交通堵塞和交通事故给社会带来了巨大的经济损失、大量人员伤亡和时间浪费。仅仅依靠加强交通基础设施建设无法解决我国城市车多路少的矛盾，深入开展交通流理论科学研究，为减少交通堵塞和交通事故等提供了新的方法。交通流模型是研究交通流理论科学的重要工具。交通流的模型主要包括宏观模型，中观模型，微观跟驰模型、元胞自动机模型。人们既希望掌握车流的宏观特征，还想掌握车流的微观特征。因此，用车流密度、平均速度、流量等物理量描述的宏观和中观交通流已无法满足实际需要。微观的交通流模型研究引起了人们的兴趣。但是，基于严格数学方程的跟驰模型缺乏模拟复杂交通流行为的能力；元胞自动机模型不能进行高保真的交通流模拟研究。本文提出基于多智能体的微观交通流模拟模型，在微观层次探索复杂交通流行为的本质特征。当前，交通流科学的探索主要分为汽车交通流研究和步行交通流研究两种。本研究分别对这两种交通流进行了分析和模拟，主要内容和创新点如下：　　 (1)提出根据不同跟驶情况采用不同加速度方程的多智能微观汽车交通流模型，模仿驾驶员的操纵行为。本模型引入加速度，是一个认知推理的智能驾驶模型。与CA模型和传统交通流模型相比，本模型考虑的因素更为全面。数字模拟实验表明，应用该模型模拟的高速公路流量结果与实际测量值的绝对误差很小。而基于CA的NaSch模型模拟结果与实测数据相差很大。该模型模拟信号交叉口单车道通行能力与实测结果接近，对交通管理、控制、规划与设计提供决策支持具有一定的参考价值。论文指出了汽车换道行为产生的临界效应。汽车换道引起的密度、速度和流量的临界效应。当公路上汽车流的密度大于临界密度时，为了提高路段流量，汽车驾驶员应少换道或不换道。由于路障的阻挡，遇到路障的汽车会强制换道。路障离十字路口越近，它对交通流的瓶颈效应越明显。为了防止交通事故，提高路段交通流量，路障应尽快拔除。　　 (2)提出了基于多智能体和场理论的瓶颈处复杂冲突步行流模型。步行流属于自驱动粒子系统。作用于步行者的梯度力、排斥力和不确定的随机力分别决定梯度场、排斥场和随机场。该模型采用梯度场、排斥场和随机场描述智能体的运动方向，利用周围智能体的拥挤密度确定智能体的运动速度。基于动态梯度场和时刻变化的排斥场、随机场，模型既能描述智能体运动的主流趋势，又能反映智能体的个体意愿。基于多智能体和场理论的步行流模型克服了由于空间离散导致方向和速度的不精确性，能模拟瓶颈处复杂冲突步行流行为，模拟地铁站乘客的上下车行为。在地铁站乘客出行高峰期，论文提出的“奇出偶进”和“边出边进”上下车方法比当前地铁站实行的“先下后上”分别提高了16.7％和33.3％的效率。　　 (3)采用态势分析和多智能体技术模拟地铁站乘客紧急疏散。论文提出了基于态势分析的多智能紧急疏散模型。该模型利用态势分析引导智能体寻找全局最优紧急疏散路线。智能体采用自身的机器智能靠近出口、回避障碍物。模拟结果表明，模拟复杂结构空间的紧急疏散，本模型优于社会力模型和CA步行流模型。模拟地铁站不同危险级别的紧急疏散，能为地铁站乘客的安全保障提供技术支持。