46、基于GPGPU的并行计算与视觉裁判手势识别系统

基于GPGPU的并行计算与视觉裁判手势识别系统

基于GPGPU的交通模拟系统

在模拟场景中，内核会在每个模拟步骤（Δt）通过内核在代理和子模拟器之间交换数据和命令。模拟步骤是代理感知 - 决策 - 行动周期的时间，在RCRS中默认值为一分钟。交通模拟器通过计算代理在Δτ步骤（比Δt步骤更精细，Δt = Nstep × Δτ，默认设置下Nstep为6,000）在区域内的位置，来模拟代理在一个模拟步骤中的移动。

计算代理位置的并行计算

我们的想法是在Δt内使用GPGPU计算代理的位置ri。根据Helbing社会力模型，在每个微步骤Δτ计算代理位置的变化。社会力模型是一种粒子模型，其中人类的移动由牛顿动力学控制：
[m_i\frac{dv_i}{dt} = m_i\frac{v_{0i}(t)e_{0i}(t) - v_i(t)}{\tau_i} + \sum_{j(\neq i)} f_{ij} + \sum_{W} f_{iW}]
其中，第一项是将代理移动到其期望位置的意图驱动的力。代理的意图决定了他们想要去的位置，$e_{0i}$是指向目标位置的单位向量。$m_i$和$v_{0i}$分别是代理i的重量和步行速度。速度根据代理的年龄和性别设置，当代理感到害怕时会变快，到达目的地时为零。$v_i(t)$是t时刻的步行向量。$f_{ij}$和$f_{iW}$分别是避免与其他代理或墙壁碰撞的排斥力。合力是速度的变化，$v_i(t) = \frac{dr_i}{dt}$，该变化用于计算Δt后代理的下一个位置。

以下是典型的交通模拟器代码：

Algorithm