道路网综合问题是地图综合领域乃至地图学研究领域的核心热点和难点之一,具有重要的研究价值。作为城市道路网的重要道路类型之一,主干道体现了一座城市的结构模式和道路的建设框架,对主干道进行识别与提取也成为道路网综合的重要部分。主干道提取研究对于道路数据的实时更新、道路网的多尺度表达和建模、智能交通服务等都具有重要的促进意义。由于城市路网结构的复杂性,主干道提取也是一大难点问题。在大比例尺城市道路数据中,主干道主要表现为平行道路的组合,道路线之间互相平行且保持一定的距离。主干道识别与提取也是大比例尺地图数据道路网综合的研究热点和难点。OpenStreetMap开放街道地图是一个可供所有人使用和编辑的开源地图,因其开放性和共享性已成为全世界人们普遍使用的地图资源。鉴于此,本文针对大比例尺OSM路网数据中的主干道提取问题进行研究。在对现有的主干道提取方法进行深入分析的基础上,本文针对大比例尺路网数据中主干道的几何特征及形态特点,创新性地采用度量轨迹相似性的最长公共子序列(Longest Common Subsequence,LCSS)方法进行主干道提取,并提出一种基于改进LCSS的主干道提取方法。该方法针对传统LCSS算法多用于计算重叠轨迹的相似性这一问题,在计算候选线对的相似度之前先使线对对齐。该方法基于主干道识别与提取本质上是判断构成主干道的线要素的相似性这一考虑,通过度量可能构成主干道的候选线对的相似度来判断候选线对是否属于主干道。该方法主要包括:(1)对路网数据进行预处理;(2)利用缓冲区分析获取道路要素的候选道路集,并利用Hausdorff距离对候选道路集进行二次筛选,获得可能构成主干道的候选线对;(3)通过基于主方向的平移和线要素重采样操作,使候选线对的两条线要素对齐;(4)采用欧式距离衡量点对之间的相似程度,利用LCSS计算两条线要素的相似度,根据相似度阈值判断候选线对是否构成主干道;(5)提取识别出的主干道。为验证本文方法的可行性,本文选取真实的OSM路网数据进行实验,并与基于正对投影距离的提取方法进行对比。实验结果表明,采用本文方法对OSM路网中的主干道进行提取,能达到比较好的效果,具有一定的可行性。