人群仿真是通过建立人群行为特征模型,利用人工智能、计算机图形学等技术来实现现实世界中人群运动过程的模拟。人群仿真技术是虚拟现实、计算机仿真技术的重要组成部分,其应用领域包括：各类虚拟环境、建筑疏散评估、群体行为演练、影视制作、计算机游戏等。人群仿真具有算法复杂度高、计算开销大、实时性要求高等特点。当人群规模达到一定数量后,仅依靠CPU串行模式进行人群仿真计算,难以满足实时性要求。近年来,GPU相关技术高速发展,使GPU具备了很强的计算能力,尤其在并行计算能力上十分突出,非常适合用于人群仿真。本论文在研究了人物角色动画算法、人群仿真算法、基于GPU通用计算技术的基础上,将基于GPU的计算技术引入人群仿真领域。论文工作的主要内容包括：设计了一种基于GPU计算的并行骨骼动画渲染算法。在人群仿真过程中,传统角色模型的渲染会耗费大量的CPU资源。本文分析了角色骨骼动画的特点,设计了骨骼动画的并行计算算法,并利用OpenGL着色语言(GLSL)予以实现。该算法中将骨骼矩阵运算放到GPU中完成。具体方法是将骨骼矩阵以纹理数据的方式传入到GPU的顶点着色器(Vertex Shader)中,利用顶点着色器完成骨骼动画中网格模型的变形运算。算法充分利用了GPU的并行运算优势,较好地解决了人群仿真中每个人物角色的动画计算问题。研究并使用了一种基于信号矢量(Signal Vector)的人群行为策略模型。该模型中将人的行为策略建立在一套信号系统上,通过定义的信号向量来驱动个体人的行为。将人与人之间碰撞信息、环境的障碍物信息等统一采用信号向量来表示。该模型简化了人群的行为运算,能够满足上千的行人个体在场景中自由移动,且不会出现与人与人之间的碰撞、人与障碍物之间的碰撞,便于扩展以及并行运算的优化。本文以地铁站台环境为例,基于OSG三维图形引擎搭建了虚拟交通环境平台。在该虚拟交通环境平台上,实现了上述人群仿真算法,并进行了相关的实验。实验结果表明,本文所采用的方法可行,能够较好地提升人群仿真计算的效率,保证了仿真的实时性。