大规模人群并行仿真研究.docVIP

大规模人群并行仿真研究 　　摘 要：本文针对大规模人群仿真对仿真真实性和实时性的仿真要求，提出了一种基于Agent的并行人群仿真方法，通过CPU-GPU混合并行的方式提高了仿真系统的性能和可扩展性。通过层次化的人群建模，使得个体更适合并行环境下的数据交互，仿真中通过感知区域视角约束对人群的运动进行控制，实现了人群平滑运动。实验部分对室外环境的人群漫游行为进行了仿真，验证了系统具有较高的性能和可扩展性。 　　关键字：分布式仿真；人群仿真； 统一计算设备架构 　　中图法分类号： TP242 文献标识码： A 文章编号：2095-2163（2014）06- 　　Abstract： To meet the authenticity of the simulation of large-scale crowd simulation and real-time simulation requirements， this paper proposed a Agent based parallel crowd simulation method . Through CPU-GPU hybrid parallel simulation approach， it improves the performance of the system and scalability. Hierarchical modeling of the individuals in the crowd makes the individual more suitable for data exchange in parallel environments. Simulation by perceptual constraints on regional perspectives to control the movement of people achieves a smooth movement of the crowd. Experiments of behavior of the crowd roaming the outdoor environment verify that the system has high performance and scalability. 　　Key words： Distributed Simulation；Crowd Simulation； CUDA； 　　0引言 　　大规模人群实时仿真的研究具有重要的社会意义，而在技术上存在很大的挑战性。大规模人群实时仿真研究主要包括两个方面的研究目标：如何提高人群仿真的真实性（包括行为真实性和动画视觉真实性）；如何提高人群仿真的实时性（即如何在扩大人群规模的同时提高仿真的效率）。前者可以通过对虚拟环境建模、人群行为模型、人群运动建模等问题的研究来实现；后者则可通过对人群实时渲染技术、人群仿真系统结构设计、并行人群仿真相关算法等问题的研究来实现。着眼于当前的发展状况可以推知，同时兼顾仿真真实性和实时性的大规模群体实时仿真即是时下亟需重点解决的研究难题。为此，本文采用并行计算的理论方法，并利用现有的多核CPU及多核GPU的硬件环境，实现了高性能人群仿真。 　　现有的并行群体仿真方法主要包括四种[1]：基于CPU的多线程并行，基于GPU的流式并行，基于分布式的多机并行以及基于GPU与分布式的混合并行方式。其中，混合并行既满足了可扩展性需求，又能充分挖掘每个计算节点的性能，现已成为并行群体仿真的重要研究分支[2]。群体仿真研究可基于Agent或流体进行并实现[3-4]，而且考虑到基于Agent的群体能够更丰富地表达个体特性和相应行为方式，同时设计的一定的AI算法亦可用于提高Agent的智能[5]，因此本文即采用基于Agent的方式开展群体仿真研究，并通过混合并行方式提高仿真性能和可扩展性。 　　1 基于CPU-GPU混合的仿真体系结构 　　混合式并行人群仿真系统包含三类节点，分别是：CC（Control Center）主控节点，CN（Compute Node）群体行为计算节点，Viewer视景节点。系统在任务划分过程[6]后，将划分形成的个体分组配发给各个CN节点，而在划分过程产生的每一条分割边则表示个体分组所在CN节点之间存在着感知关联，所以CN节点在个体避碰运算中即需将该边关联区域内的个体状态通过告知彼此而实现信息透明。三类节点组成的系统通讯结构可如图1所示。 　　首先，CC主控节点实现功能包括环境提取与群体管理，任务划分，同时还要维护每个CN节点的邻接CN节点列表以及与各CN节点关联的个体列表，另外也提供了运行过程中负载失衡后的任务重新调度功能。 　　其次，CN计