随着城市化进程的快速发展和人口数量的不断增加,人群密集区域安全事件频频发生,人的生命安全屡屡受到威胁,因此,为人群聚集场所制定合理的人群路径规划方案显得尤为重要。现实生活中,安全指示标志是人群疏散系统的核心组成部分,设置合理的安全指示标志能在关键时刻为公众提供有效的逃生路径信息。传统的路径规划算法大多只考虑到对环境中的障碍物进行避免碰撞以提高路径规划的效率,而忽视了环境中安全疏散指示标志重要的引导作用。并且,个人通常被视为独立的个体来感知信息和独立做出决策,这并不符合真实的人群运动行为。因此,为了更好的利用场景有效信息进行拟真路径规划,设计科学高效的疏散预案帮助现场人员快速撤离出危险地带,本文在充分考虑建筑物安全指示标志的路径指引功能基础上提出了一种安全指示标志引导的群体路径规划方法,该方法利用Sarsa强化学习算法并融合群体信息共享功能实现了大规模群体的路径规划。为了进一步模拟人群之间的区域关系,本文对大规模群体进行相邻关系建组并使用改进的最优相互障碍避免方法(Optimal Reciprocal Collision Avoidance,ORCA)完成局部成员的碰撞避免。最后通过在不同场景下的仿真实验验证了本文方法的可行性与适用性。本文的主要工作有如下几个方面。1.提出了一种安全指示标志引导方法。针对以往路径规划过程中缺少环境信息利用的问题,本文提出了一种安全指示标志引导方法。通过为安全指示标志建立一定大小的引导场,在场上添加具有单一方向的引力,使得智能体一旦选择进入引导场区域就会在引力的牵引下朝向安全指示标志指示的方向运动。这种方式使得路径规划过程更加贴合真实的人群运动情况,并且实验结果证明,本章方法具有可行性并且在一定程度上可以提高智能体路径规划的速度。2.提出了一种环境信息集中共享方法。针对路径规划过程中会出现的状态重复探索和信息存储冗余问题,本文提出了一种环境信息集中共享方法。在使用强化学习方法规划智能体路径时,将每个智能体每一时间步的经验存储到公共经验库,然后定期从经验库提取所需经验,再选择拥有最大状态-动作值的经验进行学习,进而完成共享信息的利用。这种方式减少了智能体对未知环境的探索学习时间,对最后的路径规划速度的提升具有积极影响。3.提出了一种安全指示标志引导下基于Sarsa算法的群体路径规划方法。为了更好的利用安全指示标志的引导作用,本文提出了一种安全指示标志引导下基于Sarsa算法的群体路径规划方法。本部分将安全指示标志的引导作为一个完整的连续动作纳入动作集,智能体根据相同的强化学习策略选择动作集中的动作。以环境感知信息和共享经验信息为Sarsa算法的状态空间数据输入,以速度、角速度参数值作为输出,来控制智能体通向出口点的运动方向。另外,为了模拟真实的区域人群关系,为大规模群体根据相邻关系建组并使用改进的最优互惠碰撞避免方法实现局部的碰撞避免。最后,通过大量的实验分析对比,证明本方法可有效加快人群疏散的速度,并能在不同复杂度的环境中展现出很好的可拓展性和鲁棒性。