群体动画一直是计算机领域的一个重要研究方向，同时和人工智能紧密的联系在一起，广泛应用与影视，动画，游戏等许多领域。通过群体动画能够模拟不同场景下的群体行为，通过较小的花费获得各种可供参考的研究数据，可以再现场景，或者进行预见性的演示，而无需动用大量的人力和物力，对灾难仿真，城市规划有很大帮助。群体动画中一个比较重要的研究内容是智能寻径，如何表现不同场景下大规模群体的运动的情形，使之更加接近真实的运动，是群体动画的一个研究重点。常见的群体仿真的智能控制大多着眼于微观的基于代理的方式，或是宏观的基于连续的方式，因而本论文对这些智能控制方法做了研究。基于代理的方式是有它的优点的。一般来说，虽然每个个体的单位处在一个群体的大环境当中，但是他们的意识是相对独立的，他们有自主的判断能力，尽管会受群体大环境的影响，但是其个性也是需要被承认的。虽然基于代理的方式有它的优点，但是在大规模群体仿真的条件下，开销仍然是很大的。对于基于连续的方式的智能控制研究，前人已经做了很多工作，提出了各种各样的方法。基于动态势能场建立了实时群体模型，融入了移动障碍物（如车辆）的全局导航，有效解决了大规模群体的运动控制，但是不需要进行碰撞避免的计算。本文在对现有的项目进行研究后，针对特定环境的仿真需求，寻找能够进行人群和车辆强交互的仿真方法。发现在基于连续方式的仿真方法中，动态势能场的方法和气体动力学的方法在速度，密度的计算上有相似的地方，而且都是宏观控制的方法。动态势能场更适用与大规模人群的运动控制，气体动力学的方法更适用与单道车辆的运动控制。本论文通过对动态势能场的方法和气体动力学的方法做了进一步研究后，围绕人群车辆混合场景智能控制的主题，并结合原项目中的仿真模型，做了如下工作：首先，将动态势能场寻径的方法实现后，针对原项目的仿真模型做了适配，使其能够应用到原有的群体动画仿真系统中，并和原仿真系统中碰撞避免的方式相结合，达到宏观控制与微观控制的目的，同时，将势能场寻径的方法用到车辆控制中，替代原系统中车辆定点巡航的方法，使车辆的运动控制更加灵活。其次，将动态势能场中的速度控制策略引入到原系统中，使原系统中的人群能够在一定程度上自主调节速度，使其更接近与真实情况。其次，将空气动力学的方法实现后，应用到原仿真系统的车辆的速度控制上来，使车辆运动更加平滑和真实。最后，通过构建拥塞路径的方法，将空气动力学对速度的控制方法应用到拥塞控制中，势能场寻径导致的拥塞问题，同时避免全局势能刷新的代价太高的问题。通过以上方法，使原仿真系统对人群和车辆的路径和速度的控制更加灵活和真实，可以适应更多的场景，同时，能够使人群和车辆的交互性更强。