人群仿真技术在虚拟现实中的地位越来越高。在公共安全领域、环境工程、交通工程和社会学等的仿真研究中，人群行为模型的作用越来越突出；计算机游戏动画、电影制作、大型场地表演的虚拟辅助训练以及各种数字娱乐产业也需要人群行为模型，如何能真实有效的对人群进行建模。现在已经成为各个领域研究的焦点。　　 本文提出基于势能场的人群仿真模型，解决人群仿真中的路径规划和避免碰撞等问题。首先，对基于势能场的人群仿真进行建模，使用调和方程这个在机器人路径规划中使用已久的算法为人群仿真进行路径规划，通过加入另外的BVP层来改进模型，消除了调和方程的局部最优，推广并优化以调和方程为基础的路径规划，经过将梯度方向进行归类、简化，使得改进后的模型更加适合大规模人群仿真的要求，大大的降低了算法的时间复杂度。并且保证了在仿真中能更加有效的利用势能场。其次，提出了一种非常适用的解决大规模人群仿真当中的动态碰撞的方法——动态势能层，此层解决了人与人之间、人与动态障碍物之间的避碰，并且算法的效率是非常高的。在机器人科学中，研究的只有少数机器人的导航与作业，所以机器人之间的动态避碰研究较少，也没有必要大量研究机器人的避碰。但是在人群仿真中，这一点非常重要，因为我们研究的对象主要是整个人群，即在我们的场景会聚集很多的虚拟人，这一点与机器人路径规划有很大区别，所以我们必须实现一种人与人之间避碰的算法，并且随着虚拟人数量的增加，这种避碰的算法还不能过于复杂，否则会严重地影响算法的实时性，所以，基于上述，本文提出了动态势能层。将这一层和改进后的机器人路径规划当中的势能场结合，使得算法在不损失模拟效果的同时，实时性也随之提高。再次，文章基于前面提出的方法，对人群速度和人群密度之间的关系进行量化分析。在少数行人和机器人学中，速度是由机器人或虚拟人自身条件决定的，但是在大规模人群仿真中，速度主要是由人群的密度决定的。本文基于势能场的方法，通过使用网格细化的方法将人群速度和人群密度之间的量化关系得以实现，改变了原模型当中单一的速度模式。最后，基于上述的理论方法，进行了大量的人群仿真实验，经过对仿真实验的分析，实验结果既满足了人群仿真的基本要求，又在真实性和实时性方面也有一个非常好的效果。