由于大数据、互联网、云计算等技术逐步地运用到GIS中,数字城市时代已经逐渐地转换为智慧型城市时代.与此同时,人们对数据信息分析功能需求不再仅仅满足于某些信息的直观展示功能,而是对知识的可视化程度的提高以及对决策方案的准确性和实时获取的效率等方面更加严格。这在为三维GIS技术的发展提供了新的发展机遇的同时,也给其提出了新的挑战。随着数据量以TB、GB级的迅速增加,计算复杂程度也随时提升,传统的数据库管理软件和传统数据处理技术在可接受的时间内收集、存储、检索、分析、挖掘和可视化能力已经难以满足其要求。在对三维数据进行绘制、查询以及显示等操作时,为了保证稳定而又流畅的互交体验就必须克服计算量大、耗时长等计算缺点。基于以上背景,本文对三维城市模型数据的组织方法和多细节层次模型进行了深入的分析和延展,深化了三维模型的空间应用分析功能。本文的主要工作及创新点如下:(1)提出了一种异构架构的并行处理方法,并考虑到GPU存储器端的存储容量,讨论了异构架构并行方法的基本原理和实际操作构架、并对异构架构中存在的数据的负载衡量和数据传输方面进行了讨论和分析。(2)对经典的模型简化方法进行改进,针对地物与地形集成模型建立一种可控输出模型质量和精度的动态连续LOD简化方法。(3)基于语义识别和视觉认知理论对城市模型进行全局性聚类概括。全局性聚类概括采用道路网的分割方式,充分利用了城市形态学的特征,保证结构不变性。引入拓扑关系、高程阈值、面积阈值、方位阈值等与人类空间认知的视觉特性相关因素,提高了聚类精度。