产生结果破碎化和空间拓扑错位，制约了道路提取结果的实际应用价值。近期，张立贤博士等人于国际高水平期刊International Journal of Applied Earth Observation and Geoinformation（中科院1区，IF=7.5 ）发表题为SWCARE: Switchable learning and connectivity-aware refinement method for multi-city and diverse-scenario road mapping using remote sensing images的研究文章，研究团队开发了一种名为SWCARE的新方法，用于提高城市道路网络的提取精度和连通性。论文第一作者张立贤博士现为国家超级计算深圳中心博士后。论文合作者包括来自清华大学、香港大学、中山大学和西安勘察测绘院的研究人员。

图1 研究团队提出的算法流程，(a) 初始道路提取, (b) 道路迭代优化，和(c) 道路预测推理。

SWCARE方法结合了可切换学习和连通性感知的迭代优化技术，以改善道路提取的完整性和连通性。该方法利用四种辅助监督信息来增强特征表征能力，并通过迭代细化模块来增强道路网络的完整性。为了评估SWCARE模型的鲁棒性和性能，研究团队构建了一个大规模复杂道路数据集（LACRD）。该数据集通过专家标注，覆盖了更广泛的道路条件以更好地适应实际应用场景。

SWCARE在多个城市公共道路数据集和LACRD上的评估结果显示，该方法在提高提取道路网络性能和连通性方面优于现有的最先进方法。这一突破不仅提高了道路提取技术的准确性，也为城市发展、交通可达性和环境影响评估等领域提供了实用的工具，未来可帮助研究者结合超级计算机更好地监测和理解城市道路时空变化。

原文详见：https://www.sciencedirect.com/science/article/pii/S1569843224000190