地理信息系统的应用领域随着计算机技术和网络通信技术的迅猛发展而日益广泛,GIS的应用和发展都离不开空间数据,然而在大数据时代的今天,空间数据的质量情况变得格外重要,空间数据质量会直接影响GIS决策应用的准确性。为了提高空间数据的质量,论文将从空间数据的不确定性出发,主要针对空间数据的模糊不确定性,在原有的传统空间数据评价方法上,融合了犹豫模糊集的原理,运用犹豫模糊集的偏好关系和多属性评价对空间数据进行质量评价,主要研究内容如下。（1）犹豫模糊偏好关系在空间数据评价中的研究基于传统评价方法对数据质量的模糊性上存在的不足,本文提出基于犹豫模糊集的空间数据质量评价方法。运用犹豫模糊偏好关系算法和犹豫积性偏好关系算法对空间数据的偏好关系进行质量评价,通过几个专家组对几种空间数据产品两两之间做出所有可能的偏好值,组成犹豫模糊偏好关系。然后对犹豫偏好关系进行算子集成,计算得分函数,根据得分函数进行排序。结合实例对两种评价结果进行对比分析,并利用直觉模糊偏好关系对犹豫偏好关系进行验证。考虑到犹豫偏好关系的一致性,运用犹豫偏好关系一致性迭代算法和一致性改进算法对空间数据进行质量评价。结合实例运用犹豫偏好关系一致性进行分析,用直觉模糊一致性进行验证,将结果对比分析。（2）基于TOPSIS的犹豫模糊多属性评价在空间数据评价中的研究考虑空间数据的质量元素,运用模型计算出完全未知的属性权重和专家定权所得到的权重分别用TOPSIS方法进行评价,对结果进行分析。通过专家对不同空间数据产品的每个属性给出有可能的评估值,他们的重要性未知,组成犹豫模糊评价矩阵。通过犹豫模糊评价矩阵,利用不同的算法得到属性的权重,通过犹豫模糊元素的距离测度最后获得产品排序结果,选择出最优的空间数据产品,结合实例运用直觉模糊TOPSIS多属性评价算法对犹豫模糊TOPSIS多属性评价算法进行对比分析。（3）基于HF-ELECTRE方法在空间数据质量评价中的研究考虑到群决策过程中寻求一致解时,引入犹豫模糊元素可以避免强制对群组成员取平均偏好,引入HF-ELECTRE方法对空间数据质量进行评价。本文主要运用ELECTRE中的ELECTREΙ和ELECTREΠ方法进行评价,该方法是通过得分函数和偏离函数获得犹豫模糊一致矩阵和犹豫模糊非一致矩阵,然后构造集成占优矩阵,最后绘制级别优先图并得到最优的评价方案,结合实例将基于投影模型的直觉模糊多属性评价所得到的评价结果与HF-ELECTRE方法所得到的结果进行对比分析。基于犹豫模糊集的空间数据质量评价研究是对现有空间数据质量评价的重要拓展,在很大程度上改善了在评价过程中信息缺失的缺陷,提高了评价的精度,因而基于犹豫模糊集的评估方法是科学合理的。