地图综合是指将大比例尺矢量数据转换为小比例尺矢量数据时,对矢量数据进行选取与概括。地图自动综合仍然是地图制图研究的“国际难题”,是现代地图学中极具挑战性和原创性的研究领域。城市道路网与人类活动紧密相连,承载着城市的社会经济发展与人们日常生活。道路综合一直以来都是地图综合研究的重点和难点。道路网选取是道路综合的前提。道路网选取是个复杂且全面的过程,需要考虑因素众多。现有研究大多使用stroke、网眼、图论等单一选取模型,选取结果一定程度能够满足当前需要,但难以顾及道路网的整体与局部结构;同时,现有道路网选取研究对语义信息考虑不足,仅考虑了道路网的单一语义信息。因此,针对现有研究中道路选取方法单一、语义信息考虑不足的问题。将POI（Point of Interest）数据和出租车轨迹数据引入到道路选取中,提出一种顾及语义信息的城市道路网自动选取方法。首先,构建道路网眼和道路stroke;然后,分别构建结合POI数据的道路网眼模型和结合轨迹数据的stroke模型;最后,将综合考虑多源语义信息的网眼模型和stroke模型的选取结果进行融合,得到最终道路网选取结果。论文主要创新点如下:（1）将POI数据与出租车轨迹数据引入到道路网选取工作中,弥补了现有研究对道路网语义信息考虑不足的问题。POI数据记录了道路两侧重要设施的区位和属性信息。利用POI数据表征道路语义信息,将道路网眼中POI数据的语义信息进行统计,构建度量道路网眼语义特征的阈值条件。出租车作为城市内部交通的重要组成部分,具有便捷、快速等优点,是市民出行的主要交通工具之一。而出租车轨迹数据形成的道路交通流,在一定程度上反应了道路的重要性。因此,在道路选取中,将道路交通流作为重要因素加入到道路选取中。（2）提出将网眼模型与stroke模型相结合的道路网选取方法,克服了现有单一选取方法只能顾及整体或者局部结构的缺陷。网眼模型选取结果的优势在于能够保持道路网的整体结构,stroke模型选取结果优势在于能够保持道路网的局部结构。因此,将网眼模型与stroke模型相结合,充分发挥网眼模型与stroke模型在道路网选取中的优势。本论文利用不同城市不同比例尺道路网进行对比实验。实验结果表明:（1）通过引人POI数据与出租车轨迹数据补充道路网的语义信息,重要道路被选取的几率大大提高,主要道路网得以保留;（2）通过两种选取模型的结合,选取结果保持了道路的整体结构与局部结构。