El modelo de fuerza social tradicional (SFM) en la simulación de multitudes experimenta dificultades para hacer frente a la complejidad de la multitud, limitado por fórmulas físicas y parámetros singulares. Los intentos recientes de combinar el aprendizaje profundo con estos modelos se centran más en simular estados específicos de multitudes. Este documento presenta un modelo avanzado de fuerza social profunda, influenciado por los estados de la multitud. Utiliza redes neuronales profundas para ajustarse con precisión a las características de trayectoria de la multitud, mejorando las capacidades de simulación de comportamiento. Las restricciones geométricas dentro del modelo proporcionan control sobre diversos comportamientos de multitudes, ajustables para simular diferentes tipos de multitudes. Antes del entrenamiento, utilizamos el SFM para refinar comportamientos en trayectorias reales con distancias excesivamente pequeñas, con el objetivo de mejorar la aplicabilidad general del modelo. Experimentos comparativos confirman la efectividad del modelo, mostrando un rendimiento comparable tanto a los modelos físicos clásicos como a los modelos híbridos modernos basados en el aprendizaje en simulaciones de peatones, con colisiones reducidas. Además, el modelo tiene cierta capacidad para simular multitudes con alta densidad y comportamientos diversos.