由于人口数量不断增多,在一些公众场所内,容易聚集大量人群。当人群流量密集的场所中出现火灾、坍塌等紧急情况时,需要及时的对场所内的人员进行疏散。先前有学者通过组织一定数量的人员在某一特定场所内进行疏散演习,但此类方法需要耗费大量人力物力且不易复现。随着计算机仿真技术的发展,有学者开始在人群疏散领域中使用计算机仿真技术来模拟人群疏散过程,人群疏散仿真方法相比于传统的组织人员进行疏散演习方法可以节省人力和财力,并且具有可复现性、实时性强等优点。因此,使用人群疏散仿真方法来模拟人群在指定场所内的运动情况,可以观察人群运动规律,为疏散方案的制定提供参考,对于在紧急情况下保护人民生命财产安全具有重要意义。传统的人群疏散仿真方法大多是基于人为约束和假设,因此模拟出的人群运动情况与现实不符,存在仿真真实度较低的问题。基于数据驱动的人群疏散方法根据特定场景中提取的行人轨迹模拟人群的运动,但是当场景改变时人群运动不能随之做出调整,模型缺乏灵活性和泛化性。人群疏散过程的一个关键方面是个体决策,在个体层面上确定最优的疏散策略即一条最优路径可以提高疏散效率。由于目前应用在人群疏散领域内的路径规划方法缺乏对出口拥堵、出口选择等运动行为的考虑和设计,所以造成了人群疏散效率低、路径规划容易陷入局部最优等问题。本文基于深度强化学习算法,重点研究如何克服数据驱动方法无法适应场景动态变化以及如何提高人群疏散效率的问题。根据上述人群疏散方法中存在的问题,本文提出了一个基于深度强化学习的人群运动行为建模方法。所取得的创新性研究成果可归纳如下:（1）针对基于数据驱动的人群疏散方法无法适应场景动态变化问题,本文提出了一种基于双层深度强化学习的自适应人群运动建模方法。首先,建立一个分为宏观控制层和微观控制层的分层深度强化学习框架,分别负责处理路径规划和碰撞避免问题。其次,提出一种融合数据驱动和深度强化学习的路径规划方法,该方法将智能体与其周围障碍物的距离添加到状态空间中,使智能体可以实时感知周围环境的变化,提高了智能体对场景的适应性,并且能够模仿视频中的行人运动轨迹。最后,实现了基于多智能体深度确定性策略梯度（Multi-Agent Deep Deterministic Policy Gradient,MADDPG）的局部避免碰撞算法,设计与相对速度障碍（Reciprocal Velocity Obstacles,RVO）算法相结合的奖励函数,提高生成无碰撞速度的计算效率。实验结果表明,该建模方法能够提高模型的灵活性。（2）针对目前应用在人群疏散领域内的路径规划方法缺乏对出口拥堵、出口选择等运动行为的考虑和设计,本文提出了一种基于深度强化学习的人群拥挤行为建模方法。首先,提出了一种基于深度强化学习的避免拥塞路径规划方法,通过分析人群密度和通行系数的关系来判断出口处的拥塞程度,使得出口利用率最大化。其次,提出一种融合视频数据和深度强化学习的避碰算法,从视频数据中提取行人避碰数据,如相对位置、速度等,设计相应奖励函数,使得人群在拥堵情况下避障行为更加真实。最后,与其他疏散仿真方法进行对比,验证所提方法有效性。实验结果表明,该方法能够提高人群疏散效率,缩短人群疏散时间。（3）构建了一个集在线建模、实时导航以及渲染输出功能于一体的三维人群疏散导航系统。该系统基于Windows10操作系统,以Unity2020.3.8为开发环境,仿真过程中分别使用了第三章和第四章所提出的方法。仿真结果表明,所提方法能够提高疏散真实度、增强模型泛化性并且提高疏散效率。最后介绍该系统具有导航、在线建模等实用功能,并在安卓平台上使用该系统。