大规模城市环境已经成为众多应用领域的重要支撑,如城市规划、驾驶仿真、虚拟现实等,高效的城市环境建模是实现城市数字化、提升城市管理水平的关键技术。本文首先指出实现城市环境的建模技术的关键在于设计一套算法,既强调静态场景的高度真实感,同时尽可能增强动态行为的生命特征。然后讨论了高效构建城市环境的途径,包括基于文法产生式、数学模型、人工智能的过程式场景建模技术,基于图像、视频的场景重建技术以及基于多智能体的交通流建模技术。本文所做的工作集中在三个方面:首先,提出了规则驱动的城市路网建模方法。该方法直观地表示了路网建模规则,从而解决了大尺度、多样性的城市道路自动建模问题。路网建模结果达到了以用户的设计意图为导向、后期可以交互修改的目标。道路结构是路网形态的关键特征,因此研究了典型道路结构的数学表示。为了扩展典型道路结构的局限,一种统计学习模型用来解决样本的道路结构的提取和重用,从而产生出更加丰富的路网形态。其次,提出了约束优化的街区建模方法。该方法解决了地块上各种要素的布局与建模问题。各种要素的布局定义为满足布局模板和规划约束的代价函数。优化算法包括粒子群优化算法和路径规划算法,通过最小化代价函数搜索到最优解,并解释为最优布局。优化算法的效率通过空间形态风格树得到了极大地提高,因为风格树建立起优化参数之间的紧密联系,大大降低了搜索的空间复杂度,提高了布局的合理可信度。三维建模过程包括基本模型建模和组装,即建立各类要素的模型库,然后根据二维布局选取基本模型加以应用,合成大规模城市场景。该方法具有三点优势:通过城市规划约束和布局模板能够控制街区的整体布局,结果比其他方法合理;采用虚实相结合的方法高效生成各类要素模型,大大提高了场景的真实感;通过几何和纹理的双重简化降低场景的几何复杂度,减少绘制场景的内存开销。最后,提出了基于驾驶行为模拟的交通流建模方法。该方法在城市场景中加入车辆的运动和驾驶员的行为,重现交通流的时空变化,让城市环境充满生机。基于多智能体技术,提出了驾驶员的感知决策模型,用来模拟交通流中的各种驾驶行为。与以往的交通流建模技术相比,该模型把驾驶员和车辆单元作为一个整体进行研究,采用定量化、个性化控制驾驶员的观察、分析与决策过程,大大增强了驾驶员对复杂驾驶行为的协调能力。伴随着真实可信的驾驶行为模拟,有效的交通流仿真数据得以生成,并能够在交通服务水平等指标的宏观评价方面和规划设计方案(如车道、信号灯)的比较筛选中发挥作用。综上所述,本文研究的方法能够有效地过程式构建大规模城市环境,并增添了车辆的驾驶行为模拟,再现了动态的城市交通流特征。本文的工作是开展基于城市环境解决实际问题的有益探索,体现出很强的现实意义和应用价值。