针对空间网络对象聚类,研究了基于图生成的层次化聚类方法。首先提出了空间网络对象聚类问题,在该问题中对象相似性由网络距离定义。提出了基于图生成的层次化聚类框架GGHC(Graph　Generated　Hierarchy　Clustering),在本框下主要给出了空间网络边中对象的概略化聚类算法LSC(Line-Sketch-Clusteing)。面向大规模位置数据,给出了基于代价的空间对象划分方法,提出了在MapReduce计算模型下的并行框架GGHC-MR,在此基础上,给出了基于代价的数据化肥方法。实验及分析结果表明,所提算法框架具有良好的效率和可扩展性,能很好地支持空间网络中的大规模位置数据聚类分析,具有广泛的应用价值。