随着道路网数据在智能导航、移动位置服务等领域的广泛应用,人们对道路网数据的需求不断增加,并且对道路网数据的现势性和质量的要求也越来越高。道路网数据更新作为保持道路网数据现势性的重要手段,在利用最新道路网数据进行更新时,快速发现新旧道路变化的能力直接影响着道路网更新的准确率及效率。道路网匹配技术是实现道路网数据变化检测及更新的重要环节和关键技术。目前道路网匹配算法存在匹配精度不高、自动化程度偏低等问题,这些问题导致道路网数据的更新速度和准确度较低。为了提高道路网匹配算法的匹配精度和自动化程度,本文开展了多特征的道路网匹配算法及其在道路网数据更新应用中的相关研究。影响道路网匹配精度和效率的关键要素在于相似性特征描述方法及匹配计算模型的构建。为了提高道路网匹配精度和效率,本文首先设计了多种道路相似性特征描述方法,并在此基础上提出了多元Logisitic回归的道路网匹配算法和SVM的道路网匹配算法,实现了道路网数据的高精度、自动匹配。其次研究了道路网匹配方法在多尺度道路网数据库联动更新中的应用。论文的主要工作可以概括为以下几点：(1)总结了道路网匹配和空间数据更新的国内外研究现状,提出了利用多特征的道路网匹配及快速更新的研究方案。(2)阐述了多尺度空间数据的组织与存储方法,分析了多尺度道路网数据的差异性形成的原因；设计了道路网的匹配流程、算法评价指标,为道路网匹配方法的实现与评价奠定基础。(3)分析了传统道路网线实体相似性描述方法及其存在的缺陷,提出了四种相似性特征优化算法：针对夹角链码方向差中存在的加密点不易选取、长度差异较大时无法比较等问题,提出了切角方向差,利用游标原理比较道路网线实体之间方向差异实现道路网线实体方向差异的有效度量；针对中间面积形状描述中存在的对偶点难选取、计算难以实现等问题,提出了面积累积形状差,通过对两个线实体围成的封闭区域进行有向定积分获得的面积描述两者的形状差异；针对当垂足在较长线对象的延长线时较短中值Hausdorff距离无法进行有效度量的问题,提出了将欧氏距离和垂直距离混合的综合中值Hausdorff距离,通过对较短线对象到较长线对象的有向综合距离取舍、计算、排序后选取的中值距离,具有良好的度量线实体间距的能力。该距离相对以往的距离计算方法具有计算量和复杂度小、效果明显等优点；提出了全局加权属性项距离的语义相似性特征描述法,能够兼容字符串和数值的比较,具有语义差异判断覆盖面广的优点,实现了利用语义特征的辅助判别。最后,本文对以上相似性特征进行了描述能力的对比实验。通过与已有同类特征进行了比较分析,验证了本文设计的相似性特征描述方法的可行性和有效性。(4)针对以往的匹配算法中各相似性特征权值和匹配阈值需要人工干预等缺点,从而导致匹配自动化程度较低的问题,利用多元Logistic回归模型在定量统计分析中的优势,提出一种多元Logistic回归模型的道路网匹配算法。通过对大量相似性特征样本进行回归训练获取模型参数,实现多元Logistic回归匹配模型的构建,利用此模型可对道路待匹配对进行匹配概率的预测,从而获取匹配结果分类。通过对不同区域的大量道路网数据进行实验分析,该方法具有稳定的匹配分析能力,且自适应数据能力较强,在大量样本训练基础上可取得较优的分类精度。(5)鉴于SVM分类器在高维特征、小样本数据方面具有较强的分类能力,提出了利用SVM的道路网匹配算法。通过对本文提出的多种相似性特征进行有效选取与组合,构建多维特征向量,仅需少量道路网样本特征对SVM分类器进行模型训练,获取SVM道路匹配模型,并据此模型实现对待匹配对的匹配与否的分类判读,完成对道路网数据的高效、高精度匹配。通过大量实验对比证明本方法对样本数据的数量要求比较低,不仅可应用于各种不同数量的道路网匹配中,且可有效地提高道路网匹配的精度与普适性。(6)研究了道路网匹配在多尺度数据库更新中的应用,设计了一种多尺度道路数据库联动更新方法。利用道路网匹配实现多尺度变化检测,发现待更新数据中的变化实体,实现同尺度数据的更新,并将变化实体从大比例尺向小比例尺数据的传递,最终实现多尺度道路数据库联动更新。