随着我国新型智慧城市建设,每时每刻将产生海量异构的多模态时空数据,为城市展示、分析、探索的可视化任务提供了重要的数据支持。城市场景数据是由可视化任务驱动汇聚,满足智慧城市特定分析和可视化任务需要的多模态时空数据如视频、影像、文字、声音、轨迹、POI、地图、实景三维模型等等,具有多源、多粒度、多模态的复杂特征,而且在日益泛在的网络环境下多样化的任务需要以更高效的方式组织调度。现存的场景数据调度研究主要集中在数据预加载、预取、多线程处理和多级缓存协作等方面,存在硬件资源浪费,且不能完全满足多层次任务的调度需求的问题。随着GIS数据中心逐渐由本地化迁移到云端,云环境中场景数据调度在实时可视化中扮演着关键的角色,如何提升调度性能突破网络I/O的瓶颈,满足多层次可视化任务的差异性需求,是场景数据调度方法研究面临的严峻挑战。本文面向并发的多层次可视化任务,提出一种基于最大流的复杂城市场景调度优化方法;研究云环境下数据调度传输网络拓扑结构,设计云环境下复杂城市场景数据调度机制;引入网络最大流构建了基于最大流的场景数据调度模型,并在此基础上给出复杂城市场景数据流的解算方法;进一步根据数据访问热点的变化,研发任务驱动的场景数据流分配策略,实现云环境有限硬件资源下的场景数据流全局优化。具体研究内容如下:（1）云环境下复杂城市场景数据高效调度机制。通过分析复杂城市场景数据特点和多层次可视化任务数据偏好,基于云原生数据存储和调度结构,设计了一种云环境下复杂城市场景调度机制,为城市场景数据优化调度提供了理论依据,突破了传统调度机制的壁垒。（2）基于最大流模型的场景数据调度方法。将数据资源调度的网络拓扑映射到最大流模型,构建场景数据的最大流调度模型,实现对场景数据服务能力的量化。设计了两种任务驱动的场景数据流调整机制,能够灵活控制多类型场景数据流的大小,在有限的资源下提升场景数据的服务能力。（3）设计研发场景数据最大流调度原型系统并进行实验分析,通过设计对应于三个层次可视化任务的场景数据调度实验,与先到先服务（First Come First Serve,简称FCFS）和优先级调度算法（Priority Scheduling Algorithm,简称PSA）两种典型方法对比,再到系统的调度并发性能测试。实验结果表明,最大流调度方法在按需调整各种场景数据流方面更加灵活高效,且满足多任务并发的复杂城市场景数据高性能调度,实现了云环境有限硬件资源下的场景数据流全局优化。