时空知识的建模是人工智能亟待解决的最重要问题之一。在现实世界中，时空知识大多随时间动态变化，且这些动态变化的时空知识在机器人导航、自动规划等领域具有广泛的应用。再有，处理实际问题时，仅考虑单方面空间关系是不够的，通常要综合考虑多方面空间关系。如GIS查询中，常会出现多种空间关系结合的查询。因此为了使对动态场景的描述更加准确，需要对多方面关系结合模型进行研究。已有研究主要集中在动态环境下简单对象间拓扑关系，缺少方位关系以及拓扑、方位结合关系的研究。关于动态环境下方位以及拓扑、方位相结合的代表性工作有Rupam对运动事件的建模以及Marco结合RCC8和方位关系概念邻域图对区域拓扑-方位关系的连续变换进行描述与推理。然而Rupam方位关系模型ROR复合表和概念邻域图存在问题，Marco拓扑-方位结合关系模型RCC8-CD的复合结果及概念邻域图也不够完整。针对RCC8-CD关系复合结果和概念邻域图不够完整以及ROR关系复合表和概念邻域图所存在的问题，我们对ROR关系模型中复合表及概念邻域图进行了完善；基于RCC8-CD模型的构建方法，我们将拓扑关系模型RCC8与方位关系模型ROR相结合，得到拓扑-方位结合关系模型RCC8-ROR；给出ROR和RCC8-ROR关系模型在动态环境下的推理算法。本文主要进行了如下几方面的工作：（1）分析动态环境下方位关系以及拓扑、方位结合关系的研究现状，介绍了本文的研究背景和意义。（2）介绍本文所涉及的理论基础知识。其中包括Allen提出的时间区间关系、Marco拓扑-方位结合关系模型RCC8-CD、Rupam方位关系模型ROR以及Freksa概念邻域结构等。（3）对ROR关系模型中复合表及概念邻域图进行完善并给出动态环境下ROR关系推理算法。首先我们提出ROR关系静态推理算法，并给出复合表；之后提出ROR概念邻域关系自动生成算法并构建其概念邻域图；然后将ROR关系复合表和概念邻域图与Rupam的进行比较；最后给出动态环境下ROR关系推理算法。（4）基于RCC-CD模型的构建方法，将ROR与RCC8相结合，从而得到拓扑-方位结合关系模型RCC8-ROR。我们首先给出RCC8-ROR模型的定义；之后给出RCC8-ROR完备互斥关系集合；在此基础上，提出RCC8-ROR关系静态推理算法，给出复合表；提出RCC8-ROR概念邻域关系自动生成算法并构建其概念邻域图；然后给出动态环境下RCC8-ROR关系推理算法；最后通过一个应用实例，将RCC8-ROR动态推理结果与ROR的进行比较。（5）设计并实现ROR和RCC8-ROR关系推理结果的演示系统。方位关系和拓扑关系在空间推理中占有重要地位。随着空间推理在实际应用中的不断深入，仅考虑单方面空间关系并不能满足实际需求，通常需要结合不同空间关系进行推理。动态时空知识的表示与推理已逐渐成为研究热点，但已有工作缺少方位关系以及拓扑、方位结合关系的研究。本文利用矩形代数以及Freksa的概念邻域结构，对Rupam方位关系模型ROR复合表及概念邻域图进行完善并给出动态环境下ROR关系推理方法。基于RCC8-CD模型的构建方法，本文提出了拓扑-方位结合关系模型RCC8-ROR，并对其在动态环境下的推理问题展开了研究。