Machine learning and remote sensing for road mapping in Split-Dalmatia County

U ovom istraživačkom radu prikazana je metodologija za tematsko mapiranje prometnica u Splitsko-dalmatinskoj županiji. U svrhu ostvarivanja cilja korišten je satelitski snimak jedne scene Splitsko-dalmatinske županije Sentinel-2 satelita i podaci o položaju prometnica iz OpenStreetMap (OSM) projekta. Uzimajući u obzir činjenicu da su podaci iz OSM projekta neslužbeni i mogu biti nepouzdani izvor podataka, ovo istraživanje je usmjereno na modeliranje, mapiranje i evaluaciju uspješnosti predviđanja cesta primjenjujući algoritme strojnog učenja. Mjere evaluacije pokazale su da je prometnice moguće prepoznati iz satelitskih podataka korištenjem nelinearnih modela strojnog učenja. Budući da ovaj rad pruža osnovu koristeći značajke jednog piksela, u daljnjim istraživanjima može se istražiti primjena naprednih algoritama koji uzimaju u obzir i okolne piksele, i njihov kontekst kako bi se postigla još veća preciznost mapiranja.This research paper presents a methodology for thematic mapping of roads in Split-Dalmatia County. To achieve the goal, a satellite image of a scene in Split-Dalmatia County from the Sentinel-2 satellite and road position data from the OpenStreetMap (OSM) project were used. Considering that the data from the OSM project is unofficial and can be an unreliable data source, this research focuses on modeling, mapping, and evaluating the success of road predictions using machine learning algorithms. Evaluation measures have shown that roads can be identified from satellite data using non-linear machine learning models. Since this paper provides a foundation using single-pixel features, further research can explore the application of advanced algorithms that take into account neighboring pixels and their context to achieve even greater mapping accuracy