影响道路通行条件的主要因素包括:道路条件、车辆性能、交通条件、环境、气候等。其中,道路条件指的是道路的线形组成,环境指的是道路所处的地貌、自然状况、道路受灾阻断等,这些因素更适合应用现代遥感技术实施调查。国产高分影像具有高分辨率、纹理信息丰富、现势性强等优点,是监测道路通行影响因子的良好数据源。目前道路影响通行相关信息遥感提取存在的主要问题是技术方法的智能化、自动化程度低,对专业知识要求较高,传统变化检测方法受成像条件、光谱差异、干扰信息影响较大等。针对以上的问题,本文应用国产GF-1影像,研究基于数据挖掘的道路中心线提取、道路线形参数计算的算法、基于SIFT算法的道路通行堵点检测方法。首先在决策树分类过程中,采用数据挖掘算法自动生成决策规则,实施道路提取,对提取结果进行后处理,并在ArcGIS中实现道路中心线矢量提取,并评价方法的有效性;接着,引用数理统计与最小二乘法基于CAD+VBA二次开发,计算路线曲率、坡度等参数;最后基于SIFT算法检测并定位道路通行堵点,通过实验研究与分析得到以下主要结论:(1)C4.5算法可以完成道路提取规则自动智能生成,且道路信息提取中误差为±3.143m与面向对象法的中误差结果±2.904m相近。基于数据挖掘C4.5算法,通过基于C#开发的格式转换程序,利用国产GF-1影像可以一体化提取铺装道路、非铺装道路的中心线。实验结果表明在西北地区铺装道路提取过程中,通过直方图均衡化等亮度拉伸操作后,道路提取决策规则具有通用性。(2)基于CAD+VBA二次开发的计算道路线形参数的模块,可以准确、快速地计算道路网的曲率半径、坡度参数,其中计算出的曲率半径与RTK实测数据和仿真线形相对误差分别为0.19%和0.14%,实验验证了带缓和曲线的圆曲线直接用圆曲线来拟合,与仿真线形相对误差为0.36%;坡度计算精度与道路中心线提取精度、DEM精度相关性很强,实验表明对30m分辨率的DEM,坡道点采样间隔取150m较为合适。(3)基于SIFT算法检测道路通行堵点的技术方案,虽然计算量较大,对硬件要求较高,但该技术受干扰因素的影响相对于传统变化检测法显著降低,具有较高的实用价值。