R-tree es una estructura de datos multidimensional importante ampliamente empleada en muchas aplicaciones para almacenar y consultar datos espaciales. A medida que las GPUs emergen como plataformas de hardware de computación potentes, un R-tree paralelo basado en GPU se convierte en la clave para llevar eficientemente aplicaciones relacionadas con R-tree a las GPUs. Sin embargo, las estructuras de datos tradicionales basadas en árboles apenas pueden ser directamente trasladadas a las GPUs, y también es un gran desafío desarrollar estructuras de datos basadas en árboles altamente eficientes en paralelo en las GPUs. La dificultad radica principalmente en el diseño de estructuras de datos basadas en árboles y operaciones relacionadas en el contexto de la arquitectura many-core que puede facilitar el procesamiento en paralelo. Resumimos nuestras contribuciones de la siguiente manera: (i) diseñar una estructura de datos amigable para GPU para almacenar datos espaciales; (ii) presentar dos algoritmos de construcción de R-tree en paralelo y un algoritmo de consulta de R-tree en paralelo que pueden tener en cuenta las características de hardware de las GPUs; y (iii) trasladar el sistema de superposición de mapas vectoriales de CPU a GPU para demostrar la viabilidad de R-tree en paralelo. Los resultados experimentales muestran que nuestro R-tree en paralelo en GPU es eficiente y práctico. En comparación con el sistema de superposición de mapas vectoriales secuencial basado en CPU tradicional, nuestro sistema de superposición de mapas vectoriales basado en R-tree en paralelo puede lograr casi un aumento de velocidad de 10 veces.