地图综合是为了满足用户认知需要、比例尺缩小的过程,也是面向地图要素属性域与图形域相结合的图形表达与信息处理的过程。随着网络技术的不断发展,海量地图信息的传输效率与代价问题已被提上日程,怎样合理过滤与用户应用无关的信息,以提高传输速度从而减少代价亦引起了制图学界的关注。POI作为移动地图与网络地图中最重要的内容之一,随着用户多样化使用需求的不断增加,其数据量也与日俱增。随着分布式、网格计算以及云计算等高性能计算方法的提出,为地图综合效率的提升提供了有力的支撑。本文基于点要素综合并行计算的数据划分方法,分析不同比例尺中的路网结构类型及道路等级组成,在顾及路网对POI的场力约束及负载均衡性等相关约束条件下,探讨层次路网划分方法中数据划分粒度对POI划分结果及其对POI综合并行计算性能的影响。本研究探索了基于要素约束关系的数据划分方法对于矢量地理信息并行计算的影响规律,丰富了面向地图综合并行计算的理论与方法。具体的内容与创新包括:1)通过对点要素综合算子再综合的讨论,并结合POI的自身特点及其综合特点,引出由内容选取与结构简化组成的双算子模式作为本文的讨论核心。从任务并行与数据并行两个角度出发并结合数据相关性、子过程数据规模以及并行可扩放性等方面对点综合算法的可并行性进行分析,最终提出数据并行更适于点要素综合算法并行化的观点。2)从空间映射、空间聚类、空间索引三类数据划分方法出发,对现有的矢量数据划分方法进行对比,分别从空间聚集度、聚类间距离、聚类内部距离、数据划分耗时以及负载均衡五个方面对Hilbert编码算法、N-KD树划分算法、R*树划分算法、K-Means++算法以及层次路网划分算法进行评价。通过对比得出基于层次路网划分方法更适合POI综合算法的并行计算。3)为使层次路网划分方法对点群目标可以有效划分,本文提出了面向点群要素划分机制的路划构建规则,并结合各比例尺下的道路等级组成以及道路要素表达形式,提出面向矢量数据划分的路网-比例尺映射集。4)提出POI数据划分粒度计算模型和顾及粒度适宜性的点要素综合并行程序性能预测模型。结合路网尺度分级及POI的分布情况,基于点群度量信息的测算手段和描述点模式相关的统计量提出数据划分粒度计算模型,经实验验证,该模型可以对网眼内POI数目的集中趋势进行有效描述;在此基础上,完成POI综合并行计算性能预测方法的可靠性检验以及数据划分粒度适宜性的讨论。