GMACO-P：用于实现智能交通的 GPU 辅助抢占式 MACO 算法
网络与互联网体系结构
2020-10-28 v1
摘要
车载自组织网络（VANETs）通过设计一些减少拥堵以缩短通勤者出行时间的机制，正在快速发展，以实现城市中的智能交通。低效的交通信号与路由机制是导致道路拥堵加剧的主要因素。为了实现更顺畅的交通流动并减少道路拥堵，必须同时减少交叉口的等待时间并选择最优路径。本文提出了一种 GPU 辅助抢占式 MACO（GMACO-P）算法，以最小化通勤者的总出行时间。GMACO-P 是对 MACO-P 算法的改进，其利用 GPU 的算力提供更快速的计算，从而进一步缩短出行时间。MACO-P 算法基于已有的 MACO 算法，该算法会避开拥堵路径。MACO-P 算法通过引入抢占机制来减少交叉口的平均队列长度，从而保证更短的等待时间。本文提出 GMACO-P 算法，利用 GPU 的算力改进 MACO-P，以进一步减少出行时间。GMACO-P 算法使用 C 语言配合 CUDA toolkit 7.5 执行，并将所得结果与现有的 Dijkstra、ACO、MACO、MACO-P 以及 Dijkstra、ACO 和 MACO 算法的并行实现进行了比较。所得结果表明，使用所提出的 GMACO-P 算法后出行时间显著减少。
引用
@article{arxiv.2010.14244,
title = {GMACO-P: GPU assisted Preemptive MACO algorithm for enabling Smart Transportation},
author = {Vinita Jindal and Punam Bedi},
journal= {arXiv preprint arXiv:2010.14244},
year = {2020}
}
备注
13 pages