矢量地图数据匹配是空间数据集成以及多源多尺度数据库更新维护等应用的核心与关键技术。将其应用于多源空间数据集成融合,能减少数据重复采集的高额费用,有助于改善空间数据的质量;将其应用于空间数据增量更新可以极大地提高更新效率,降低维护成本,是目前国内外专家钻研的热点问题。另外还可满足迅猛发展的导航产品对于地图数据现势性方面的强烈需求。随着多源多尺度道路网空间目标匹配关系复杂程度的提高,道路网空间目标匹配方法在准确率及效率上都遇到不同程度的瓶颈:(1)实体间匹配关系异常复杂。(2)过度关注空间目标局部形状导致误匹配。(3)海量数据匹配效率低下。因此进一步发展矢量地图数据信息的相似性定量度量理论与提升匹配效率成为亟待解决的问题。本文瞄准道路网矢量空间目标自动匹配这一国际前沿的学术难点问题,针对当前匹配方法在准确率与效率方面的瓶颈,本研究全面融入空间认知思想,基于空间认知中视觉注意机制提取稳定层次空间形态作为稳定参照,借助稳定层次空间形态建立道路网实体间的相似性度量模型。同时鉴于多源多尺度道路网实体的匹配关系的复杂性和不确定性,结合粒子群智能优化方法来处理道路网实体的匹配关系,形成了一套智能优化理论驱动的、基于稳定层次空间形态的道路网匹配新理论和方法。为了提升匹配的效率,本文引入并行化加速的思想,构建了MPI+OpenMP+CUDA(简称MOCP)并行化框架,并基于该框架对该智能优化的匹配方法做并行化改造,最终实现一种并行化的智能优化道路网匹配算法。相比传统匹配算法,并行化智能优化匹配算法在正确率与效率上都有较大的提升。本研究不仅为多源多尺度道路网的复杂匹配情形提供全新的理论技术支持,还促进矢量道路地图空间信息的定量度量理论更好地服务于多源多尺度道路网矢量数据综合分析应用。本文主要研究成果由以下四个方面集中体现:1)道路网稳定层次空间形态的提取。人类视觉注意过程是由主到次、由简到繁,逐级发现,这种认知规律的抽象化描述就是层次化。于是本文模拟人的视觉层次化认知机制来对道路网进行空间层次化划分与推理,提取出道路网层次空间形态。这样匹配时就可先从显著区域高层次道路展开,以此作为基础向邻接扩散到低层次后逐层确定匹配关系,使得匹配流程符合人类空间认知规律,并且层次信息还可为道路实体间匹配提供层级约束,进而提升了匹配的准确率。多尺度道路实体过分依赖于局部形态结构的相似性度量方法主要是源于实体语义参照的缺失。于是本文提取出代表城市空间稳定形态的相对不变参考形态,建立除语义参照外其他形态的稳定参照。基于稳定空间形态参照,可将复杂空间目标之间的几何相似度计算转化到同一稳定计算空间中空间目标的匹配问题,使得本文的匹配方法既具稳定性,又具全局性。2)基于稳定层次空间形态的相似性度量模型。传统的匹配方法主要依赖于局部形态结构的相似度度量(度量指标为:距离、形状、方向、拓扑等),存在容易陷入局部寻优的局限性。而稳定层次空间形态则提供了一种全局稳定参照,我们可结合该稳定参照进行相似性比较,即将两个待比较的实体变换到同一计算空间中,以道路实体至稳定形态的相对距离作为重要的度量指标。基于稳定层次空间形态的相似性度量模型兼具全局特征与局部特征,能够较好克服过分依赖局部实体间几何形态结构作为相似性判定依据带来的问题,提升实体间匹配的准确率。3)基于智能优化的道路网最优匹配求解算法的建立。智能优化算法的发展为复杂匹配关系的确定提供了一种新的解决方案。对于目的函数或制约条件来说,智能优化方法不需要他们的连续性与凸性。但对于计算中不确定性数据来说,智能优化算法却有很强的适应能力,且算法收敛速度快。道路网匹配中的多重复杂对应关系可以理解为具有不确定性特征,而道路网实体最优匹配解算与智能优化理论的表达能力正好相符。另外,为了高效的从大规模候选匹配集合中找出最优匹配结果,也可选取智能优化搜索算法实现全局寻优以此来获取道路网匹配的最终结果。于是本文将稳定层次相似度度量模型与粒子群智能优化算法结合,并运用群智能寻优的方法处理道路网匹配关系,可为一些复杂的匹配情形提供全新的理论技术支持。实验数据表明,基于智能优化的道路网匹配方法在准确率与效率方面有了较大的提升。4)并行化智能优化匹配算法。针对道路网数据规模较大时传统匹配算法效率低下的不足,将并行化加速的思想引入到道路网匹配中。本文实现了MOCP的并行化框架,结合集群、CPU与GPU各自的并行化优势,可充分发挥已有节点的计算能力,最大化的提升并行计算能力。并基于MOCP框架对智能优化道路网匹配方法进行了并行化改造,最终实现了一种多级并行化的智能优化道路网匹配方法。实验数据表明,基于MOCP框架的智能优化算法在粒子数很多的情况下,其匹配效率得到明显的提升。本文从武汉市多源多尺度道路网中选取多份典型区域的数据,并采用稳定层次空间形态相似性度量模型及智能优化求解方法对多源多尺度道路数据进行匹配实验。通过实验案例衡量本文研究的正确性和可靠性,同时从中分析问题并对本文发展起来的稳定层次空间形态框架、基于稳定城市空间形态的相似性度量模型、基于智能优化理论的最优化匹配求解方法进行检验、完善,以此进一步改进理论研究成果。本文的研究可进一步揭示人类认知在道路网空间目标匹配领域的理论价值和科学意义,也可为多尺度空间目标的自动匹配提供一种新的理论和解决思路,具有重要的现实意义。