基于 triples 模式与自调度处理航空器轨迹的基准测试
分布式、并行与集群计算
2021-10-26 v1
摘要
随着无人机系统（UASs）持续融入美国国家空域系统（NAS），需要量化无人机与有人机之间空中碰撞的风险，以支持法规和标准制定。开发和认证避撞系统通常广泛依赖使用航空器飞行概率模型的蒙特卡洛碰撞风险分析仿真。为训练这些模型，需要高性能计算资源。我们已在林肯实验室超级计算中心设计并部署了一个用于处理数十亿条航空器观测数据的高性能计算工作流原型。然而，该原型存在各种计算和存储瓶颈，限制了快速或更全面的分析与建模。为此，我们开发了一种新颖的工作流，利用多种作业启动和任务分发技术来提升性能。该工作流使用两个航空器观测数据集进行了基准测试，包括一个聚焦于机场周边环境的新数据集。优化工作流的并行化方式将执行时间从数周大幅缩短至数天。
引用
@article{arxiv.2110.12858,
title = {Benchmarking the Processing of Aircraft Tracks with Triples Mode and Self-Scheduling},
author = {Andrew Weinert and Marc Brittain and Ngaire Underhill and Christine Serres},
journal= {arXiv preprint arXiv:2110.12858},
year = {2021}
}
备注
8 pages, 9 figures, 2 tables, submission accepted to the 2021 IEEE High Performance Extreme Computing (HPEC) Conference