在如今的信息社会,由于软件行业的低边际成本,数据量随着人们的需求和数字化的进程飞速扩张。然而计算设备和存储设备由于其硬件的固定成本,无法在绝对速度及容量上跟随软件的增长率,因此从计算机被发明以来多种多样的树形数据结构被提出以满足在低存储I/O性能时的数据响应要求。与此同时,随着集成电路频率瓶颈的日渐突出,SIMD设备以其固有的数据并行处理结构在异构计算领域被广泛使用且规模日益扩大。其在一些特定算法下相对于SISD设备有着速度和功耗方面的天然优势。因此通过对于GPU内部逻辑单元和存储单元关系的研究以及R-tree主要操作算法和几何结构的分析,本文提出了一种可以被GPU众核结构以及SIMD指令集加速的并行化R-tree,然后从其定义出发设计了它的数据结构和加速策略并并行化了常用操作:查询、删除、插入、分裂,最后讨论了各种操作的理论加速比以及设定并行化参数所得到实际加速结果。本文的贡献在于与已有R-tree相比将并行化R-tree查询、删除加速比保持在80倍左右的同时提高插入及分裂操作的加速比至90倍左右,并且将插入及分裂操作用时的标准偏差得降低到已有R-tree的1/450左右。以上这些特性将R-tree从高硬件需求的静态数据结构向低硬件需求的动态数据结构推进了一步。