矢量空间数据是人类社会信息的重要载体。当前各部门生产了不同尺度的矢量空间数据,这些数据具有不同的详细程度,在几何、属性和空间关系特征等方面存在诸多差异,严重影响了空间数据的共享集成与应用。多尺度矢量空间数据融合技术是解决上述问题的关键,通过将不同尺度的空间数据进行集成统一,经过空间数据匹配、制图综合以及空间关系处理等过程,使数据在属性和几何位置上相互印证、相互补充和相互关联,进而实现空间信息的融合和增强。本文主要研究顾及尺度变化的道路和居民地融合处理理论与方法,完成的主要工作和取得的成果如下:1.结合实际应用需求分析了研究背景和意义,总结了空间数据融合总体研究进展以及道路和居民地融合处理研究现状,指出了当前研究中的不足之处,并提出了本文的研究目标、内容和技术路线等。2.从空间认知、多尺度表达等方面阐述了尺度的基本内涵和特征,深入分析了多尺度矢量空间数据的差异性根源和表现形式;探讨了多尺度矢量空间数据融合的基本问题,明确了概念和研究范畴,从系统的角度进行了分类和数学上的形式化定义,并提出了具体的研究内容和技术框架;最后介绍了道路和居民地常见的描述特征。3.研究了基于层次性的多尺度道路融合处理方法。主要包括:提出了一种基于目标检测Faster R-CNN神经网络模型的立交桥识别方法,利用卷积神经网络学习立交桥样本的深层次结构特征,实现立交桥的自动识别与准确定位;针对现有方法仅考虑道路静态特征等问题,提出了一种结合轨迹数据的多层次特征选取方法,通过构建对偶图对道路的结构关系进行描述,同时利用线Voronoi图空间密度进行约束,保证选取结果的合理性;提出了一种顾及层次约束的多尺度道路匹配方法,从空间认知的角度对道路进行层次划分,充分利用道路的空间结构特征并以层次结构来约束匹配过程,可适用于不同比例尺的道路匹配。4.研究了顾及多特征的多尺度居民地融合处理方法。主要包括:构建了Delaunay三角网,通过空间邻域簇将不同尺度中的复杂匹配实体划分到闭合域中,得到多对多匹配候选要素集;在此基础上提出了一种顾及多特征的多尺度居民地匹配方法,同时考虑自身特征和空间邻域特征对匹配结果的影响,构建空间相似性度量模型,进而得到最终的匹配结果;提出了一种顾及多特征约束的Voronoi图点群选取方法,结合点群要素的空间分布、拓扑和密度、专题属性以及与道路要素的关联等特征,同时应用距离约束对空间冲突进行处理,保持了点群选取前后空间特征的一致性。5.研究了多尺度道路和居民地空间关系一致性处理方法。主要包括:重点分析了降维、化简和合并对多尺度道路和居民地空间关系的影响,介绍了基于九交模型的拓扑关系描述方法,并对线-面拓扑关系进行了层次划分;针对地图空间中的线-面和线-点冲突、矢量空间中的线-面和线-面冲突问题,分别建立了线-面和线-点一致性对应关系、线-面和线-面一致性度量关系,提出了空间冲突检测的思路和流程,并进行了实验验证与分析;提出了一种面向空间约束的道路和居民地移位处理方法,以道路网眼为单位,采用最小生成树建立建筑物之间的关联关系,对建筑物进行移位和缩放处理,有效保持了建筑物的空间分布模式。6.研制了多尺度道路和居民地融合处理原型系统,介绍了系统的主要功能及实验数据概况,对论文提出的关键技术方法进行了实验验证。