Badanie wydajności zastosowania platformy CUDA w komputerowym modelowaniu ruchu pojazdów PRT

• Autorzy: Czerepicki A. , Nikoniuk M. , Kozłowski M.

Warianty tytułu

EN

Study the effectiveness of the CUDA platform use in computer modelling of PRT vehicle traffic

• Języki publikacji: PL

Abstrakty

PL

Systemy PRT należą do współczesnych dynamicznie rozwijających się środków komunikacji zbiorowej. W ramach projektu ECO-Mobilność została opracowana aplikacja do komputerowego modelowania ruchu pojazdów PRT, z uwzględnieniem topologii sieci połączeń oraz natężenia ruchu pasażerów. Przy modelowaniu większych obszarów oraz wielokrotnym uruchomieniu aplikacji na różnych zbiorach wejściowych danych, istotnym aspektem jest szybkość działania programu. W artykule zaproponowano koncepcję zwiększenia wydajności komputerowej symulacji ruchu pojazdów PRT poprzez wykorzystanie platformy równoległych obliczeń CUDA. Przedstawiono wybrane aspekty modyfikacji systemu modelowania mające na celu umożliwienie równoległego przetwarzania poszczególnych kroków symulacji. Przeprowadzono pomiary wydajności aplikacji przy wykonaniu na procesorze CPU oraz dokonano ich porównania z wynikami przetwarzania na procesorze graficznym GPU. Na podstawie analizy wyników badań stwierdzono, iż dla złożonych topologii sieci PRT wykorzystanie platformy CUDA istotnie zmniejsza czas modelowania oraz jego wariancję.

EN

PRT systems are among the most dynamically developing means of public transport. The ECOMobility project has developed an application for estimating the efficiency of PRT implementation using computer modelling, considering the topology of the network and passengers traffic. When modeling large and complex PRT network configurations, the speed of computer modelling is an important aspect. The paper proposes a concept for increasing the performance of PRT traffic computer simulation by using the CUDA parallel computing platform. The selected aspects of software modifications aimed at enabling parallel processing of simulation steps are presented. Modelling performance measurements using the GPU were performed and compared to CPU processing results. Based on the analysis of research results, it was found that for complex PRT network topologies, modelling using the CUDA platform reduces modelling time and its variance for large and complex PRT networks.

Słowa kluczowe

PL

PRT; modelowanie komputerowe; platforma CUDA

EN

PRT; computer modelling; CUDA platform

• Wydawca: Oficyna Wydawnicza Politechniki Warszawskiej
• Czasopismo: Prace Naukowe Politechniki Warszawskiej. Transport
• Rocznik: 2017
• Tom: z. 119
• Strony: 41--51
• Opis fizyczny: Bibliogr. 10 poz., rys., tab., wykr.

Twórcy

autor

Czerepicki A.

• Politechnika Warszawska, Wydział Transportu

autor

Nikoniuk M.

• Politechnika Warszawska, Wydział Transportu

autor

Kozłowski M.

• Politechnika Warszawska, Wydział Transportu

Bibliografia

• 1. Podcar City Conferences (2015): Innovative Mobility in the Era of Automation. (http://podcarcity.org, last access: 17.11.2017).
• 2. “ECO-Mobility” Project Implemented Under European Union Operation Programme Innovative Economy (http://www.eco-mobilnosc.pw.edu.pl/en_personal-rapid-transit,14.html, last access: 17.11.2017).
• 3. Choromański W., Daszczuk W. B., Grabski W., Dyduch J., Maciejewski M., Brach. P.: Personal Rapid Transit (PRT) Computer Network Simulation and Analysis of Flow Capacity. Automated People Movers and Transit Systems 2013, April 21-24, 2013, Phoenix, pp. 296-312.
• 4. Maerivoet S., De Moor B.: Cellular automata models of road traffic. Physics Reports, vol. 419, Issue 1, 2005, pp. 1-64.
• 5. Shi J., Cheng L., Long J., Liu Y.: A New Cellular Automaton Model for Urban Two-Way Road Networks. Computational Intelligence and Neuroscience, 2014.
• 6. NVidia CUDA Project (http://www.nvidia.com/object/cuda home.html#, last access: 17.11.2017).
• 7. Alea.CUDA GPU Programming reference (http://www.quantalea.com/static/app/manual/reference/alea_cuda_il/index.html, last access: 17.11.2017).
• 8. Nickolls J., Dally W. J.: The GPU computing era. IEEE Micro, 30(2), 2010.
• 9. Sungpack H., Sang K., Tayo O., Kunle O.: Accelerating CUDA graph algorithms at maximum warp. Proceedings of the 16th ACM symposium on Principles and practice of parallel programming, 2011, ACM, New York, USA, pp. 267-276.
• 10. NVIDIA Tesla K80 Accelerator (http://www.nvidia.com/object/tesla-k80.html, last access: 17.11.2017).

Uwagi

PL

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2018).