王艳东，魏广泽，刘 波，李小雨

（1.武汉大学测绘遥感信息工程国家重点实验室，湖北 武汉 430079； 2.地球空间信息技术协同创新中心，湖北 武汉 430079；3.东华理工大学测绘工程学院，江西 南昌 330013）

随着遥感卫星技术的不断发展和深度学习技术的日益成熟，从高分辨率遥感影像中提取的道路逐渐成为城市路网获取和更新的主要来源。但是由于高楼、树木等要素的遮挡，提取路网存在路段缺失、拓扑关系错乱等问题。另一方面，以OSM为代表的众源数据因其获取成本低、现势性强等优点成为全球地理信息资源建设的重要数据源。多源数据融合可以将不同数据源的空间数据和属性信息加以结合，形成优势互补，获得信息量更丰富的新的数据集。

目前，大量学者对矢量路网融合进行了相关研究。Hackeloeer等[1]使用迭代分层方法，利用拓扑关系和几何关系逐步细化匹配步骤并进行路网融合，方法在农村地区获得了较好效果。Meng等[2]提出了满足多模态导航要求的德国3种主要矢量路网数据的自动融合方法并用于实际数据生产。Tong等[3]提出了基于优选和逻辑回归的道路匹配融合方法，以上海为例进行了验证。Chehreghan等[4]在多尺度数据集上采用遗传算法进行基于几何的匹配，并对每个数据集计算最优参数以取代经验值。张建辰等[5]以北京市房山区不同时间段的道路作为同源数据，利用缓冲区增长算法进行路网融合。郭庆胜等[6]提出了兼顾不同比例尺下道路自动变化更新的stroke部分匹配融合算法并在合肥市和南昌市进行了验证。……