建筑物是地图中十分重要的地物要素，其不仅在地图中有着极高的面积载负量，同时也蕴含了大量的经济、社会、人文信息，可以反映城市结构，体现城市区域职能。建筑物要素在地图上的几何形态、空间分布具有显著的视觉特征，在不同观测、分析尺度下，对建筑物视觉特征的认知是执行空间分析的必要环节，对揭示人类活动、辅助空间规划具有重要意义。如何让计算机能够像专家一样进行多尺度要素认知、分析、应用是当前亟待解决的科学问题。为了突破该技术瓶颈，论文以图结构为数据基础，将认知理论、图论、相似性理论、神经网络模型进行融合，重点关注建筑物要素视觉特征，建立了认知→综合的层次化研究主线，确立了单体→群组的多尺度研究对象，设计了针对单体、群组建筑物要素的认知方法，并进一步研究了图模型支持下的建筑物要素化简与合并算法，尝试构建了无需标注样本的建筑物要素认知与智能化制图综合模型，研究成果一定程度上推进了智能化认知与智能化制图的发展

 

地图综合,图神经网络,建筑物要素