居民地是普通地图六大类要素之一,是地图读者十分关注的内容。大比例尺地图上的面状居民地占据地图载负量相当大的比重;中、小比例尺地图上,只有重要的、较大规模的居民地才继续以面的形式表示。因此,面状居民地的自动综合一直是学者们研究的重点,经多年研究已形成丰富的成果。然而,地图自动综合包括居民地自动综合在目前依然是极具挑战性的课题,因为地图综合本质上是一种空间相似变换,但以空间相似关系理论为基础的地图自动综合方法仍较为缺乏。近年来,随着理论、技术的发展和数据获取手段的扩展,地图学与地理信息科学领域中的空间相似关系已有一些研究,包括拓扑、方向、距离、位置、语义、形状等的某一方面或几方面,以及场景相似、总体相似等。但仍亟需探索基于空间相似关系理论及其计算的居民地自动综合方法,以解决空间相似关系基本理论及地图综合算法阈值确定、过程控制、结果质量评价等的自动化问题。因此,论文以居民地自动综合和空间相似关系为理论基础,提出顾及几何、语义相似的居民地自动综合方法,涉及同尺度空间相似和多尺度空间相似两个方面。论文的具体研究工作和主要创新点如下:（1）针对大比例尺不规则城市居民地分类和突出建筑物（指与周围建筑物在外形上差别较大,较不相似的建筑物）提取问题,采用模糊聚类分析和以街区为单元的统计分析方法,通过对比不同指标、分类方法、上下文对建筑物分类和突出建筑物提取的影响。可应用于同尺度居民地几何相似度计算和居民地自动综合前居民地知识的获取。（2）提出基于理解和几何相似度计算的居民地聚合方法。所谓基于理解,是指由地图学家Brassel和Weibel提出的基于地图综合知识的综合框架。在该框架下,通过结构识别、过程识别、过程模拟、过程执行完成1:1万大比例尺建筑物数据至1:5万居民地数据的自动综合。几何相似度计算在该过程中用于阈值确定、结果验证和多尺度地图相似度变化规律分析。与传统手工居民地综合方法相比,所述方法在数据一致性、城区边界客观性等方面均具有优势。（3）提出语义功能区约束下的大比例尺街区式居民地合并和基于匹配距离模型的语义相似度计算方法。该方法是基于地图读者对大比例尺地图上语义信息的关注和语义相似度的重要性提出的:大比例尺街区式建筑物合并时以语义功能区为单位进行。语义相似度计算时,采用了基于匹配距离模型（Matching Distance Model）的方法,并构建基于基础地理信息数据编码和地理国情普查数据规定的居民地语义层次结构。选择不同实验街区对所述方法进行验证,纵向分析相似度随比例尺缩小的变化趋势,横向对比不同合并方法的特点。在该方法中,语义相似度的计算用于综合质量评价、语义相似度变化规律分析。（4）面对建筑物化简这一经典的地图综合问题,通过模仿制图专家建筑物化简的思维过程和操作流程,提出一种利用“计算区”（与某组小于阈值的边化简有关的节点序列称为该组边的计算区）进行建筑物短边结构识别与渐进式化简的方法。首先对建筑物轮廓进行预处理和垂直增强;然后对其分组并利用“计算区”对小于阈值的边进行结构识别、分析,确定最优化简方案;最后通过整体调整,在形状保持的前提下减小面积差。以众源开放街道地图（Open Street Map,OSM）建筑物数据为例,开展所述方法与Arc GIS建筑物化简工具化简的对比实验。结果表明,该方法有效减少了图形节点数,增强了平行、直角等形状特征,并减小了化简前后面积差,较好兼顾并平衡了建筑物化简原则的几个方面,为建筑物化简提供了新思路。该综合方法中,建筑物化简的面积保持、形状保持和矩形化三个原则和对节点位置的控制体现了对居民地几何相似的保持。本论文以特定比例尺范围内的居民地分类、聚合、合并、化简为例,探讨了顾及几何相似和语义相似的居民地自动综合方法。如何更深入地研究空间相似关系,并充分发挥相似度计算在地图综合自动化中的作用值得继续努力。