地图综合是地图设计制作的核心环节,也是空间数据尺度变换、融合分析等过程中的基本手段之一。地图综合蕴含着创造性思维,是现代地图学中最具有挑战性和创新性的研究领域。道路作为承载人类活动的重要地理空间要素,一直以来都是地图综合的主要对象之一。道路综合的过程包括道路目标的选取和化简,其中,道路目标的选取是道路化简的前提,是道路综合的重点。现有关于道路自动选取的研究从道路的多种特征出发,使用图论、道路Stroke、道路网眼密度等各种模型方法,取得了较好的效果,但也存在一些欠缺:例如对道路的语义特征考虑不足,同时在选取时没能将与道路密切联系的居民地等上下文要素考虑进来。鉴于此,在大数据研究快速发展的背景下,本论文将POI(Point of Interest)数据引入到道路语义特征的度量中,并综合利用空间句法、道路Stroke等模型方法,考虑道路的几何、拓扑、分布和语义特征,对地图综合中城市道路自动选取的方法进行了系统研究。论文取得的研究成果及创新点包括以下2个方面:(1)将POI数据引入到道路的语义特征分析中,一方面人们对道路重要性的认知与道路周边设施场所有重要关系,另一方面POI数据正是道路周边居民地要素的点状表示。其基本思路是:首先,对网络POI数据进行重分类,然后,根据相关标准确定道路的影响范围缓冲区,进而使用落入缓冲区范围的POI点计算构造的三个语义特征参量:设施点密度、重要设施比率和专题设施比率。(2)提出了一种综合考虑道路几何、拓扑、分布和语义特征的地图综合道路自动选取模型。其基本思路是:首先基于道路长宽、连接值、控制值、平均线密度等参量来计算道路的几何、拓扑和分布特征,结合POI数据计算道路的语义特征,然后将各个特征参量值通过熵值法赋权整合计算出道路的重要性值;最后将道路stroke构成、stroke连通度等作为道路选取的约束条件,与道路重要性值结合进行道路的自动选取。本论文利用实际道路网数据和网络POI数据,选取不同路网类型的实验区对提出的方法模型进行了实验。实验表明:将POI数据引入道路语义特征分析而构造的参量能够提高人们认知中重要道路的被选取几率,使选取结果更合理;提出的结合POI数据的地图综合道路自动选取方法在选取后能够较好地保留主干道路,保持道路选取前分布上的密度差异和道路的连通性,同时在选取过程中较好地顾及了道路周边设施和道路的语义特征信息,提高了人们认知中重要道路的被选取几率,进而提高了综合结果的科学性和合理性。本研究为现有道路自动选取研究中的不足提供了一种新的解决思路。