CN112149287B - 一种面向负载均衡的交通仿真路网图形化分割方法及*** - Google Patents

一种面向负载均衡的交通仿真路网图形化分割方法及*** Download PDF

Info

Publication number
CN112149287B
CN112149287B CN202010935292.3A CN202010935292A CN112149287B CN 112149287 B CN112149287 B CN 112149287B CN 202010935292 A CN202010935292 A CN 202010935292A CN 112149287 B CN112149287 B CN 112149287B
Authority
CN
China
Prior art keywords
image
gray
simulation
road network
lane
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010935292.3A
Other languages
English (en)
Other versions
CN112149287A (zh
Inventor
陈锋
陈宇强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Anhui Zhongke Longan Science And Technology Co ltd
Original Assignee
Anhui Zhongke Longan Science And Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Anhui Zhongke Longan Science And Technology Co ltd filed Critical Anhui Zhongke Longan Science And Technology Co ltd
Priority to CN202010935292.3A priority Critical patent/CN112149287B/zh
Publication of CN112149287A publication Critical patent/CN112149287A/zh
Application granted granted Critical
Publication of CN112149287B publication Critical patent/CN112149287B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种面向负载均衡的交通仿真路网图形化分割方法及***，首先根据各车道上的仿真车辆对仿真路网进行灰度变换，形成仿真路网的灰度图像，然后计算灰度图像的重心，根据重心坐标对所述灰度图像进行递归二分，灰度图像划分完毕后，根据所划分图像子区域的邻接关系生成子区域的拓扑图，从而将仿真任务分配给各计算节点CPU处理。该方案不仅能够实现仿真路网的快速分割，而且，也能够有效提高并行效率和加速比，实现负载均衡。

Description

一种面向负载均衡的交通仿真路网图形化分割方法及***
技术领域
本发明涉及智能交通技术领域，尤其涉及一种面向负载均衡的交通仿真路网图形化分割方法及***。
背景技术
微观仿真通过对人、车、路等的建模，进行真实交通的虚拟构建，实现对路网交通的模拟，为交通规划、管理和控制提供决策工具。由于城市交通的微观仿真需要对数量众多的驾驶员-车辆、非机动车、行人、交通控制方案等进行快速处理，因此，微观交通的并行仿真成为交通仿真发展的趋势，路网分割是城市大规模交通路网并行仿真的关键技术，也是实现群集计算负载均衡的基础。
由于交通路网具有强耦合性，面向负载均衡的路网分割是具有挑战性的难题。交通路网的分割方法研究成果较少，现有方法主要为基于面积或者路段长度的分割方法和正交递归二分法。其中，基于面积的分割方法按照面积对路网进行均分；正交递归二分法以路口为节点进行拓扑图的转换，对转换得到的拓扑图进行分割处理，重复进行水平方向和垂直方向的对称分割。
现有方法的局限性包括：1)以路口为最小单位进行拓扑图的转换计算复杂度较高；2)分割方法的权重基于道路长度或者区域面积确定，未考虑道路上车辆数，易导致负载不均衡的现象。
为了实现城市交通大规模路网并行仿真，适应时变的路网交通流状况，实现负载均衡，需要研究快速的仿真路网分割方法。
发明内容
本发明的目的是提供一种面向负载均衡的交通仿真路网图形化分割方法及***，不仅提供了强耦合路网的快速划分方法，且有效提高了并行效率和加速比。
本发明的目的是通过以下技术方案实现的：
一种面向负载均衡的交通仿真路网图形化分割方法，包括：
获取实际交通场景对应的仿真路网、仿真周期、计算节点的CPU总数量和微观交通仿真软件，并将微观交通仿真软件传输至各计算节点；
根据各车道上仿真车辆对仿真路网进行灰度变换，形成仿真路网的灰度图像；
计算灰度图像的重心，根据重心坐标以及计算节点的CPU总数量对灰度图像进行递归二分，获得一系列灰度图像的子区域，并根据灰度图像子区域的临接关系生成相应的拓扑图；
将灰度图像子区域所包含的车道、车道上的仿真车辆以及所述拓扑图分配给各计算节点的CPU，由各计算节点的CPU启动微观交通仿真软件并结合分配得到的数据进行仿真，直至仿真周期结束后，回传仿真结果。
一种面向负载均衡的交通仿真路网图形化分割***，包括：
数据读取模块，用于获取实际交通场景对应的仿真路网、仿真周期、计算节点的CPU总数量和微观交通仿真软件，并将微观交通仿真软件传输至各计算节点；
仿真路网灰度图像转换模块，用于根据各车道上仿真车辆对仿真路网进行灰度变换，形成仿真路网的灰度图像；
灰度图像分割模块，用于计算灰度图像的重心，根据重心坐标以及计算节点的CPU总数量对灰度图像进行递归二分，获得一系列灰度图像的子区域，并根据灰度图像子区域的临接关系生成相应的拓扑图；
任务分配模块，用于将灰度图像子区域所包含的车道、车道上的仿真车辆以及所述拓扑图分配给各计算节点的CPU，由各计算节点的CPU启动微观交通仿真软件并结合分配得到的数据进行仿真，直至仿真周期结束后，回传仿真结果。
由上述本发明提供的技术方案可以看出，考虑了路网的运动车辆信息，适应于动态交通流的并行处理，进一步，将仿真路网转换为灰度图像，引入图像处理方法进行仿真路网分割，能够实现强耦合路网的快速分割，由于仿真路网转换为灰度图像时是以仿真车辆数量为依据，因此，分割后的各图像子区域处理负载近似相同，提高了并行效率和加速比，实现了负载均衡。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。
图1为本发明实施例提供的一种面向负载均衡的交通仿真路网图形化分割方法的流程图；
图2为本发明实施例提供的拓扑图中两个节点临接关系示意图；
图3为本发明实施例提供的仿真路网分割方法的并行效率实验结果；
图4为本发明实施例提供的仿真路网分割方法的加速比实验结果；
图5为本发明实施例提供的一种面向负载均衡的交通仿真路网图形化分割***的示意图。
具体实施方式
下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。
城市交通的微观仿真是交通规划、设计、管理和控制的有效分析工具，能够避免各种交通设计、管控方案直接实施造成的风险和巨大的经济损失，并行微观交通仿真可实现大规模城市路网的虚拟构建和智能分析，具有强耦合性的仿真路网分割是一项具有挑战性的难题。为了实现大规模仿真路网并行处理的负载均衡，本发明提出了一种面向负载均衡的交通仿真路网图形化分割方法及***。首先根据各车道上的仿真车辆对仿真路网进行灰度变换，形成仿真路网的灰度图像，然后计算灰度图像的重心，根据重心坐标对所述灰度图像进行递归二分，灰度图像划分完毕后，根据所划分图像子区域的邻接关系生成子区域的拓扑图，从而将仿真任务分配给各计算节点CPU处理。该方案不仅能够实现仿真路网的快速分割，而且，也能够有效提高并行效率和加速比，实现负载均衡。
如图1所示，为本发明实施例提供的一种面向负载均衡的交通仿真路网图形化分割方法的流程图，其主要包括：
步骤11、获取实际交通场景对应的仿真路网、仿真周期、计算节点的CPU总数量和微观交通仿真软件，并将微观交通仿真软件传输至各计算节点。
本发明实施例中，该方法可以以龙芯大数据一体机(小型的服务器集群)为计算平台，龙芯大数据一体机有一个管理节点、五个计算节点组成。管理节点作为执行主体负责路网分割与任务分配，具体的仿真处理工作由各计算节点的CPU执行。
本步骤为初始化步骤，管理节点进行初始化后，获取一系列的数据，此阶段获得的仿真路网为初始路网，其中未包含仿真车辆信息；其中的微观交通仿真软件可以直接发送给各计算节点，其余数据信息将用于路网分割工作；示例性的，可以设所有计算节点的CPU总数量为P。
步骤12、根据各车道上仿真车辆对仿真路网进行灰度变换，形成仿真路网的灰度图像。
本步骤中，首先，获取仿真车辆的初始分配位置信息，从而将各个车辆绘制在仿真路网的相应车道上；根据各车道的车辆数将仿真路网转换为灰度图像，灰度图像像素值范围为：0～255，其中，灰度0表示背景，按照如下公式设置车道的灰度：
其中，l表示车道长度，k为车道上仿真车辆数目。
步骤13、计算灰度图像的重心，根据重心坐标以及计算节点的CPU总数量对灰度图像进行递归二分，获得一系列灰度图像的子区域，并根据灰度图像子区域的临接关系生成相应的拓扑图。
本步骤优选实施方式如下：
灰度图像大小记为M×N，灰度图像(x,y)位置处的图像灰度值记为h(x,y)，图像重心的坐标计算公式为：
以图像重心坐标对灰度图像进行垂直或水平的二分，形成两个灰度图像子区域；垂直或水平二分的依据为划分后的两个图像子区域面积是否接近，即：如果S(a1v)/S(a2v)≥S(a1h)/S(a2h)则采用水平划分，否则采用垂直划分；其中，S表示面积(即图像子区域中所包含的像素数目)，a1v与a2v为垂直划分后的两个灰度图像子区域；a1h与a2h为水平划分后的两个灰度图像子区域。
对上述划分后的灰度图像子区域继续进行二分(即，计算子区域的重心→进行垂直或水平的二分)，直至划分得到的灰度图像子区域的总数等于计算节点的CPU总数量P。
进一步的，为了使得处理相互临接图像子区域的CPU之间实现交互通信，管理节点同时生成以图像子区域为节点的拓扑图。
对于每一个灰度图像子区域进行编码(1，2，…，q，)，q为分割的图像子区域个数，满足q＝P，任意两个灰度图像的子区域除了临接边外互不重叠，对各灰度图像的子区域，分别确定其左上、右上、左下、右下四个顶点坐标(xi1,yi1),(xi2,yi2),(xi3,yi3),(xi4,yi4)，i＝1，2，…，q。
两个灰度图像的子区有1个或1个以上的顶点坐标相同，则认定两个灰度图像的子区域临接；将每个灰度图像的子区域抽象为一个顶点，两个灰度图像的子区域如果临接，则在两个对应的顶点之间有一条连接弧。
如图2所示，两个灰度图像子区域对应的顶点1、3之间通过连接弧连接，以表示二者存在临接关系。
步骤14、将灰度图像子区域所包含的车道、车道上的仿真车辆以及所述拓扑图分配给各计算节点的CPU，由各计算节点的CPU启动微观交通仿真软件并结合分配得到的数据进行仿真，直至仿真周期结束后，回传仿真结果。
本发明实施例中，以划分后的图像子区域为分配单位，其中包含的车辆数基本相等，图像子区域一对一的分配给一个CPU，拓扑图用于处理临接子区域的CPU相互通信。
本发明实施例中，仿真计算主要是由各计算节点的CPU启动微观交通仿真软件并结合分配得到的数据，通过执行微观交通仿真软件中的车辆微观跟驰模型、换道模型和信号配时模块，计算各仿真车辆下一个时刻的位置。
步骤15、接收计算节点CPU反馈的仿真结果，等待分配下一个任务。
步骤16、综合回传的仿真结果后，存储至本地数据库，供用户查询。
为了验证本仿真路网分割方法的有效性，分别采用基于面积的分割方法(areapartition)、正交递归分割方法(recursion partition)和本发明方法(our method)进行比较，仿真路网由100个交叉口组成，仿真车辆为3.5万辆，评价指标为并行效率和加速比，实验结果分别如图3～图4所示。
实验结果显示，本方法较现有的仿真路网分割方法，不仅能够实现仿真路网的快速划分，而且具有良好的并行效率和加速比。
本发明另一实施例还提供了一种面向负载均衡的交通仿真路网图形化分割***，该***主要用于实现前述实施例提供的方法，如图5所示，该***主要包括：
数据读取模块，用于获取实际交通场景对应的仿真路网、仿真周期、计算节点的CPU数量和微观交通仿真软件，并将微观交通仿真软件传输至各计算节点；
仿真路网灰度图像转换模块，用于根据各车道上仿真车辆对仿真路网进行灰度变换，形成仿真路网的灰度图像；
灰度图像分割模块，用于计算灰度图像的重心，根据重心坐标以及计算节点的CPU总数量对灰度图像进行递归二分，获得一系列灰度图像的子区域，并根据灰度图像子区域的临接关系生成相应的拓扑图；
任务分配模块，用于将灰度图像子区域所包含的车道、车道上的仿真车辆以及所述拓扑图分配给各计算节点的CPU，由各计算节点的CPU启动微观交通仿真软件并结合分配得到的数据进行仿真，直至仿真周期结束后，回传仿真结果。
本发明实施例中，所述根据各车道上仿真车辆对仿真路网进行灰度变换，形成仿真路网的灰度图像包括：
获取仿真车辆的初始分配位置信息，从而将各个车辆绘制在仿真路网的相应车道上；
根据各车道的车辆数将仿真路网转换为灰度图像，灰度图像像素值范围为：0～255，其中，灰度0表示背景，按照如下公式设置车道的灰度：
其中，l表示车道长度，k为车道上仿真车辆数目。
本发明实施例中，所述计算灰度图像的重心，根据重心坐标以及计算节点的CPU总数量对灰度图像进行递归二分包括：
灰度图像大小记为M×N，灰度图像(x,y)位置处的图像灰度值记为h(x,y)，图像重心的坐标计算公式为：
以图像重心坐标对灰度图像进行垂直或水平的二分，形成两个灰度图像子区域；
对上述划分后的灰度图像子区域继续进行二分，直至划分得到的灰度图像子区域的总数等于计算节点的CPU总数量；
垂直或水平的二分的依据为划分后的两个图像子区域面积是否接近，即：如果S(a1v)/S(a2v)≥S(a1h)/S(a2h)则采用水平划分，否则采用垂直划分；其中，S表示面积，a1v与a2v为垂直划分后的两个灰度图像子区域；a1h与a2h为水平划分后的两个灰度图像子区域。
本发明实施例中，所述根据灰度图像子区域的临接关系生成相应的拓扑图包括：
对于每一个灰度图像子区域进行编码，任意两个灰度图像的子区域除了临接边外互不重叠，对各灰度图像的子区域，分别确定其左上、右上、左下、右下四个顶点坐标；
两个灰度图像的子区有1个或1个以上的顶点坐标相同，则认定两个灰度图像的子区域临接；将每个灰度图像的子区域抽象为一个顶点，两个灰度图像的子区域如果临接，则在两个对应的顶点之间有一条连接弧。
本发明实施例中，由各计算节点的CPU启动微观交通仿真软件并结合分配得到的数据，通过执行微观交通仿真软件中的车辆微观跟驰模型、换道模型和信号配时模块，计算各仿真车辆下一个时刻的位置。
本发明实施例中，***还包括：仿真结果接收模块，用于接收计算节点回传的仿真结果；处理结果综合模块，用于将回传的仿真结果，存储至本地数据库。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例可以通过软件实现，也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解，上述实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将***的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (6)

1.一种面向负载均衡的交通仿真路网图形化分割方法，其特征在于，包括：
获取实际交通场景对应的仿真路网、仿真周期、计算节点的CPU总数量和微观交通仿真软件，并将微观交通仿真软件传输至各计算节点；
根据各车道上仿真车辆对仿真路网进行灰度变换，形成仿真路网的灰度图像；
计算灰度图像的重心，根据重心坐标以及计算节点的CPU总数量对灰度图像进行递归二分，获得一系列灰度图像的子区域，并根据灰度图像子区域的临接关系生成相应的拓扑图；
将灰度图像子区域所包含的车道、车道上的仿真车辆以及所述拓扑图分配给各计算节点的CPU，由各计算节点的CPU启动微观交通仿真软件并结合分配得到的数据进行仿真，直至仿真周期结束后，回传仿真结果；
所述根据各车道上仿真车辆对仿真路网进行灰度变换，形成仿真路网的灰度图像包括：
获取仿真车辆的初始分配位置信息，从而将各个车辆绘制在仿真路网的相应车道上；
根据各车道的车辆数将仿真路网转换为灰度图像，灰度图像像素值范围为：0～255，其中，灰度0表示背景，按照如下公式设置车道的灰度：
其中，l表示车道长度，k为车道上仿真车辆数目；
所述计算灰度图像的重心，根据重心坐标以及计算节点的CPU总数量对灰度图像进行递归二分包括：
灰度图像大小记为M×N，灰度图像(x,y)位置处的图像灰度值记为h(x,y)，图像重心的坐标计算公式为：
以图像重心坐标对灰度图像进行垂直或水平的二分，形成两个灰度图像子区域；
对上述划分后的灰度图像子区域继续进行二分，直至划分得到的灰度图像子区域的总数等于计算节点的CPU总数量；
垂直或水平的二分的依据为划分后的两个图像子区域面积是否接近，即：如果S(a1v)/S(a2v)≥S(a1h)/S(a2h)则采用水平划分，否则采用垂直划分；其中，S表示面积，a1v与a2v为垂直划分后的两个灰度图像子区域；a1h与a2h为水平划分后的两个灰度图像子区域。
2.根据权利要求1所述的一种面向负载均衡的交通仿真路网图形化分割方法，其特征在于，所述根据灰度图像子区域的临接关系生成相应的拓扑图包括：
对于每一个灰度图像子区域进行编码，任意两个灰度图像的子区域除了临接边外互不重叠，对各灰度图像的子区域，分别确定其左上、右上、左下、右下四个顶点坐标；
两个灰度图像的子区有1个或1个以上的顶点坐标相同，则认定两个灰度图像的子区域临接；将每个灰度图像的子区域抽象为一个顶点，两个灰度图像的子区域如果临接，则在两个对应的顶点之间有一条连接弧。
3.根据权利要求1所述的一种面向负载均衡的交通仿真路网图形化分割方法，其特征在于，由各计算节点的CPU启动微观交通仿真软件并结合分配得到的数据，通过执行微观交通仿真软件中的车辆微观跟驰模型、换道模型和信号配时模块，计算各仿真车辆下一个时刻的位置；
在接收到回传的仿真结果后，存储至本地数据库。
4.一种面向负载均衡的交通仿真路网图形化分割***，其特征在于，包括：
数据读取模块，用于获取实际交通场景对应的仿真路网、仿真周期、计算节点的CPU总数量和微观交通仿真软件，并将微观交通仿真软件传输至各计算节点；
仿真路网灰度图像转换模块，用于根据各车道上仿真车辆对仿真路网进行灰度变换，形成仿真路网的灰度图像；
灰度图像分割模块，用于计算灰度图像的重心，根据重心坐标以及计算节点的CPU总数量对灰度图像进行递归二分，获得一系列灰度图像的子区域，并根据灰度图像子区域的临接关系生成相应的拓扑图；
任务分配模块，用于将灰度图像子区域所包含的车道、车道上的仿真车辆以及所述拓扑图分配给各计算节点的CPU，由各计算节点的CPU启动微观交通仿真软件并结合分配得到的数据进行仿真，直至仿真周期结束后，回传仿真结果；
所述根据各车道上仿真车辆对仿真路网进行灰度变换，形成仿真路网的灰度图像包括：
获取仿真车辆的初始分配位置信息，从而将各个车辆绘制在仿真路网的相应车道上；
根据各车道的车辆数将仿真路网转换为灰度图像，灰度图像像素值范围为：0～255，其中，灰度0表示背景，按照如下公式设置车道的灰度：
其中，l表示车道长度，k为车道上仿真车辆数目；
所述计算灰度图像的重心，根据重心坐标以及计算节点的CPU总数量对灰度图像进行递归二分包括：
灰度图像大小记为M×N，灰度图像(x,y)位置处的图像灰度值记为h(x,y)，图像重心的坐标计算公式为：
以图像重心坐标对灰度图像进行垂直或水平的二分，形成两个灰度图像子区域；
对上述划分后的灰度图像子区域继续进行二分，直至划分得到的灰度图像子区域的总数等于计算节点的CPU总数量；
垂直或水平的二分的依据为划分后的两个图像子区域面积是否接近，即：如果S(a1v)/S(a2v)≥S(a1h)/S(a2h)则采用水平划分，否则采用垂直划分；其中，S表示面积，a1v与a2v为垂直划分后的两个灰度图像子区域；a1h与a2h为水平划分后的两个灰度图像子区域。
5.根据权利要求4所述的一种面向负载均衡的交通仿真路网图形化分割***，其特征在于，所述根据灰度图像子区域的临接关系生成相应的拓扑图包括：
对于每一个灰度图像子区域进行编码，任意两个灰度图像的子区域除了临接边外互不重叠，对各灰度图像的子区域，分别确定其左上、右上、左下、右下四个顶点坐标；
两个灰度图像的子区有1个或1个以上的顶点坐标相同，则认定两个灰度图像的子区域临接；将每个灰度图像的子区域抽象为一个顶点，两个灰度图像的子区域如果临接，则在两个对应的顶点之间有一条连接弧。
6.根据权利要求4所述的一种面向负载均衡的交通仿真路网图形化分割***，其特征在于，由各计算节点的CPU启动微观交通仿真软件并结合分配得到的数据，通过执行微观交通仿真软件中的车辆微观跟驰模型、换道模型和信号配时模块，计算各仿真车辆下一个时刻的位置；
同时，***还包括：仿真结果接收模块，用于接收计算节点回传的仿真结果；处理结果综合模块，用于将回传的仿真结果，存储至本地数据库。
CN202010935292.3A 2020-09-08 2020-09-08 一种面向负载均衡的交通仿真路网图形化分割方法及*** Active CN112149287B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010935292.3A CN112149287B (zh) 2020-09-08 2020-09-08 一种面向负载均衡的交通仿真路网图形化分割方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010935292.3A CN112149287B (zh) 2020-09-08 2020-09-08 一种面向负载均衡的交通仿真路网图形化分割方法及***

Publications (2)

Publication Number Publication Date
CN112149287A CN112149287A (zh) 2020-12-29
CN112149287B true CN112149287B (zh) 2024-06-18

Family

ID=73890028

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010935292.3A Active CN112149287B (zh) 2020-09-08 2020-09-08 一种面向负载均衡的交通仿真路网图形化分割方法及***

Country Status (1)

Country Link
CN (1) CN112149287B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112990271B (zh) * 2021-02-18 2022-07-08 北京大学 一种基于交通簇的并行交通仿真方法及***

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102542106A (zh) * 2011-12-27 2012-07-04 中国科学院自动化研究所 基于可变区域划分的分布式交通仿真***及仿真方法
CN103617626A (zh) * 2013-12-16 2014-03-05 武汉狮图空间信息技术有限公司 基于cpu+gpu的遥感影像多尺度异构并行分割方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105119837A (zh) * 2015-05-12 2015-12-02 电子科技大学 基于仿真终端配置优化的分布式交通仿真负载均衡算法
CN106557611A (zh) * 2016-10-12 2017-04-05 电子科技大学 分布式交通网络仿真平台的动态负载均衡算法研究及应用
CN109522575A (zh) * 2017-09-20 2019-03-26 温州市鹿城区中津先进科技研究院 交通网络仿真***

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102542106A (zh) * 2011-12-27 2012-07-04 中国科学院自动化研究所 基于可变区域划分的分布式交通仿真***及仿真方法
CN103617626A (zh) * 2013-12-16 2014-03-05 武汉狮图空间信息技术有限公司 基于cpu+gpu的遥感影像多尺度异构并行分割方法

Also Published As

Publication number Publication date
CN112149287A (zh) 2020-12-29

Similar Documents

Publication Publication Date Title
CN103778191B (zh) 一种顾及空间邻近关系的矢量等高线数据划分方法
CN103871234A (zh) 一种基于栅格映射生长的交通网络划分方法及配置服务器
CN101370025A (zh) 地理信息数据的存储方法、调度方法及管理***
CN103744999B (zh) 基于层次划分存储结构的空间矢量数据在线交互制图方法
CN107665269A (zh) 基于地理信息的快速人群疏散仿真方法和装置
CN112784002A (zh) 一种虚拟场景生成方法、装置、设备和存储介质
CN105160707A (zh) 基于视点索引的三维模型快速可视化方法
CN113570275A (zh) 基于bim和数字高程模型的水资源实时监测***
CN116518960B (zh) 路网更新方法、装置、电子设备和存储介质
CN112221144A (zh) 三维场景寻路方法及装置、三维场景地图处理方法及装置
CN112149287B (zh) 一种面向负载均衡的交通仿真路网图形化分割方法及***
Yang et al. A novel urban emergency path planning method based on vector grid map
CN104408773A (zh) 一种结构化网格非匹配界面插值的方法
CN116036604A (zh) 数据处理方法、装置、计算机及可读存储介质
CN113706715B (zh) 一种随机可控城市生成方法
Boim et al. A machine-learning approach to urban design interventions in non-planned settlements
CN117516562A (zh) 一种路网处理方法和相关装置
Zhang et al. Application of multi-agent models to urban expansion in medium and small cities: A case study in Fuyang City, Zhejiang Province, China
Fujita et al. Scalable multicase urban earthquake simulation method for stochastic earthquake disaster estimation
CN110223395A (zh) 一种三维场景物料模型动态构建方法及***
Qiao et al. Research on environmental planning method based on neural network and artificial intelligence technology
CN115018536A (zh) 区域确定方法、装置、电子设备和可读存储介质
CN114613159A (zh) 基于深度强化学习的交通信号灯控制方法、装置及设备
CN104462467B (zh) 一种用于电子地图界面的坐标点处理方法及装置
CN101877142B (zh) 一种基于多尺度层次细节的仿真方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant