应急撤离作为飞机发生紧急情况后重要的逃生手段,可以避免飞机可能发生的火灾、爆炸等对乘客造成二次伤害。对客座数大于44座的飞机,应急撤离适航条款的符合性只能通过演示试验表明。但演示试验成本高昂,参试人员易受伤害,不能模拟真实灾难场景。近年来随着计算机技术的飞速发展,使用计算机仿真模型成为研究应急撤离过程中乘员行为特征的重要手段。目前,针对行为特征的研究主要集中于体育馆、交通枢纽、商场等大型建筑物场景,民机应急撤离的场景不同于大型建筑物场景,存在空间狭窄、障碍物众多、人员密集等特点,大型建筑物场景下的行为特征在民机应急撤离过程中难以体现。目前,民机应急撤离仿真模型的有效性仅通过撤离时间验证,而撤离时间只能在一定程度上说明仿真模型的有效性,不能作为唯一评价指标,仿真模型的有效性需要通过更多的行为特征进行验证。因此,如何提取民机应急撤离过程中的行为特征是评价仿真模型有效性的关键。本文参照适航规章要求和波音737-200前舱段的客舱构型设计应急撤离模拟试验,设计两种不同的奖励方式,使试验人员表现出不同的行为特征。通过分析试验过程发现,试验人员在两种模式下的行为特征存在差异。借鉴视频分类任务中的数据处理方法,将试验数据数据转换为图像信息。使用卷积神经网络与长短期记忆神经网络搭建深度学习分类网络,并完成两种模式下的行为特征提取和分类。分类结果表明,试验人员在不同模式下的行为特征不同,在相同模式下的不同过道宽度场景中的行为特征相同。通过使用撤离时间、速度—密度关系和深度学习三种方法对仿真模型进行验证和分析。结果表明,撤离时间和速度—密度只能在一定程度上说明仿真模型的有效性,仿真模型的有效性需要通过更多的行为特征进行验证,而深度学习可以为仿真模型有效性的验证提供更加可靠的方法。