Leveraging satellite imagery to assess road quality in the Democratic Republic of the Congo

Abstract

We attempt to build a road quality classifier to detect bad roads using satellite imagery in the province of Sud-Kivu in the Democratic Republic of the Congo (DRC). Using 60 cm/pixel resolution from Google Earth, paired with 100 m IRI road quality data for Liberia, we train a CNN (EfficientNetV2) that performs with an accuracy of 47% for 5- classes and 80% for 2-classes (AUC: 0.75). We then establish a connection between the model trained in Liberia and road quality in the DRC. We find that our methods seem to work well given the many limitations of the project.Construimos un clasificador para evaluar la calidad vial mediante imágenes satelitales en la provincia de Sud-Kivu en la República Democrática del Congo (RDC). Empleando imágenes de Google Earth con resolución de 60 cm/pixel y datos de calidad vial IRI cada 100 m para Liberia, entrenamos una CNN (EfficientNetV2) que alcanza una precisión del 47% en clasificaciones de cinco clases y del 80% en dos clases (AUC: 0.75). Establecimos una conexión entre el modelo entrenado en Liberia y la calidad de carreteras en la RDC. Encontramos que nuestros métodos exhiben una eficacia prometedora a pesar de las limitaciones del proyecto.