疏散场景的仿真研究近年来引起了极大的关注。 在这个方向上仍存在两个主要的研究挑战：（1）如何在疏散程序中描述个体在各种情况下的适应行为的影响；（2）由于超高水平，如何在个体水平上模拟涉及大量人群的复杂疏散方案这些方案的复杂性。 在这项研究中，已经开发了用于一般疏散方案的模拟框架。 场景中的每个人都被建模为由基于权重的决策机制驱动的适应性自治代理。 该模拟旨在表征个体的适应行为，个体之间，小群个体之间以及个体与环境之间的相互作用。 为了应对第二个挑战，本研究采用GPGPU来维持疏散方案的大规模并行

基于中央处理器(CPU)串行的人群疏散传统方法对于人群规模较少的场景,可以得到良好的疏散模拟效果,但在人群密度较高的场景中,难以达到实时模拟的要求.为了克服上述问题,实现了一种基于图形处理器(GPU)的人群疏散模拟的方法.该方法通过对个体寻径算法的优化,不仅能使个体快速准确地智能寻径,而且将个体寻径独立性与图形处理器高性能计算特性进行结合,充分利用了图形处理器强大的并行计算能力,从而大幅度提高了人群疏散模拟的人群规模,使人群疏散模拟的实时性得到增强.