行人流系统广泛存在于现实生活中,需要对通道出入口的行人流量进行灵活调控。为了节省闸机等基础设施昂贵的设置和改造成本,本文提出一种机器人辅助的行人流量调控方案,分析了被动式人机交互(HRI)过程,其中机器人视为与行人交互的动态障碍物。为实现此方案,本文分别对机器人路径规划算法、人机交互过程和行人流建模及控制算法进行研究,并使用基于ROS的轮式机器人进行实验验证。首先,研究了复杂环境中机器人路径规划问题,提出一种基于地图压缩的平滑A~*算法,改善了传统A~*算法无法考虑机器人半径和路径转折过多的问题。针对传统DWA算法的评价函数进行了改进和添加,提出一种基于Q-learning的改进DWA算法,并将Q-learning算法应用于DWA中实现参数自适应,增强了寻路和避障性能。结合两种改进算法的优势,设计混合算法实现复杂环境中的路径规划。其次,研究了行人通道中被动式人机交互运动状态,提出了一种基于改进人工势场法的行人通道HRI运动模拟算法。机器人被视为动态障碍物置入行人流中,为了模拟出真实行人轨迹,针对传统人工势场法速度、轨迹不理想,动态避障性能不佳等问题,提出一种新的力场分布形式和动态势场分布形式。建立行人通道中的势场模型,进行不同机器人运动模式下的HRI运动仿真,研究机器人运动速度与行人速度的关系。然后,研究了T型通道中行人流的运动状态,提出了一种行人流宏观建模及控制算法。对具有数个可控入口的T型行人通道,以考虑合流节点和不考虑合流节点两种结构,对通道内的行人运动状态建立宏观模型,设计了两种控制器使行人系统渐近稳定且通行效率最优,得到了控制参数的取值范围和各可控入口的期望流量,从理论和仿真两个角度证明了控制的有效性。最后,进行了轮式机器人的路径规划实验和HRI实验。搭建了软硬件平台,在仿真软件和真实走廊中进行机器人路径规划实验,验证了前述算法的有效性。在行人通道中进行了被动式人交互行实验,得到机器人运动速度和行人速度的关系,验证了HRI仿真结果和机器人辅助调节行人流量的可行性。