1、人群是隨處可見的。在虛擬環(huán)境下，為提高場景的可信度和真實性，需要對人群的行為進行仿真模擬?；谶@樣的需求，虛擬人群仿真技術應運而生。真實場景下的人群是由獨立的個體組成的，個體之間又具有獨立、無關和不規(guī)律的特點。為了達到真實仿真的目的，國內外研究者提出了很多人群仿真模型，它們都是基于預定義規(guī)則或模式進行仿真，模型復雜并受主觀規(guī)則定義的影響。
　　本文討論的基于數(shù)據(jù)驅動的人群行為模型是從真實環(huán)境中提取場景實例，并將實例重定義為多維向量

2、后存儲在數(shù)據(jù)庫中。在后續(xù)仿真的過程中，智能體會根據(jù)周圍的障礙物場景構建查詢實例，然后在數(shù)據(jù)庫中查找無碰撞的相似實例，最后復制該無碰撞實例的行為即可。
　　本文中所討論的人群仿真過程仍是基于實例來構建的，但是在以下方面做出了改進:(1)為了完整反映仿真過程的輸入狀態(tài)，將智能體一段時間內的軌跡全部納入到當前環(huán)境中來創(chuàng)建實例。(2)使用聚類算法將提取的實例分簇，構建分層實例數(shù)據(jù)庫。每簇都代表了一類相似的行為模式。其中分簇數(shù)量使用分層聚類

3、算法確定。(3)使用聚類結果訓練人工神經網(wǎng)絡，得到實例和聚類索引之間的對應關系，作為后續(xù)仿真的分類器使用，以達到加速相似實例查找的過程。
　　我們還探討了A-Star全局路徑規(guī)劃和基于速度障礙法的局部路徑規(guī)劃模型在解決人群行為模擬方面的作用，并將智能體的個性化避碰行為考慮到局部避碰過程中，以達到真實反映人群的目的。
　　最后，通過實驗對比了本文提出的模型和RVO2人群仿真模型，它們在長形走廊場景下具有高精度的相似軌跡，它們的