在地图制图中,因为地图图幅有限,地图上不可能将研究区内所有的要素表示出来,因此只能根据地图用途、地图比例尺和制图区域特点,将制图对象中的规律性和典型特征以概括和抽象的形式表示出来,而对于那些次要的和非本质的地物要素则要舍弃。当地图由大比例尺缩小到小比例尺时,地图的面积是按等比级数缩小的,如果将地图上的要素也按照这种方式缩小的话,地物要素将出现扭曲、压盖、变形等现象。为了解决地图要素与实地地物之间的矛盾,则需要用到制图综合,它通过对地图内容的选取、化简、概括和位移,可以建立反映区域地理规律和特点的新的地图模型。传统的制图综合主要是靠手工实现,这种制图方式要求繁琐的手工劳动,而且存在很大的主观性。此外,手工制图综合的质量也会受到很多人为因素的影响,所以很难保证地图的质量和品质。现代制图综合指的是计算机环境下的制图综合,数字制图技术在很大程度上促进了地图生产效率的提高,为地图自动制图综合的研究提供了技术基础。在数字制图技术条件下,一方面地图自动制图综合将制图人员从繁杂的手工操作中解脱出来,另一方面制图人员可以投入更多的精力研究如何提高制图综合的自动化程度。在计算机技术和图形交互编辑功能不断提高的背景下,自动制图综合的理论和应用也取得了很大的进步,但仍然存在很多难以克服的问题,比较突出的问题是制图综合的自动综合程度还不是很高。人工智能技术在自动制图综合领域中的应用是该领域的一个重要突破,因为人工智能技术具有一定的人脑思维能力,从而可以在某种程度上模拟人类制图综合的过程。人工神经网络是一种采用物理可实现系统来模拟人脑神经细胞的结构和功能的系统,它具有自学习、联想存储、和高速寻找优化解的功能,因此可以把它应用于制图综合中。线状要素的制图综合是制图综合领域中的研究热点和重点。道路网遍布全图,形状多样、关系复杂、等级繁多,是所有地图要素中比较重要、使用频率较高的数据层,有着重要的经济和军事意义。因此,使用人工神经网络研究道路网的制图综合具有重要的意义。本研究使用一种方法,它将道路的拓扑、几何和语义属性输入到一个自组织竞争神经网络中,自组织竞争神经网络是一种人工神经网络,在此研究中用于对道路网的聚类分析。更具体地说,该方法根据多种属性将所有的道路分成不同的类,然后基于这些分类在比例尺缩小的地图上按照某种指标对道路进行选取。传统的道路选取方法主要是根据道路等级等语义属性进行选取的,而忽视了道路的空间特性,本文分别使用了道路的拓扑、几何和语义属性将道路进行聚类,考虑比较全面,因此聚类结果更加准确,在此基础上对道路进行选取也可以得到更好的效果。