人群行为建模是指对人的决策和移动等行为进行建模,从而获取人群行为特性的过程。人群行为建模具有广泛的实际应用场景,包括异常行为检测、公共场所布局设计优化、应急管理等。人群行为建模的一个关键问题是如何自动设计出可靠的人群行为规则。行为规则赋予了人群行为模型可解释性,提高了模型的可靠性,是模型投入后续应用的基础。然而,现有的人群行为规则设计主要依赖专家通过反复调试的方式手动设置,设计过程繁琐耗时,而且依赖于专家的经验知识,人群行为规则的设计效率和可靠性仍有待进一步提升。针对上述问题,本文提出了一套基于蚁群编程算法的人群行为规则自动提取技术,通过结合领域知识和历史搜索信息,高效地设计人群行为规则。具体地,本文提出一种新型的解的编码机制,使得算法能同时编码人群行为规则以及相关特征,并通过共同迭代进化规则和特征,实现高阶特征自动构造,提高人群行为规则的有效性。为了提高高阶特征构造的效率和算法的搜索效率,本文设计了一种新型特征选择机制。该机制由两部分构成。首先,一套综合考虑特征相关性、独特性与性能的特征评价机制将用来筛选搜索过程中出现的优质特征,并加以保存;然后,一套基于反向语义传播法的特征确定机制将用来为具体的人群行为规则挑选出合适的特征,提高算法搜索效率。为验证所提出技术的有效性,本文基于真实的人群视频数据,设计了一系列实证研究,对比了若干现有前沿方法,验证了所提出的编码机制和特征选择机制的有效性,研究了人群行为规则的可读性,同时分析了高阶特征对行为规则提取的促进作用。实验结果表明,所提出技术在测试集上表现优于所对比方法。