城市道路拓扑数据是路径规划、车辆调度管理、推荐乘载点等基于位置服务的重要基础数据。随着我国城镇化建设与交通发展，城市道路规模越来越庞大，而且道路拓扑也发生着快速变化。工程测图技术手段（如外业调查测图、基于遥感影像制图等）在应用于城市道路拓扑数据生成与更新时，存在着数据获取成本高、更新周期长等问题，难以满足人们对现势性道路拓扑数据的迫切需求。车辆GPS轨迹数据（如滴滴司机手机端上传的GPS轨迹）是司机行驶在道路上，对道路形态、高度、路口转向、道路拓扑连通性等信息的实时感知记录。这种群体性轨迹为大规模道路拓扑数据生成与动态更新提供了机遇与可能。虽然已有学者基于GPS轨迹对局部区域的道路重构进行了研究，但从海量低质量轨迹数据中生成大范围道路拓扑数据及更新仍存在巨大挑战。同时，车载影像数据也包含了丰富的道路信息，通过多视影像的关联定位提取道路标线、限速标牌、交通指示灯等目标，进而与GPS轨迹数据提取的道路信息进行关联与融合，可提升道路拓扑数据生成质量、丰富道路语义信息。然而，由于高噪声、图像遮挡、目标多意性等问题，GPS轨迹与车载影像的道路信息关联与融合仍是学界和工业界的一个难题。为此，本项目拟结合空间聚类、图嵌入、基于深度学习的目标检测、分布式计算等技术，主要研究大规模道路几何形态、拓扑连通性的快速提取与重构、交通标线与指示信号的提取与关联融合、道路拓扑数据的动态更新等内容，实现大规模道路拓扑数据快速生成与更新，服务于滴滴车联网位置服务等应用需求。