公共场所大规模集结的人群活动伴随而来的安全问题受到了社会各界的众多关注,如何针对这一现象在复杂的环境中对人群的异常行为进行预警与合理地控制是亟待解决的问题。由于组织大量人员进行安全演练耗费的资源巨大,利用新兴的计算机虚拟人群仿真技术对人群活动进行仿真模拟可以有效地降低成本,无论从产生的经济效益还是在维护社会安全的层面上,虚拟人群仿真技术都有着强烈需求与重大意义。现有虚拟人群仿真主流方案是智能体模型,通过将行人个体用单个智能体进行模拟,虚拟行人能够对周围环境进行感知并根据感知信息做出相应的行为决策。为了对虚拟行人的运动决策模型进行合理地构建,本文在现有的研究基础下,将行人运动决策模型划分为运动全局路径规划与运动局部碰撞避免两部分分别进行研究设计。本文引入数据驱动的速度场方法对虚拟行人进行全局路径导航,通过从真实视频数据中提取行人轨迹,利用聚类方法对不同出口所聚集的行人轨迹进行分类。随后为出口构建各自的速度场用以指导人群在多出入口场景下的寻路行为,为虚拟人群提供从入口到出口的全局可靠路径。同时为了模拟人群寻路的多样性,本文在速度场模型上实现随机化的改进,使得仿真结果更为接近实际情况。实验结果表明由本文改进速度场驱动的行人轨迹能够很好地模拟多样化的真实行人轨迹。考虑到现实中每个独立个体有着自己独特的行为特征,这些存在差异的个体在运动中不断交互,共同组成了一类具有异质性特点的人群。因此本文在虚拟人群的局部碰撞避免中将行人情绪感染与紧张度纳入社会力模型的考虑因素,根据改进的Durupinar情绪模型对虚拟人群进行划分,体现出现实人群中的异质性特征。同时考虑人群中的异质个体在人流中的穿越行为,分别在不同人群密度下设计偏移与侧身超越社会力模型模拟行人超越前方个体的运动过程,同时设计实验验证了改进社会力模型在避障与超越行为上的有效性。实验仿真结果表明本文方法能够体现人群的异质性,在满足系统性能要求的同时能够给在给定场景中重现人群运动过程。