随着虚拟仿真技术的不断发展,越来越多的研究者致力于将真实数据引入到虚拟仿真中,以达到更真实的仿真效果。但针对大规模数据以及仿真模型数据的研究仍存在仿真时效性较差、原有仿真模型实现不可用的不足,针对这些问题,本文分别提出了基于多缓冲区多线程的数据驱动方案以及基于双线程动态链接库的数据驱动方案。并依托基于本文数据驱动方案实现的人群仿真平台,对真实校园场景环境障碍物的构建进行了研究。具体的工作如下:(1)针对较大规模数据预读取困难的问题,本文提出了一种基于多缓冲区多线程的数据驱动方案。该方案基于多线程机制实现数据读取、数据解析以及虚拟仿真的同步进行,并配合多缓冲区机制和事件机制实现数据的有序获取。最后,以G-code驱动的虚拟3D打印机为具体的仿真实现,对仿真方案的理论进行验证。实验结果表明,该数据驱动方案对于较大规模数据是有效的。(2)针对仿真模型与仿真环境的异构问题,本文对数据驱动方案进一步改进,加入动态链接库机制。数据读取以及数据解析被划分为独立的线程,负责仿真的计算,处于动态链接库中。虚拟仿真线程处于游戏引擎中,负责仿真效果的渲染。线程间数据的通信仍然基于多级缓冲区,通过事件机制控制,但线程对有效仿真数据的操作并不是直接的,计算线程需要借助导出函数,仿真线程需要借助导入函数。最后,以人群仿真模型Menge驱动的虚拟仿真为具体的仿真实现,对仿真方案的理论进行了验证,实验结果表明,进一步改进提升后的数据驱动方案对于仿真模型数据是有效的。(3)真实校园场景环境障碍物构建方面的研究,主要面向道路边界提取以及建筑物边界提取这两项关键技术。使用Ribbon Snake模型提取含道路中线的道路边界时,存在边界收敛过快并且不平滑的问题,针对该问题,本文提出使用道路中线上所有点的能量和来决定宽度的更新,实验结果表明,该方法能够有效地解决道路中线对边界提取结果的干扰。此外,针对传统算子提取建筑物边界易受光照等噪声干扰的问题,本文提出了一种结合点云处理和传统算子的方案,实验结果表明,该方案能够回避光照等噪声的干扰。