Bienen-inspiriertes Straßenverkehrsrouting
Sebastian Senge | Echtzeit 2009 | 19.11.2009
http://ls3-www.cs.tu-dortmund.de
Sebastian Lehnhoff Sebastian Senge Anca M. Lazarescu
Lehrstuhl für Betriebssysteme und Rechnerarchitektur
Agenda Einleitung Hintergrund Bienen in der Natur BeeHive-Algorithmus in Computernetzwerken
BeeJamA: Verteiltes Verkehrsmodell Infrastruktur und Architektur Ebenenmodell Scheduler
Ausblick Fazit
Sebastian Senge | Echtzeit 2009 | 19.11.2009
2
Einleitung Verkehrsstau – ein hoch dynamisches und verteiltes Problem Schwarmintelligenz: Kollektives Verhalten von einfachen Agenten „Verteilte künstliche Intelligenz“
Ansatz: Futtersuche der Bienen Vorbild zur Minimierung von Reisezeiten durch Stauvermeidung Hop-to-Hop-Routing bei dynamischen Deadlines Sebastian Senge | Echtzeit 2009 | 19.11.2009
3
Bienen in der Natur
40°
PowerPoint Animation (nicht in PDF Version)
Sebastian Senge | Echtzeit 2009 | 19.11.2009
4
BeeHive Routing in Computernetzwerken
Bienen-inspiriertes Multiagentensystem (MAS) Dynamischer Multipath-Routingalgorithmus Dezentrale Kontrolle Kleine Routingtabellen Hohe Skalierbarkeit, Flexibilität und hoher Durchsatz
Grundlage für unser verteiltes Verkehrsroutingsystem BeeJamA
Sebastian Senge | Echtzeit 2009 | 19.11.2009
5
BeeHive – Abbildung der Konzepte (M. Farooq, 2006) Nature
Computer network packet routing
Scouts
Bee Agents
Foragers
Data Packets
Dance Floor
Routing Table
Hive
Node
Dance
Propagation Delay (Distance) Queuing Delay (Direction)
Vicinity of the Hive
Foraging Zone of a source node
Vicinity of the Food Source
Foraging Region of a destination node (extended search structure)
Sebastian Senge | Echtzeit 2009 | 19.11.2009
6
BeeHive – Tabellen
11
Foraging Zone 10
8
7
Foraging Region 8 5
10
PowerPoint Animation
9
(nicht in PDF 6 Version)
4
IFZ(10) + IFR(10)
0
3
Foraging Region 0 1
Sebastian Senge | Echtzeit 2009 | 19.11.2009
2
2
6
3
6
4
6
7
5
6
7
6
6
7
7
8
8
9
9
11
8
0
6
FRM 1
0
7 7
BeeHive – Routingentscheidungen
11
8
7
10
5
PowerPoint Animation
10 6
9
(nicht in PDF Version)
4
3
0
1
Sebastian Senge | Echtzeit 2009 | 19.11.2009
2
8
Ziele des Routing im Straßenverkehr 1. Durchschnittliche Reisezeit wird minimiert Unerwartete Staus flexible Umleitungsentscheidungen Keine Stauverschiebung auf untergeordnete Straßen
2. (Weiche) Echtzeitbedingungen: Auslastungen werden schnell propagiert Individuelle Routinganweisung kommt rechtzeitig vor jeder Kreuzung
3. Skalierbar auf beliebig große Gebiete Adaptives, vollständig verteiltes Management nötig
Sebastian Senge | Echtzeit 2009 | 19.11.2009
9
BeeJamA – System Verteiltes Verkehrsmanagement
Vehicle-2-Infrastructure (V2I) Architektur Floating Car Data zur Kantenbewertung MAS zum Propagieren der Bewertungen Probabilistisches Hop-to-Hop-Routing Ebenenmodell Hierarchie
Keine globalen Informationen nötig Echtzeitherausforderung: Dynamische Deadlines
Sebastian Senge | Echtzeit 2009 | 19.11.2009
10
BeeJamA – Regional verantwortliche Navigatoren
Ein Navigator pro Bereich (area) Sammelt alle Informationen eines Bereichs Verwaltet die Routingtabellen eines Bereichs Kontinuierliche Kommunikation mit den Fahrzeugen !"#$"%#&'()*
%-52*'(2*4',7
6
!
#
$ %-52*'(2*4',9
8 "
%&'()*+,%-(./*'$011-'2,345*2*4'
Sebastian Senge | Echtzeit 2009 | 19.11.2009
11
BeeJamA - Vehicle-2-Infrastructure (V2I) Architektur
igato
r
PowerPoint Animation Nav
(nicht in PDF Version)
Fahrzeuge als mobile Stausensoren Floating Car Data (FCD) Kantenbewertung basierend auf aktuellen Verkehrsinformationen Propagiert durch Bienenagenten Sebastian Senge | Echtzeit 2009 | 19.11.2009
12
BeeJamA – Ebenenmodell
Knoten = Kreuzungen, Kanten = Straßen Ein Navigator pro Bereich Navigatoren können kommunizieren IFZarea Routingtabelle pro Knoten
Sebastian Senge | Echtzeit 2009 | 19.11.2009
13
BeeJamA - Layered routing
Knoten = Grenzknoten eines Bereichs der Bereichsebene
Grenzknoten eines Bereichs sind vollständig verbunden
Kanten = Pfade auf der Bereichsebene Keine zusätzliche Hardware BeeHive als Routingverfahren Sebastian Senge | Echtzeit 2009 | 19.11.2009
14
BeeJamA – Layered routing
Foraging Regions werden durch Representative Nodes vertreten Routing in die “grobe” Richtung
Sebastian Senge | Echtzeit 2009 | 19.11.2009
15
Dynamische Deadlines: BeeJamA Scheduler Routinganweisungen müssen rechtzeitig kommen (Aber: so spät wie möglich) Weiche Echtzeitbedingung: Bei Miss wird Kürzester-Weg genommen
Sebastian Senge | Echtzeit 2009 | 19.11.2009
16
Dynamische Deadlines: BeeJamA Scheduler Routinganweisungen müssen rechtzeitig kommen (Aber: so spät wie möglich) Weiche Echtzeitbedingung: Bei Miss wird Kürzester-Weg genommen
Nichtpreemptiven, dynamischen (in Bezug auf Deadlines) Scheduler auf Basis von EDF für hohe Task-Anzahl und vielen Deadlineänderungen Experimente: Auf Listen-basierende EDF Scheduler langsam Liste durch M-List (3-stufige Priority Queue) ersetzt Min. um Faktor 30-50 schneller
Sebastian Senge | Echtzeit 2009 | 19.11.2009
17
Erste Simulationsergebnisse Verkehrssimulator Zellularautomat (Nagel/Schreckenberg) Ausschnitts des Ruhrgebiets
Sebastian Senge | Echtzeit 2009 | 19.11.2009
18
Ausblick 1. Umfangreiche Simulationsstudien für MATSim Ruhrgebiet Durchdringungen Dimensionierung von Hardware und Aufwandsabschätzung
2. Bereitstellung eines Generischen Routing Frameworks (GRF) für MATSim 3. Simulation verschiedener Kommunikationsmodell (z.B. mit OmNet++) 4. Hybridexperimente (Simulation und reale Navigation) 5. Lazy Scheduling Sebastian Senge | Echtzeit 2009 | 19.11.2009
19
Sebastian Senge | Echtzeit 2009 | 19.11.2009
20
Fazit BeeJamA
Verteiltes Verkehrsmanagement Vehicle-2-Infrastructure Architektur Floating Car Data zur Kantenbewertung MAS zum Propagieren der Bewertungen Probabilistisches Hop-to-Hop-Routing
Keine globalen Informationen nötig Vorherige Resultate: Reisezeitverkürzung durch Stauvermeidung Echtzeitherausforderung: Dynamische Deadlines
Sebastian Senge | Echtzeit 2009 | 19.11.2009
21
Fragen?
Sebastian Senge | Echtzeit 2009 | 19.11.2009
22
Vielen Dank für Ihre Aufmerksamkeit!
Sebastian Senge | Echtzeit 2009 | 19.11.2009
23