Проведён анализ использования технологии Data Mining для выявления скрытых закономерностей в задачах прогнозирования развития транспортной инфраструктуры. В качестве исходных данных (данных об интенсивности транспортных потоков, а также данных о состоянии статических объектов транспортной инфраструктуры) предложено использовать результаты дистанционного зондирования Земли (ДЗЗ), которое проводится как с помощью космических аппаратов (КА), так и методом аэрофотосъёмки. В свою очередь, исходными данными при оценке состояния статических и динамических объектов являются материалы гиперспектральной съёмки объектов транспортной инфраструктуры, результаты которой представляют собой набор пространственно-спектральных данных, позволяющий проводить анализ спектральных характеристик объектов – сигнатур. Показана возможность реализации задачи классификации, обеспечивающей сегментацию изображений – выделения однородных областей. Отражена возможность применения алгоритмов «мягкой» классификации с использованием нечёткой логики для преодоления сложностей, связанных с отсутствием в достаточной степени учёта характеристик съёмки и особенностями обработки.

The analysis of Data Mining technology utilization has been done for showing up of undetected rules in problems of transport infrastructure detection. The results of Earth remote sensing (by spacecrafts or by aircrafts) was offered as initial data (transport stream intensity data and stream intensity static features condition data. Furthermore the initial data for static and dynamic features estimation are hyperspectral images of transport infrastructure features. Hyperspectral imagery is a composition of spatial and spectral data which gives a possibility to analyze of spectral characteristics (signatures). The possibility of classification, which provide of imagery segmentation, has been shown. The «soft» classification algorithms with «fuzzy» logic utilization implementing has been shown to meet the complexity conducted with specificity of processing and remote sensing process.