在当今社会中,计算机技术被越来越多地应用在在行人导航、大型场馆的人员疏散、时空环境下的交通网络优化、交通网络的评价分析等方面,它们可以统称为时空优化问题。但是在具体应用过程中,存在着研究问题规模大、研究对象复杂多变等问题,因此需要针对不同的研究对象,构建一个时空优化系统,尽可能得将现实中的研究对象转换为网络对象模型,来对不同的研究问题进行描述。本文利用GML构建了不同的网络对象模型,并对基于网络对象模型的网络分析算法进行分析和改进,将其应用在时空优化平台中。在网络对象模型中,采用了GML与GDAL/OGR, GML是基于XML的地理标识语言,可以很好地对网络对象模型从其几何特征、空间特征进行描述。GDAL/OGR可以转换各种栅格/矢量数据格式的数据,提供包括读取、写入、转换、处理各种栅格/矢量数据格式。在网络分析算法方面,虽然图论研究中得到的大量算法可以为网络分析提供有力的理论支持,但是在时空优化这种特殊的环境下,传统的图论分析算法有时难以解决这种复杂的大规模的问题。针对当前时空优化中研究对象规模大,特征复杂等问题,本文主要对演化算法进行研究,并以蚁群算法为例,对蚁群算法进行改进优化。针对蚁群算法容易陷入早熟的情况,结合遗传算法与蚁群算法的特点,将遗传算法中的交叉变异操作应用到蚁群算法中,构建N个蚁群,将每个蚁群的信息素分布作为演化基因,在进行m代蚁群算法后,蚁群之间进行遗传算法的交叉变异操作。根据信息素分布的特点,在进行交叉操作时采用分区交换法,实验结果证明,采用了基于遗传算法的改进蚁群算法能在探索能力方面,具有更好的优势,使之能更好地应用在时空优化分析平台中。最后,利用本文采用OpenSceneGraph来进行时空优化建模,来模拟城市中的道路交通模型。实验结果的分析表明,采用网络对象模型的时空优化系统能够更方便地解决现实中的时空优化问题。