随着城镇化进程的不断加快，城市中的人口急剧增加。拥挤的行人流给社会中的步行设施带来了巨大的负担。在大型公共场所中，因人群密集而导致的拥挤踩踏事故频频发生。关于行人出行的安全性、高效性等问题受到越来越多的关注。本文以此为背景，将并行计算技术与行人动力学模型相结合，在GPU平台上实现了并行行人流场论模型，进一步在宏观层面设计了行人动态路径算法，实现了对复杂场景下大规模行人流的模拟分析。本文主要的研究工作如下：
　　(1)并行行人流场论模型的实现。本文基于既有的行人流场论模型，结合OpenCL并行计算框架，实现了行人流场论模型的并行化设计。在并行行人流场论模型中，引入了局部密度的概念，用于表示行人对周围环境拥挤状况的认知。行人在模型中能够根据环境状况改变自己占据的空间，并且在模型中实现不同的移动速度。行人在模型中受到多种行人场的影响，在不同的局部密度下将作出不同的移动决策。通过行人流场论模型的并行化，提高了模型的运算效率，为下一步路径选择算法的设计建立了微观模型基础。
　　(2)行人动态路径选择算法的提出。路径选择算法为行人在复杂环境下的路线规划提供了决策支撑。该算法主要分为客观环境的网络抽象和最短路径算法两个模块。其中客观环境的网络抽象是路径算法的基础，它是对行人所处环境区域的一种简化，将环境中的建筑设施抽象成网络可视图的形式。最短路径算法以最短行程时间为基本原则，规划行人从起点到终点的行走路线。算法具有拥堵扩散机制，当前开口的拥堵状况会一定程度的影响到后续路线，该机制使得行人在路线规划时可以尽可能地避开较为拥堵的线路。算法提出了开口重新选择机制和开口回退机制，让行人在拥挤状况下可以更灵活地选择房间的开口。
　　(3)行人微观仿真平台的建立。该平台以并行行人流场论模型和动态路径选择算法为核心，增加了场景构建、仿真控制、仿真过程显示、数据输出以及结果分析等功能，实现对复杂环境大规模行人流的行人模拟。针对仿真平台中的OD模式和疏散模式进行了多组行人流微观仿真实验，通过实验结果的统计分析，对路径选择算法的有效性进行了验证。