道路网是地图中覆盖范围较广的元素,与其他地图要素数据相比,道路网使用的频率更高,在军事和经济方面具有较为重要的意义。在制图综合领域,道路网的选取一直是地图学者们研究的重点和难点之一。人工对道路网进行提取,不仅操作繁复,工作量也十分巨大,因此近年来专家学者们一直在智能选取上寻求突破。随着计算机时代的到来,信息技术的发展日新月异,电子地图应运而生,智能方法的发展也给道路网智能选取带来了新的生机。当今世界道路建设发展迅速,电子地图数量日渐增多,道路信息更新迅速,给道路网的选取带来了新的挑战。作为电子地图和VGI（Volunteered Geographic Information）数据的典型代表,OSM（Open Street Map）数据以低成本、高质量和快速更新的特点,获得了很大的关注。将OSM道路网数据综合成标准地图数据,对于电子地图产品更新、提供城市地图、增加OSM数据的应用领域具有十分重要的意义。本文结合OSM道路网数据,建立道路网选取参数系统,构建了深度学习框架中的循环神经网络,对上海市1:250000的OSM道路网进行智能选取。主要研究内容如下:（1）构建知识系统。知识系统,是道路网重要性的定量化指标,在道路网选取中起关键作用。针对本文采用的智能方法和道路网特点,构建了 OSM道路网智能选取的参数系统。实验后,针对实验结果,本文对参数系统进行了改进,改进实验结果。（2）构建智能选取模型。利用机器学习道路网选取的规律,从而实现道路网智能选取,需要构建一个良好的选取模型。深度学习方法利用较少的样本,准确迅速地提取到数据特征,学习到经验规律,从而实现道路网选取。本文结合OSM数据,对深度学习框架中的循环网络方法进行了构建,来进行道路网智能选取。（3）选取实验数据。OSM道路网络具有较高的细节水平和复杂的结构,是当代地图数据获取和更新的重要方式。采用OSM道路网数据作为数据源,不仅可以为本文提供实时高质量的数据,也可以对OSM数据的应用提供新的思路。结合OSM道路网数据,利用构建的深度学习智能选取模型,进行道路网自动提取。实验结果表明,深度学习中的循环网络对于OSM道路网自动提取有较好的选取效果。多参数系统有益于提升道路网的选取效果,对参数系统进行改善,增加了三个拓扑参数后,实验结果精度得到了明显提高。循环网络模型对于当前道路网选取中存在的问题,道路数据量大、提取操作繁复、道路网内道路之间的复杂关系描述的问题,解决较好,可以取得较高的选取效果。OSM数据在经过智能方法进行提取后,更加符合标准地图数据规范,应用范围将更加广泛。