传统群体仿真技术常把群体看成若干个体的组合,但事实上群体是由若干具有相似行为的个体组成的群组所构成的。针对大多数现有群体仿真技术由于没有考虑到上述因素,导致仿真结果和真实生活中的群体行为存在一定差异的问题,并结合群体是由不同小群组构成的特点,提出一种基于视觉信息指导并考虑行人动态寻路和局部碰撞避免的方法。仿真结果显示,该方法在仿真群体时能够获得较为自然的自组织现象,与现存其他几种方法相比,这种现象在复杂环境或者高密度情况下会更加明显。虽然现有的一些群体行为仿真算法可以达到比较好的仿真效果,但是算法的性能比较差。本文使用CUDA并行加速框架来加速群体行为仿真算法,不仅获得了令人满意的仿真效果,同时也提高了算法的性能。在该算法基础上开发了群体疏散仿真系统,可以用来研究建筑物参数对群体疏散成功率的影响,对于场馆和公共设施的建设具有一定的指导意义。