随着我国城镇化的快速发展,公共场所人群失稳事故频发。大数据时代,行人运动及人群疏散数据的获取空前便利,如何利用这些数据增强建模仿真技术在公共场所人群应急管理全过程的效能面临巨大机遇和挑战。为应对这些机遇和挑战,本文提出使用数据驱动的方式对行人运动及人群疏散建模仿真进行研究。首先建立了基于平行仿真的行人运动及人群疏散建模仿真应用框架,其中数据驱动的仿真建模是实现该框架的的关键技术。然后从模型结构空间和参数空间两个方面对行人运动及人群疏散模型的通用化进行了研究。最后以有毒气体扩散影响的人群疏散风险评估为案例集成应用了上述研究成果,进而提出了一个更为合理的风险评估方法。全文主要成果如下:（1）基于平行仿真方法建立了行人运动及人群疏散建模仿真应用框架,并从统计学习的角度提出了数据驱动仿真建模的组成三要素。基于平行仿真的行人运动及人群疏散仿真应用框架包含应急疏散人群,人群仿真模型,数据观测,数据驱动建模以及基于仿真的决策支持五部分。此框架创新了建模仿真技术在应急疏散研究中的应用形式,有助于形成从应急疏散场景到仿真模型再到辅助决策的反馈闭环。然后从统计学习的角度提出数据驱动的仿真建模的三要素——模型、策略、算法,为数据驱动仿真建模的研究建立了理论方法基础。其次着眼于统计学习模型与仿真模型的联系与差异,从模型的解耦学习等四个方面对数据驱动的仿真建模三要素存在的问题进行了讨论。最后给出了数据驱动的行人运动及人群疏散仿真建模的模型、策略及算法三要素的具体形式。（2）提出了一种基于仿真模型最优表现的模型空间修正、寻优方法,并给出了社会力模型及基于微分方程模型中的期望速率子模型的最优设置方法。本文提出了一种基于模型最优表现的模型比较框架用于对模型结构空间进行修正与寻优,以提高模型对实际应用场景的适应度。模型比较框架包含仿真模型,参照数据,模型评价指标及优化算法四部分。将此框架应用于社会力及基于微分方程的行人运动及人群疏散模型中的期望速率子模型的寻优过程,其中仿真模型为基于文献综述及实证数据分析总结的九种期望速率子模型,参照数据来源于实验室受控实验,模型评价指标基于人群密度,优化算法采用差分进化算法。通过仿真实验,给出了最优期望速率子模型的选择方法,得到了具有现实指导意义的结论。（3）建立了一个鲁棒的基于势能场的人群疏散路径选择模型。分析了当前基于势能场的人群疏散路径选择模型在鲁棒性方面遇到的两个问题:算法对环境布局中的灰色区域具有偏见以及算法参数配置区间对环境尺寸变化的敏感,并从修正路径容量定义的角度提出了提高模型鲁棒性的方法。通过仿真实验说明了上述两个问题的具体表现形式,并验证了本文提出的路线相关路径容量定义及欧拉平均路线相关路径容量定义较好地提高了模型的鲁棒性。通过实验还证明了修正后的人群路径选择模型依然能够反映真实的人群路径选择行为。上述工作验证了模型结构空间和参数空间的修正对模型鲁棒性提升的有效性。（4）提出了一个更为合理的毒气扩散影响的人群疏散风险评估方法。通过实地考察,采集了火车站广场相关数据,建立了较为精确的火车站广场环境模型。使用基于多智能体的建模方法对人群与毒气扩散的相互影响进行了精细建模,其中人员决策过程符合BDI框架,人员行动层及战术层的移动模型分别采用建议期望速率配置的社会力模型和本文提出的基于势能场的路径选择模型。仿真实验结果表明,提出的人群疏散评估方法与原有方法相比具有显著改进,完善和补充了基于仿真的毒气影响下的人群疏散风险评估方法。综上所述,本文从利用大数据提高建模仿真在实际应用中的效能角度出发,对数据驱动的仿真建模基础理论和关键技术进行了研究,解决了数据驱动仿真建模理论方法框架不清晰的问题。将数据驱动仿真建模理论应用于行人运动及人群疏散仿真领域,提出了从模型结构空间和参数空间的角度提高模型通用性的方法,并采用基于数据驱动仿真建模方法对毒气扩散影响的人群疏散风险评估方法进行了改进。本文研究成果对建模仿真及行人运动及人群疏散领域的研究具有重要的理论意义和应用示范价值。