伴随着我国经济、社会、文化等领域的不断发展,城市化进程不断加快,随之而来的优势与问题日益凸显。无论是展现国家综合实力的大型文体活动的节目编排,或是应对突发紧急事件的安全应急演练,均受到演练代价高、组织困难大等方面问题的约束。计算机仿真技术的出现能够充分克服传统方法的不足,以快速、安全的方式对人群行为进行模拟,为该问题的解决提供了有效的高科技工具手段。虚拟场景下的人群运动仿真主要包括场景建模、路径规划以及人群运动仿真这三方面的内容。针对传统建模方法存在的信息存储量大、建模成本高等问题,本文提出基于元胞空间的以及基于拓扑图的场景建模方法,该方法能够根据场景的不同类型有针对性的提取并存储路径规划过程中所需的信息,实现了高精度、高准确性的要求。此外,目前研究较为广泛的路径规划方法存在收敛速度慢、不能够支持较大规模人群、忽略群体内部成员之间关系对人群运动的影响等方面的问题。因此,本文针对上述问题,提出基于群智能算法的全局路径规划算法和基于社会力量模型的局部路径规划算法,并将其应用于虚拟场景下的团体操节目编排和安全应急演练中。本文的主要工作及创新点概况如下:1.提出一种基于元胞自动机的MOPSO算法(Multi-objective Particle Swarm Optimization Algorithm based on Cellular Automata,MOPSO-CA)进行全局路径规划。MOPSO-CA算法将简单规则场景划分为精度一定的元胞空间,定义元胞空间状态属性标记个体及障碍物当前所处位置情况,能够大大降低场景信息的存储量,并能够避免个体之间及个体与障碍物之间发生碰撞。在路径规划过程中采用PSO算法,降低了计算复杂度,提高了路径规划的性能。2.提出一种基于拓扑图的人工蜂群路径规划算法(Path Planning Method based on Topology and Artificial Bee Colony Algorithm,TP-ABC)进行全局路径规划。TP-ABC算法将复杂不规则场景根据场景内部结构划分为相互关联的子区域,并构建子区域关联关系拓扑图,极大地简化了场景存储结构,实现复杂场景全局信息的获取与存储。在路径规划过程中采用改进的人工蜂群算法,改进了引领选择机制及多因素适应度评价机制,同时兼顾路径代价及人群拥挤度等因素,提高了人群对场景实时状态的感知能力,使虚拟人群的模拟效果更加贴近现实。3.提出基于关系群组引领机制的社会力局部路径规划算法,对原社会力量模型的引领速度调整机制、个体运动趋向进行改进,添加关系亲密个体之间的吸引力,模拟了具有亲密社会关系的个体在运动过程中相互聚集、相互协调,共同向目标运动的效果,为解决大规模人群在运动过程中个体与个体之间相互制约、相互影响的问题提供了参考思路。结合相应的科研项目,将上述理论研究成果应用于人群运动建模与仿真及真实感渲染系统的场景建模与人群运动过程中。该系统实现了场景建模、语义提取、路径规划和真实感渲染四个模块的功能。通过在该系统中,对团体操节目排演和突发事件下人群疏散运动进行仿真和分析研究,总结出人群规模、群内关系、出口数量等因素对人群运动时间的影响。实验表明,本文提出的方法能够快速有效地实现人群运动建模与仿真,提高了仿真的真实性和个体对周围环境及人群感知能力,具有较高的实用性。