随着时空问题研究的深入和各种信息获取手段的不断完善，时空研究面临日益复杂的对象和海量的信息。综合地球信息科学、智能科学等不同理论方法的各种复杂信息融合处理技术正处于不断发展的阶段。　　 论文以空间信息分析与智能计算技术相互融合为出发点，对时空信息多模式融合模型和交通信号配时智能优化方法两部分内容进行了研究，前者侧重于智能计算技术在空间分析领域中的应用，后者侧重于空间数据分析技术在传统智能优化领域中的应用。　　 在时空信息多模式融合模型部分，以提高模型对时空过程的建模和预测效果为目的展开研究，主要包括：　　 (1)利用时空多模式融合模型对传染病数据和地震数据进行了建模和预测评价，结果表明不同时空过程中不同类型信息量的充分提取对模型预测能力的提高具有重要意义。在此基础上，分别对模型的主要组成部分，即短期时空线性趋势和短期时空随机变化，进行了深入分析。　　 (2)对于时空线性建模，研究了区域数据时空线性回归模型，重点分析了一阶多元时空线性模型及其特定形式、权重矩阵构建、参数估计等相关问题。　　 (3)对于时空非线性建模，依据区域数据两种不同尺度的空间特性，从降低数据的空间波动和不平稳性对模型预测能力的影响角度出发，研究了一种基于空间单元划分的局域神经网络时空非线性建模方法。　　 在交通信号配时智能优化方法部分，以优化城市平面交叉口信号离线配时方案、提高区域路网通行能力为目的，分别对单路口和区域信号配时方法进行研究，主要包括：　　 (1)在单路口信号配时方面，研究了粒子群算法在离线信号配时优化中的应用，优化方案通过交通模拟运行得到的延误时间、旅行时间、油料耗费、尾气排放等性能指标进行评价。　　 (2)在区域信号配时方面，研究了基于数据驱动和粒子群算法的离线配时优化方法，在空间上识别区域路网的主要交通流，在时间上获取不同时刻所处的交通状态，从而对TOD(Time of Day)多时段配时方案进行优化。　　 (3)到达道路交叉口的车辆分布为交通信号配时提供输入数据，产生与实际相符的模拟交通流是影响信号交叉口配时方案优劣的重要因素之一。针对信号配时优化的需要，对基于检测流量的微观时间尺度车流随机发生器进行了研究。　　 论文通过上述两部分的研究，从理论和实践两个层面对基于空间信息分析、智能计算等的复杂时空信息处理技术进行了有益的探索。论文最后对全文进行了总结，也提出了一些值得进一步深入探讨的问题。