人群行为计算是指在虚拟空间中构建与现实世界对应的场景和人群,对人群复杂行为进行建模并实现可视仿真推演,打破时间和空间限制,以任意尺度和视角推演个体微观行为和群体宏观态势的建模过程。人群行为计算是生物学、心理学、计算机图形学等多个学科的交叉研究领域。它在安全管控、建筑布局规划、军事训练、视频游戏和影视特效等方面有非常广泛的应用,越来越受到学者们的关注。在实际应用中,人们对人群行为计算模型结果的可靠性、真实性和计算性能提出了越来越高的要求。如何对影响人群运动的各种复杂因素进行建模,并探讨它们与运动之间的关系,模拟出更加真实的人群运动是一个巨大的挑战。研究文献表明,情绪对人群行为有非常重要的影响,本文的研究重点是将心理学中情绪建模方法运用到人群行为计算方法中,提高模拟结果与真实人群运动之间的相似性。此外,本文还关注如何将人群行为研究与当前社会热点事件深入结合,以期为政府部门的安全管控决策提供支持。针对上述研究背景,本文主要研究融入情绪感染机制的人群行为计算模型。突发场景下,受危险源的影响恐慌情绪在人群中传播,情绪对人群运动影响很大。本文首先针对这类典型场景研究恐慌人群的运动。在突发场景下刻画了对人群运动影响很大的心理因素(恐慌情绪)和生理因素(体力消耗),并探讨了它们之间的关系。人群暴恐场景也存在类似的情况,暴乱者的情绪和情绪感染对他们的对抗行为有很大的影响。本文把情绪感染的相关理论融入暴恐场景中,对不同角色个体对抗性的情绪进行建模。此外,在暴恐场景中,警察和暴徒是相互对立、互相博弈的两类群体,我们将对抗情绪融入进化博弈理论机制中,并研究它们对对抗行为的影响。突发场景和对抗场景下人群的情绪和运动的研究都涉及到运动轨迹的计算问题。但是,这些工作没有充分考虑性格因素对运动轨迹的影响,并且在一般(非突发)场景下,性格对人的行为有非常重要的影响。所以,本文继续进行了性格和行人运动轨迹预测的相关工作。基于大量真实的人群运动数据对行人的运动轨迹进行预测,并充分考虑不同行人的性格差异。在进行上述轨迹计算时,分别采用了模型驱动方法和数据驱动方法,这两类方法具有各自的优点和不足。最后,我们将这两类方法综合到一起,充分发挥各自的优势,并基于群组的运动刻画群组的情绪状态,预测人群的运动轨迹。本文工作主要聚焦在如何对自然人群运动进行建模,并将人的情绪特征融入人群行为计算模型,使得模拟出更真实的人群行为。本学位论文的主要贡献如下:(1)本文提出了一种突发场景下融入体力消耗和恐慌情绪的人群仿真模型。针对于影响人群运动因素众多,很难刻画它们与运动之间关系等问题,本文通过恐慌情绪和体力消耗的综合影响对人群运动进行建模。提出一种基于物理学上个体做功的思想计算体力消耗。受詹姆斯-兰格理论的启发,该模型揭示了体力消耗和恐慌情绪之间的内在关系。(2)本文提出了一种基于不同角色之间的情绪感染和进化博弈理论的对抗性群体行为仿真模型。目前多数研究都是对相同类型个体的情绪和行为进行建模,很少考虑不同类型个体之间具有对抗性的情绪和行为。针对这些问题,该方法将传统的SIS情绪感染模型和博弈的方法相结合,采用分层的思想对不同角色的智能体之间的对抗情绪进行建模。本文还提出了一种威慑力,用于衡量个体打击对立群体士气的强弱,并基于威慑力将对抗情绪感染融入进化博弈方法中,有助于个体更科学地评估当前场景的态势并在与对手博弈过程中采取更优策略。(3)本文提出了一种基于性格的概率特征地图的轨迹预测模型。目前的方法在进行轨迹预测时往往只考虑几种特定的影响因素,几乎没有一种通用的框架能够融入多种影响因素。另外多数模型都是根据较短的历史轨迹信息进行轨迹预测,而且,往往忽略性格对行人轨迹的影响。针对这些问题,本文提出一种概率特征地图。通过调整概率特征地图权重包含多种影响行人运动轨迹的因素,尤其是性格。该方法基于个体长期的历史轨迹信息,量化了性格特征和行人轨迹之间的关系。(4)本文提出了一种基于群组情绪的混合驱动的轨迹预测方法。目前多数方法针对于特定场景对人的行为进行建模,通用的方法很少。另外,目前对情绪的研究多数针对于个体,忽略了整个群组的情绪状态。为了解决这些问题,本文把群组作为研究对象,计算群组的情绪状态,提出了一种基于情绪感染的群组划分方法,并考虑了人与人之间的关系对情绪和分组的影响。此外,本文还充分利用了数据驱动和模型驱动方法的优点,将两者结合到一起,该模型既可以预测出更加真实的人群运动轨迹,同时提高了方法的适应性和可扩展性。