Graphs of objects: innovating data modelling for road pavement detection

The classification of road pavement is a fundamental step for the development of an efficient and resilient transportation system. However, this aspect is often overlooked, especially in developing countries. As a consequence of this need, the goal of this work, in collaboration with the Safari Njema project at Politecnico di Milano, is the design of algorithms capable of classifying urban roads as either paved or unpaved based on publicly available information. This information has a dual nature: polygons identified by spatial coordinates and satellite images. The first step is the creation of an innovative data structure capable of effectively representing this pair of sources of information. The concept of Graphs of Objects (GoOs) is introduced, where satellite images are represented as three-dimensional objects in the RGB space, and polygon boundaries are converted into undirected edges of a graph. Subsequently, two algorithms of different nature are selected, a κ-Nearest Neighbors and a Graph Convolutional Network, and then adapted for the study of Graphs of Objects. These modified versions outperform their original counterparts, based respectively on objects and edges, demonstrating both the necessity of a GoO-based approach and the ability of the final algorithms to take into account all available information. This project focuses specifically on the Greater Maputo area, Mozambique, but is designed to be extended to any other road network and potentially to Graphs of Objects of completely different nature.

La classificazione del manto stradale è un passo fondamentale per lo sviluppo di un sistema di trasporti che sia efficiente e sicuro. Tuttavia, questo aspetto viene spesso tralasciato, specialmente in Paesi in via di sviluppo. L’obiettivo di questo lavoro, in collaborazione col progetto Safari Njema del Politecnico di Milano, è quindi il disegno di algoritmi in grado di classificare le strade di un centro urbano in asfaltate e sterrate a partire da informazioni di pubblico dominio. Tali informazioni sono di duplice natura: poligoni identificati da coordinate spaziali e immagini satellitari. Il primo passo è la creazione di una struttura dati innovativa, capace di rappresentare questa coppia di fonti di informazioni in maniera valida. Viene quindi presentato il concetto di Grafi di Oggetti (Graphs of Objects, GoOs), dove le immagini satellitari vengono rappresentate come oggetti tridimensionali nello spazio RGB e i confini tra poligoni sono convertiti in archi adirezionati di un grafo. In seguito, vengono selezionati due algoritmi di diversa natura, un κ-Nearest Neighbors e una Graph Convolutional Network, i quali vengono poi adattati allo studio di Grafi di Oggetti. Queste versioni modificate performano meglio delle loro controparti originali, basate rispettivamente solo su oggetti e solo su archi, dimostrando sia la necessità di un approccio basato sui GoOs, sia la capacità degli algoritmi finali di tenere conto di tutte le informazioni disponibili. Questo progetto si focalizza in particolare sulla provincia di Maputo, capitale del Mozambico, ma è pensato per essere esteso a qualunque altra rete stradale e, potenzialmente, anche a Grafi di Oggetti di natura completamente diversa.