随着地理信息技术的发展,方向关系相似性在空间场景相似性检索、地图综合质量评价等方面的重要性越来越高。空间数据爆发式增长,导致传统的数据检索模式已经不能满足人们对空间数据的查询需求,而基于空间场景相似性的空间数据检索方式在未来空间数据智能化检索领域将愈发重要。同时,传统的地图综合质量评价手段耗时耗力,亟待一种全自动的地图综合质量评价方法,基于地图目标的空间相似性将作为地图综合质量评价的一种新的技术手段。度量目标之间方向关系相似性的前提是建立目标之间的空间方向关系描述模型。空间方向关系模型按研究对象可分为单目标与单目标、单目标与群组目标、群组目标与群组目标之间的方向关系描述模型。单目标与群组目标的方向关系一般可借助群组目标与群组目标之间的方向关系来描述。目前,关于单目标与单目标之间的方向关系模型研究已经比较成熟,然而与群组目标与群组目标之间的方向关系模型的相关研究还相对较少,且仅有的模型尚存在一些不足。这些不足主要表现在不能顾及到各类因素对群组目标空间方向关系计算的影响进而导致方向关系描述的准确性不高、模型计算过程繁琐复杂、模型只能粗略地定性描述方向关系,而无法对其精确定量计算,导致难以在其基础上实现群组目标多尺度空间方向关系相似性度量。鉴于此,本文利用统计学思想,顾及锥形模型本身结构性的缺陷以及群组目标自身特点对空间方向关系的影响,提出一种基于锥形模型的群组目标空间方向关系描述方法,并通过运筹学中运输问题最小代价原则,实现群组目标多尺度空间方向关系相似性度量。论文的主要结论和创新点如下:（1）在统计学（拆分-组合）思想下,提出一种基于锥形模型的群组目标空间方向关系描述方法。该描述方法顾及到了目标大小和目标间距对方向关系的影响,使群组目标方向关系描述更准确。其基本思路是:首先根据统计学思想,将群组目标中每个单目标当成独立的计算单元;然后将锥形模型本身结构性缺陷（目标间距离对方向关系的影响）和群组目标自身特点（目标大小对群组目标空间方向关系的影响）视作方向关系的影响因子;并把具体化后的影响因子作为权重,通过加权求和得到群组目标之间的空间方向关系。最后对特殊情况下,即目标（或目标部分）落在方向片的方向轴线上时的方向关系表达做了处理。（2）在前者的基础上,提出了基于锥形模型的群组目标多尺度方向关系相似性度量方法。该相似度度量方法克服了锥形模型只能描述和表达方向关系,而不能进行方向关系相似性计算的缺陷。其基本思路是:首先利用基于锥形模型的群组目标空间方向关系描述方法得到参考目标群和源目标群在多个尺度下的方向关系;然后通过定义方向片之间的方向距离,并将其视为“单位运费”,利用运筹学中平衡型运输问题最小代价原则的解决思路和方法,即最小元素法,计算出不同尺度下两个群组目标的空间方向关系相似程度。本文利用不同类型的实验数据,对提出的基于锥形模型的的群组目标方向关系相似性度量方法和基于面向群组目标的复杂方向关系矩阵模型的方向关系相似性度量方法进行了对比实验,以此验证前者的合理性,并结合心理认知实验,对计算结果进行评价。实验表明:在群组目标分布比较分散时,相比于“整体法”思想的方向关系矩阵模型的相似性度量方法,本文提出的基于“拆分-组合”的统计学思想的相似性度量方法,能更准确地计算两个群组目标多尺度空间方向关系的相似程度,并且计算结果也符合大众心理认知。