中文摘要：

空间知识是最重要的常识知识，对空间知识进行定性表示和推理是人工智能和地理信息系统的一个重要研究领域。本项目旨在通过引入新的拓扑学和范畴论工具，在著名的区域连接演算RCC的基础上，建立符合人类空间认知的、与空间知识的定量处理相协调的、能充分表达空间拓扑信息并具有有效推理能力的形式体系。空间推理的基于逻辑的、定性的形式体系与空间数据的获取、存储和操作中普遍使用的定量方法是一对矛盾。如何解决这两者之间的不一致是定性空间推理面临的一个重要问题。本项目将建立使空间数据的离散模型和连续模型相统一的形式体系，从理论上避免和调和空间推理的定性、定量方法之间的不一致，这有助于从概念层次上整合空间数据的矢量表示和栅格表示，促进遥感与矢量GIS的结合及矢量栅格一体化数据结构的建立。

结论摘要：

空间是我们所处环境的基本特征，能对所处空间环境做出及时、准确的反应是智能系统做出理性决策的前提。从认知的角度来看，空间知识本质上是定性的，严格精确的空间知识也往往不容易得到或者不必要知道。拓扑关系是最基本的定性空间信息。定性空间推理是人工智能和地理信息科学的重要研究方向，在诸如地理信息系统等领域有重要应用。在本项目资助下，我们对空间拓扑关系模型和空间拓扑约束满足问题进行了较为系统深入的研究。主要工作有提出一种能同时容纳离散和连续模型的形式系统，为空间信息的多表示理论和分层递阶理论建立了基础；细致研究了复合推理技术，证明了任何相容的RCC8关系网络都有相容的一步扩张，对Renz和Nebel的关于RCC8推理复杂性工作中存在的一个漏洞做了完满补救；采用九交方法对平面区域间的拓扑关系进行了完备分类；提出了一种基于模糊逻辑的近似拓扑推理机制。本项目组已在国际刊物上发表相关论文十多篇，其中有3篇发表在Artificial Intelligence，一篇发表在GIS领域的重要刊物IJGIS，另有一篇在著名国际会议IJCAI上做口头报告。