CC BY
75
Privalov Aleksandr Nicolaevich, doctor of technical science, professor, privalov. 61 @,mail.ru, Russia, Tula, Tula State Pedagogical University,
Dumchev Sergey Viktorovich, deputy director on technical issues, Ser-gey.Dumchev@tularegion.ru, Russia, Tula, Information Technology Center,
Vnukov Vladimir Anatolyevich, consultant of project department, Vladimir. Vnukov@,tularegion.ru, Russia, Tula, Information Technology Center
УДК 519.6
МОДЕЛИРОВАНИЕ ИНФОРМАЦИОННЫХ ПРОЦЕССОВ
В ТРАНСПОРТНОЙ ИНФОРМАЦИОННОЙ СИСТЕМЕ
А.Н. Привалов, А. Л. Екатериничев, В.Ю. Колокольцев
Приведена постановка задачи повышения эффективности функционирования транспортной информационной системы. Рассматриваются основные классы моделей, пригодных для формализации информационных процессов в распределённой вычислительной системе, построенной на клиент-серверной платформе.
Ключевые слова: клиент-серверная платформа, мобильное приложение, клиентская часть, серверная часть.
Одним из направлений информатизации общества является развитие информационных систем и технологий, направленных на удовлетворение потребностей человека, в том числе в транспортных услугах. В значительной степени это характерно для крупных городских агломераций, обеспечение транспортом в которых обладает признаками сложной системы. В этой связи уместно ставить вопрос о разработке информационной системы, нацеленной на повышение эффективности управления транспортными потоками и повышение удобства использования для пассажиров.
Указанные критерии в значительной степени не совпадают, иногда может возникать ситуация конфликта, однако указанное обстоятельство не только не умаляет, но и предполагает развитие моделей функционирования транспортных информационных систем.
В этой связи в стране был разработан, утвержден и введен в действие с 1 марта 2012 года ГОСТ Р ИСО 14813-1-2011. «Интеллектуальные транспортные системы. Схема построения архитектуры интеллектуальных транспортных систем». Стандарт идентифицирует 11 сервисных доменов, внутри каждого из которых определены многочисленные сервисные группы. Информационные сервисы для пассажиров общественного
180
транспорта представлены в домене информирование участников движения. Сервисные группы в рамках домена информирования участников движения, осуществляют обеспечение пользователей как статической, так и динамической информацией о ситуации в транспортной сети и услугах перед началом поездки и во время нее, а также предоставляют профессиональным транспортникам возможность для сбора, архивирования и управления информацией для деятельности, связанной с планированием рейсов [1].
К настоящему времени около 70% населения Тульской области ежедневно пользуются услугами общественного транспорта. При этом не на всех остановочных пунктах предусмотрены информативные табло о движении транспорта и карты маршрутов движения транспортных средств, что осложняет ориентирование в транспортной инфраструктуре региона.
Кроме того, при перемещении между муниципальными образованиями часто возникает проблема задержки рейса. В этой связи разработка информационной системы (ИС), реализующей задачу выбора маршрута, удовлетворяющего индивидуальным требованиям человека представляется весьма актуальной. К настоящему времени разработана информационная система «Транспорт71», помогающая жителям и гостям Тульской области ориентироваться в потоке общественного транспорта, обеспечив прозрачность и общедоступность информации. Информационная система реализована в виде мобильного приложения.
Приложение позволяет не только узнать, где находится нужное транспортное средство, но и построит оптимальный маршрут к заданному месту на всей территории Тульской области, рассчитав предположительное время в пути. В таблице 1 представлен сравнительный анализ функционала приложения по сравнению с имеющимися ранее.
Таблица 1
Сравнение функционала имеющихся транспортных приложений _и информационной системы «Транспорт71» _
Функции 2GIS Яндекс. Транспорт ЕТранс-порт WikiRoutes Транспорт71
1 2 3 4 5 6
Определение текущего 1 1 1 1 1
местоположения
Поиск ближайших оста- 1 1 1 1 1
новок
Планирование маршрута
со всеми возможными
вариантами проезда, пе- 1 1 0 0 1
ресадками на разные ви-
ды транспорта
Расчет ориентировочного 1 0 0 0 1
времени в пути
Продолжение таблицы 1
1 2 3 4 5 6
Отображение на каждом
остановочном пункте 1 1 1 1 1
списка всех проходящих
маршрутов
Отображение схем мар-
шрутов движения с оста- 0 0 0 0 1
новками по городу Тула и МО Тульской области
Отслеживание местопо-
ложения транспортного 0 1 1 0 1
средства
Расчет стоимости про- 0 0 0 1 1
ложенного маршрута
Отображение информа-
ции о движении транс- 0 0 0 0 1
порта между МО Тульской области
Функция отправки жалоб
на водителей и кондук- 0 0 0 0 1
торов
Отображение на карте
автостанций Тульской 1 1 0 0 1
области
Защита персональных 0 0 0 0 1
данных
Возможность авториза-
ции в приложении через 0 0 0 1 1
социальные сети
Возможность доработ-
ки/добавления нового 0 0 0 0 1
функционала
ИТОГО 6 6 4 5 14
Разработанная информационная система представляет собой сложную распределённую вычислительную систему, построенную на клиент-серверной платформе, клиентскую часть которой пользователь устанавливается непосредственно на мобильное устройство. Передача данных осуществляется по защищенному каналу связи. Управление доступом к платформе осуществляется администратором. Синхронизация клиентской и серверной части производится автоматически по беспроводной связи, таким образом, изменения в местоположении транспортного средства будут отображаться в режиме реального времени.
Приложение предполагает интеграцию с сайтом «Открытый регион 71». При этом данные из клиентской части мобильного приложения напрямую по API отправляются на портал openregion71.ru, где они обрабаты-
182
ваются модераторами сайта. Приложение так же обменивается данными с порталом opendata71.ru следующим образом: приложение запрашивает данные представленные в XML-формате, обновленные с предыдущей синхронизации, при этом сервер «Открытых данных 71» обновляет только те пакеты данных, которые имеют более позднюю версию. При этом полученные XML-документы предварительно обрабатываются скриптом пар-синга, нормализуются и записываются в базу MySQL. Для каждого документа существует одна категория в базе. Клиентская часть напрямую подключается к серверной через API и получает обновленные данные через сеть Интернет, которые сохраняются на мобильном устройстве пользователя и позволяют работать с мобильным приложением без подключения к сети Интернет.
Для использования данных с сайта www.Pt.tulatrans.ru, а так же данных из баз MS SQL МКП «Тулгорэлектротранс» и ОАО «ЦДС ТО» клиентская часть приложения напрямую подключается к серверной через API. Серверная часть, обслуживающая приложение, осуществляет обращение к базам МКП «Тулгорэлектротранс» и ОАО «ЦДС ТО» по открытому HTTP/HTTPS-протоколу с передачей параметров посредством GET. Данные, запрашиваемые клиентом включают в себя обязательные параметры (номер маршрута, направление и т.д.). Таким образом клиентская часть напрямую подключается к серверной через API и получение актуальных данных происходит непосредственно из баз MS SQL через сеть Интернет.
Для эффективной работы информационной системы предлагается реализовать моделирование протекающих в ней информационных процессов с целью получения количественных характеристик функционирования и выработки рациональных алгоритмов работы системы.
Задание каждого из протекающих в сетевой структуре ИС информационных процессов (ИП) на множестве ресурсов системы позволяет естественным образом описать совокупность ИП с помощью сетей массового обслуживания. В общем случае такая сеть связывается с реализацией некоторой совокупности информационных процессов, различающихся не только требованиями к ресурсам системы, но и относительной важностью (срочностью). Это означает, что имеется потребность в моделировании и анализе как однородных, так и неоднородных, в том числе, приоритетных совокупностей информационных процессов. Рассмотрим вопрос анализа однородных совокупностей информационных процессов. Результатом такого анализа должен стать расчёт основных характеристик совокупностей информационных процессов, отображающих функционирование соответствующих АС. Данные, полученные в результате такого расчёта, необходимы для решения задач оптимизации ИП.
В настоящее время в качестве инструмента анализа сетей массового обслуживания (МО) всё шире используются аналитические модели, обладающие достаточной гибкостью при исследовании различных вариантов структурного построения информационных систем и облегчающие разработку процедур оптимизации информационных процессов. Существует значительное число работ, посвящённых аналитическим моделям сетей МО [1, 2].
Однако большинство существующих моделей сетей МО могут быть использованы лишь для отображения однородных совокупностей информационных процессов. Рассмотрим основные классы таких моделей.
Достаточно широко распространёнными является модель Джексона, предназначенная для анализа открытых сетей МО, и модель Гордона -Ньюэлла, описывающая замкнутые сети [1,3]. Обе модели основаны на идее поузлового анализа сети. Смысл такого подхода заключается в том, что при соблюдении некоторых условий каждый узел сети ведёт себя так, как если бы он был независимой системой массового обслуживания (СМО) т.е. может рассматриваться изолированно и поэтому вычисление характеристик обслуживания упрощается. Соответствующие условия заключаются в следующем.
Сеть строится путём соединения конечного числа J СМО и включения внешнего источника. Заявки поступают в узел ] из внешнего источника в соответствии с пуассоновским потоком интенсивности Хо| ] = 1,1. В узле у содержится некоторое число идентичных обслуживающих приборов с с экспоненциальным временем обслуживания заявок интенсивностью Ц] В каждом узле могут образовываться неограниченные очереди с дисциплиной выбора в порядке поступления заявок, причём очередь образуется лишь в том случае, когда все приборы заняты. Заявка, обслуженная в узле
I _
у, с вероятностью 0]к поступает в узел к (9]к>0, I 0^ = 1, у = 1, J, где ин-
к=0
декс 0 относится к внешней среде).
Состояние сети массового обслуживания в произвольный момент времени определяется вектором п =(п1, п2,..., И]), где И]- число заявок в очереди и на обслуживание в узле у, у = 1, J.
Обозначив полную суммарную интенсивность потока заявок, поступающих в узел у, можно показать, что ^ удовлетворяет системе линейных уравнений:
I _
^ = ^ + I 40к], у = 1, J. (1)
к=1
Для открытой сети система уравнений (1) имеет единственное решение. Если же при этом полученное решение удовлетворяет неравенствам:
Ц< С к, - = 1,3, (2)
то стационарное распределение вероятностей существует и имеет вид:
Р(п7, пъ..., п-) = Р1ЫХ Р2(«2) х...х^(п-), (3)
где Р](п7) -стационарная вероятность обнаружения п заявок в СМО М/М/С с параметрами Х= Х-, ^ = ^ и с=с^
Для замкнутой сети характерно наличие конечного и фиксированного числа заявок, которые циркулируют в сети таким образом, что ни од-
3
на новая не может в сеть поступить, т.е. ^ =0 и Е =1 для всех к.
-=1
При этом система (1) имеет бесконечное множество решений. Однако это обстоятельство не является помехой для количественного исследования сети поскольку для расчёта её характеристик достаточно знать лишь некоторое произвольное решение системы. При этом (1) записывается в виде:
3 = Е Ч 0^ , (4)
к=1
где е определяет среднее число посещений заявкой узла - (относительно некоторого выбранного узла).
Если в системе циркулирует К заявок, то стационарное распределение вероятностей состояний сети имеет вид:
1 3
РП п2,..., п) =—- ПУ-(п-), (5)
С(к) /=1
п,-
3 -
где п/> 0, Е пj = К; у- (п-) =--- при п- Ф 0 и у (0) =1;
/=1 п /
Ч
Пт- (к) к=1
т-(к) = т-шт(к, с-), а нормирующий множитель
О(к) = Е П У- (п-). (6)
п +...+п- = к-=1
Основные трудности в данной модели связаны с расчётом нормирующей константы О. Существующие методы расчёта этой величины различаются вычислительной сложностью и затратами ресурсов на вычисления. Наиболее популярным является метод свёртки [1].
Определённую популярность приобрели так называемые диффузионные и агрегативные модели сетей массового обслуживания. [1, 4], позволяющие отображать функционирование однородных совокупностей информационных процессов.
Модели первого из названных типов основаны на использовании хорошо развитого математического аппарата описания процессов диффузии в качестве приближённого отображения процессов обслуживания заявок в сети. Модели второго типа связаны с декомпозицией сложной сети на агрегаты, которые могут исследоваться по отдельности при установлении соответствующих взаимосвязей между ними.
Рассмотренные модели не учитывают различия в характере обслуживания заявок разных классов и поэтому могут применяться для получения лишь обобщённых характеристик функционирования сетевых структур информационных систем. При этом выбор модели для поведения необходимых расчётов должен основываться не только на общих свойствах исследуемой системы (открытый или замкнутый контур обслуживания, структура системы и т.д.), но и на характеристиках собственно модели в плане трудоёмкости и точности расчётов. В таблице 2 приведена сводная обобщённая характеристика указанных моделей по показателям точности и трудоёмкости расчётов [1].
Таблица 2
Обобщённая характеристика моделей по показателям точности
и трудоёмкости расчётов
Характеристики Модели сети массового обслуживания
Модель Джексона (а) Модель Гордона-Ньюэлла (б) Диффузионная модель (в) Агрегативная модель (г)
Точность расчётов 8у<10% 8Ц<10% 8к<3% (Эрланг 1+5) 8р» 5+10%
Трудоёмкость расчётов В а» к? Вб» к? Вв< Вг Вг< Вб
Тип исследуемой сети МО открытая замкнутая замкнутая открытая замкнутая открытая
Здесь точность расчётов определяется относительной ошибкой в определении основных характеристик функционирования исследуемой системы, таких как:
средняя задержка заявки в системе(бу); среднее время ожидания обслуживания(5ц); среднее число заявок в системе(бм); загрузка узлов(5р).
Для случаев (а) и (б) указанные оценки получены в результате экспериментов, а для случаев (в) и (г) - с помощью имитационного моделирования. Трудоёмкость расчётов - В оценивается средним числом операций ЭВМ, при этом I обозначает число узлов исследуемой сети, а I- количество протекающих в ней информационных процессов.
186
Таким образом, предложенный математический аппарат позволяет получать количественные характеристики функционирования и выработки рациональных алгоритмов работы системы.
Список литературы
1. ГОСТ Р ИСО 14813-1-2011 Интеллектуальные транспортные системы. Схема построения архитектуры интеллектуальных транспортных систем.
2. Балыбердин В.А. Оптимизация информационных процессов в распределённых системах обработки данных [Текст] / В.А. Балыбердин, А.М. Белевцев, О.А. Степанов. М.: Технология, 2002. 280 с.
3. Привалов А.Н. Моделирование информационных процессов в вычислительной подсистеме с применением агрегативных моделей [Текст] / В. Л. Кулешов, А.Н. Привалов // Научные ведомости Белгородского государственного университета. Серия: Экономика. Информатика, 2009. Т. 12. № 15-1. С. 106-111.
4. Привалов А.Н. Моделирование информационных процессов в вычислительной подсистеме тренажёрных систем специального назначения [Текст] / А.Н. Привалов. Тула: Изд-во ТулГУ, 2009. 215 с.
Привалов Александр Николаевич, д-р техн. наук, проф., privalov.61@,mail.ru, Россия, Тула, Тульский государственный педагогический университет им. Л.Н. Толстого,
Екатериничев Алексей Львович, канд. тех. наук, доц., Alexey.Ekaterinichev@,tularegion.ru, Россия, Тула, Государственное автономное учреждение Тульской области «Центр информационных технологий»,
Колокольцев Вадим Юрьевич, ведущий специалист,
Vadim.Kolokolcev@tularegion.ru, Россия, Тула, государственное автономное учреждение Тульской области «Центр информационных технологий»
MODELING OF INFORMA TION PROCESSES IN TRANSPORT INFORMA TION SYSTEM A.N. Privalov, A.L. Ekaterinichev, V. Y. Kolokolcev
Shows the formulation of the problem to enhance the functioning of the transport information system. We consider the basic classes of models suitable to formalize information processes in a distributed computing system based on client-server platform.
Key words: client-server platform, mobile app, client side, server side.
Privalov Aleksandr Nicolaevich, doctor of technical science, professor, privalov. 61 amail. ru, Russia, Tula, Tula State Pedagogical University,
Ekaterinichev Alexey Lvovich, candidate of technical science, docent, Alex-ey.Ekaterinichev@tularegion.ru, Russia, Tula, Center of Information Technologies,
187
Kolokolcev Vadim Yrevich, leading expert, Vadim.Kolokolcev@tularegion.ru, Russia, Tula, Center of Information Technologies
УДК 004.383.3
АЛГОРИТМИЧЕСКОЕ И ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ ВЫБОРА СТРУКТУРЫ РАСПРЕДЕЛЕННОГО ОБЛАЧНОГО КЛАСТЕРА НА БАЗЕ НЕЙРОКОМПЬЮТЕРОВ
В. А. Романчук, В.В. Лукашенко, В.Н. Ручкин
Предложена методика функционирования системы управления вычислительным кластером на базе нейрокомпьютеров. Особое внимание методики уделяется этапу выбора структуры вычислительного кластера в связи с тем, что существующие методы не являются эффективными из-за специализированной аппаратной базы -нейрокомпьютеров, которые представляют собой высокопараллельные вычислительные устройства с архитектурой, отличной от архитектуры фон Неймана. Описан разработанный алгоритм выбора вычислительной структуры облачного кластера исходя из направления передачи данных в графе потока управления программы и его матрицы смежности.
Ключевые слова: вычислительная система, облачные вычисления, выбор структуры, граф потока управления, нейрокомпьютер.
В современной научной и производственной сфере достаточно актуальна задача использования систем распределенной обработки данных и их логического развития - систем облачных вычислений из-за недостаточности вычислительных ресурсов для решения ряда задач. В основе любых систем глобальных распределенных вычислений лежит модель вычислений. Модель вычислений осуществляет связь между архитектурой и моделью программирования в вычислительных системах, а также отражает взаимодействие процессов в них. Но в настоящее время для классифицированных технологий глобальных распределенных вычислений универсальных моделей не построено, что объясняется сильной зависимостью модели вычислений от архитектуры распределенной системы.
В работе рассматривается модель вычислений глобального распределенного вычислительного кластера на базе нейрокомпьютеров, которая имеет программную реализацию в виде системы управления глобальным распределенным вычислительным кластером. Для последовательной разработки описанной системы предложена методика функционирования системы управления вычислительным кластером. На рис. 1 показана последовательность этапов этой методики.
