定性空间推理经过近30年的发展,已经成为人工智能领域的重要研究方向。在实际应用中,大多的空间信息都是以结合多方面空间关系的形式存在的,而且这些空间信息大多是动态变化的。如何对这些复杂变化的空间信息表示和推理对定性空间推理的发展非常重要。本文针对这两个问题展开研究,主要工作包括:(1)提出了同对象多属性的结合不同方面空间关系的表示方法。同时提出了结合拓扑和大小关系的模型;结合远近关系和拓扑关系模型;结合大小、方向和拓扑关系模型。(2)提出了结合多方面空间关系模型的推理算法,新的推理算法能使得以往模型的推理结果能在新的模型继续适用。(3)提出了处理动态空间关系的邻域划分图,用于表示动作和基本原子关系的联系;并以此回答了Galton提出的“为什么LOS模型的复合结果并不是其概念邻域图子集”的问题。(4)研究了提出的结合大小、拓扑和方向关系的模型TDSC在处理自然语言中常识空间信息的应用,并用实例说明了其在结合多方面动态空间关系的表示和推理方面的良好效果。(5)研究了基于定性空间关系及其邻域划分图的自动规划。给出了基于定性空间关系及其邻域划分图的自动规划框架,用小车超车规划实例说明了框架的有效性和正确性。