تشخیص راه­های تخریب شده در اثر آوار و تعیین درجه­ی انسداد آنها به منظور امداد رسانی سریع و بهینه پس از بلایای طبیعی امری حیاتیست. در این تحقیق از یک رویکرد ابتکاری برای تشخیص و ارزیابی راه­های تخریب شده به صورت نیمه اتوماتیک استفاده شده است که از تصاویر پیش و پس از زلزله به همراهِ نقشه­ی برداری راه­ها بهره میجوید. منظور از تخریب و انسداد در این پژوهش؛ آوار حاصل از ساختمانها و همچنین حضور خودرو­های پارک شده بر سطح راه بود که طبیعتا این حضور امر امداد­رسانی را با اشکالاتی همراه میکند. ویژگی­های مختلفی به منظور طبقه­بندی سطح راه­ها همچون "شاخص سایه" و "شاخص گیاهی" بکار گرفته شد و سپس از یک الگوریتم ژنتیک برای یافتن ویژگی­های بهینه که فاقد همبستگی و یا خطا باشند استفاده گردید. در این کوشش به منظور دستیابی به دقت کلی بالاتر در تشخیص تخریب از بین دو طبقه بندی کننده نظارت شده MLL و SVM و با روش آزمون و خطا؛ طبقه بندی کننده­ی ماشین بردار پشتیبان انتخاب شد که نتایج بهتری نسبت به طبقه بندی کننده­ی بیشترین شباهت در مرحله ی تشخیص تخریب داشت. در انتها از یک سیستم استنتاج فازی "ممدانی" برای ارزیابی درجه­ی تخریب یک قطعه از راه استفاده شد و با تعیین یکسری ضوابط آماری روی تعداد قطعات با درجه تخریب معین در یک راه مشخص؛ میزان تخریب به کل آن راه تعمیم یافت. روش مذکور بر روی تصاویر سنجنده­ی Quick Bird از شهر بم ایران تست شد و نتایج دقت بالای 93 درصد و ضریب کاپای 0.91 را در مرحله­ی تشخیص تخریب نشان میدهد. همچنین بیش از 80 درصد از راه­های مورد مطالعه برچسب تخریب صحیح در سه سطح گرفتند که با داده­های چشمی و تفسیر بصری توسط اپراتور همخوانی داشت. همچنین نقشه­ی قطعات مسدود راه ها با قابلیت ارائه به پروژه­های امداد­رسانی بدست آمد که دقت بهتر و جزئی تری را عرضه مینمود. این امر نشان از کارایی بالای الگوریتم پیشنهادی دارد.