基于多源数据的管道沿线功能区识别方法

传统的管道沿线功能区识别方法以人工现场踏勘的方式进行,受识别人员经验和对识别工作的熟练程度影响,识别效率有限.基于高分辨率遥感影像,利用深度学习方法实现高后果区建筑物的高精度提取.利用改进的网络模型与现有成熟的语义分割模型在公开数据集上进行对比实验,结果表明,该建筑物提取网络具有更高的建筑物解译精度.结合兴趣点(Points of Interest,POI)与开放街道地图(Open Street Map,OSM)数据,采用密度峰值聚类分析法计算各类型数据的频率密度,从而实现管道沿线功能区的识别.将该方法应用于西气东输某管道的高后果区功能区识别中,共识别出包括居住区、公共服务区、工业区、商业区、交通设施区及农业区6类功能区.该方法能够准确、快速地对人员密集型场所进行识别,可进一步提升高后果区识别的准确率和效率.