随着计算机运算能力的大幅提高，以及图形渲染技术的不断改进，在计算机上构建逼真的虚拟世界已成为可能，通过虚拟现实技术来实现人群运动的仿真，已逐渐成为一个十分重要的研究方向。出于人力成本、时间成本、便利性、可控性、安全性以及其他各种客观条件的考虑，使用计算机生成的人群运动来对真实世界中的人群进行仿真，是一个巨大的需求，主要应用在影视动画、游戏娱乐、辅助训练与方案评估、建筑空间设计与安全演练、增强现实等领域。　　现有的人群运动仿真的研究主要可以分为两大类方法:模型驱动的方法和基于实例的方法。几十年来，大部分研究工作都是模型驱动的方法，分为宏观模型和微观模型，分别从人群整体或人群中行人个体的角度进行建模。在对避障行为进行仿真时，这些方法大部分都是基于简化的假设，仅考虑了个别因素或采用简单的规则集合，产生的避障行为过于呆板;另外一些模型引入了更多因子和约束条件，定义了复杂的规则和策略，但是为了产生更真实的仿真结果，这些模型需要针对具体的场景，对模型的参数或规则进行大量的手动调整，耗费时间长。　　由于上述传统的模型驱动方法的局限性，近年来开始出现一些基于实例数据的人群运动仿真方法。这些方法根据采集到的人群运动数据，对预先定义的人群运动仿真模型的参数进行优化;或试图从运动实例数据库中直接学习得到人群运动的模式，以使人群运动仿真的结果更接近真实的运动。但目前的这些基于实例的人群运动仿真方法还不够成熟:通过实例数据优化模型参数的这类方法，参数调整的范围有限，仍摆脱不了这些模型本身在产生避障行为时的不足;直接从实例数据学习运动模式的这类方法，大部分是利用实例数据库中已有的轨迹片段来产生仿真结果，考虑因子过于单一，建模过于简化，面临复杂场景时的产生的避障行为不够自然。　　针对上述问题，本文围绕基于实例的行人避障运动仿真建模方法开展研究，取得了如下研究成果:　　1)提出一种基于实例的行人避障运动仿真建模方法　　针对行人运动中的避障行为，从个体自身的运动状态、对周围其他行人的感知和个体避障决策的角度，定义可能影响行人运动的因子，并对这些因子进行数学建模;然后依据这些因子来定义实例数据的结构，利用收集的真实人群运动数据构建行人运动实例样本;最后利用机器学习算法从实例数据中学习并建立行人避障运动的仿真模型。　　2)构建基于实例的行人运动仿真原型系统，并对共效果进行分析评价　　根据上述基于实例的行人避障运动仿真建模方法，构建行人运动仿真的原型系统。通过给定行人初始运动状态和目标位置，计算行人运动的动态过程，实现有逼真动态避障效果的行人运动仿真。　　为评价仿真的效果，设计了三种仿真实验与相互速度障碍物(Reciprocal VelocityObstacles2，RVO2)模型进行了对比。(1)单步运动仿真实验:在包含15，656个实例的测试数据集上对比了两种方法的单步仿真计算结果与真实运动之间的误差，本方法产生的位置误差是RVO2方法的1/4，速度大小误差是RVO2方法的1/5，速度方向角度误差是RVO2方法的1/11;(2)连续运动仿真实验:对比行人连续运动仿真得到的运动轨迹和完整的避障行为过程，本文方法产生的长距离运动轨迹自然，较好地避免了RVO2结果中常见的大幅度偏离目标或者局部震荡的现象，避障更为流畅自然，在包含530个行人连续运动轨迹的测试集上对比，本文方法更接近真实轨迹的情况占到了97.9％;(3)全场景仿真实验:构建三个不同的场景，对比两种方法在不同方向人流相遇情况下的仿真结果，本文方法不仅避障行为更自然，仿真用时仅为RVO2方法的1/3到1/40，且仿真中不会出现死锁状态。上述实验充分证明，本文提出的基于实例的行人避障行为建模方法在仿真效果和效率上的优势。