随着城市化的不断推进,城市人口数量激增,以地铁站为代表的城市公共交通空间大客流逐渐常态化,节假日期间热门景点的游客数量逐年上升,为公共区域的行人安全管理提出了新的挑战。而我国目前的行人安全管理措施并不完善,主要依靠人工经验的判断来制定实施,缺少科学的管理,因此,对行人流动力学进行研究与建模是当前亟需的研究方向。本论文针对行人流动力学描述与建模问题开展了一系列的研究。首先对国内外行人运动的研究进行了系统阅读与总结,从发展历史、目前关注的问题、常用的解决方法与评估指标等几个方面对文献进行了总结和分类,特别对微观行人动力学中的社会力模型做出了详细介绍,并对新兴研究工具机器学习在相关领域的应用进行了介绍。经典社会力模型作为主流认可的微观行人动力学模型,对行人运动中的组队前行这一常见现象缺乏讨论,基于此本论文进行了一个改良型研究。通过加入群组效应的考量来改进经典社会力模型,描述行人在运动中除竞争与干扰之外还存在的合作同行关系。将改进后的仿真数据与经典社会力模型和实地调查数据进行对比,对改进后的模型进行可靠性分析,并依据改进后的模型探究行人流量与人群中成组比例两个因素给行人运动带来的效率和安全的影响。在对社会力模型进行改良研究过程的同时,两个由模型本身设计思路带来的问题也随之出现:改变速度的反应时间略长和干扰力考虑范围过广。为了更好的解决社会力模型中的这两大问题,本文进一步展开了一个原创性研究,即提出一个不同框架下的微观行人运动学模型,使用机器学习作为工具,对行人运动速度和周围人群分布之间的关系进行了学习,并将学习得出的关系用于新模型的建立,之后对新模型进行了程序实现与可靠性验证。本文研究成果将有助于加深对行人流运动学的了解,将研究结果应用于城市空间中行人的安全管理,可以提高管理的科学性与可靠性。本文首次提出将机器学习这一新兴工具用于行人运动建模的研究,并给出了切实可行的使用方法,在大数据时代下为行人流动力学研究提供了新的思路。