人群疏散模拟作为广泛应用于建筑疏散评估、群体行为演练、影视制作等方面的新兴研究热点,如何能够实现高效的人群路径规划和复杂行为建模已经成为了众多国内外研究者的重大课题。虽然目前已经在人群行为以及路径规划方面取得了一定的进展,但是人群规模达到一定数量后很难实现复杂的人群实时渲染。获得高真实感的运动效果仍然面临很大的挑战,造成这一现象的主要原因是影响人群运动的运算因素较多导致复杂的数学模型过分消耗计算资源,无法在保证人群合理运动的同时兼顾实时性。随着通用GPU并行处理运算的兴起,传统计算密集型任务在GPU端的运算耗时将远远小于CPU端,为海量人群实时仿真效率的提升带来了新的机遇。动态隐势场(Dynamic implicit potential field,下文简称势场)作为流体仿真的一个经典模型,克服了传统群体模拟的技术局限,将影响人群运动的因素综合为一个连续的流场,大幅提升了仿真效率。但其人群运动模型与地形描述方法相对于人群密集的复杂场景来说计算比较粗糙,核心势场构建方法更是成为仿真效率的瓶颈,限制了该模型的应用范围。因此,本文以万人级规模人群为研究对象,提出了基于势场的混合路径规划模型,并力求同时满足真实感和效率,具体完成的创新工作如下:(1)提出了一种基于动态隐势场与局部导航场的并行人群路径规划方法。对于场馆环境中存在大量的小体积障碍和多出口问题,本文结合场景信息生成指导人群运动的全局势场,同时使用导航场完成局部区域的碰撞避免与路径规划,共同控制人群的运动路径计算。(2)提出了基于并行环境的人群速度重定向模型和描述复杂场馆的数据离散化方法。本文通过对剧场类疏散场景建立较为通用的地形信息描述方法,优化势场构建效率与虚拟人的运动模型,实现了基于动态密度检测的密集人群疏散实时仿真。(3)本文算法将势场构建映射到多次GPU迭代计算中。对于复杂场馆中存在的多出口问题,本文充分利用了构建势场的并行性,提出了多波峰同时迭代构建势场的方法,进一步挖掘效率优化的可行性。本文的人群疏散仿真方法在路径规划与人群仿真方面充分利用了GPU的高并发性。实验结果表明,本文方法能够在最多为万人级别的实时渲染场景中获得良好的仿真效果和渲染效率。