Super-scalable urban traffic simulation

Abstract

Symulacja ruchu miejskiego wymaga wysokiej jakości modeli mikroskopowych, zdolnych do odwzorowania złożonych sieci drogowych oraz zróżnicowanych zachowań kierowców, przy jednoczesnym zachowaniu skalowalności na systemach obliczeń wysokiej wydajności (HPC). Istniejące podejścia często napotykają ograniczenia skalowalności, opierają się na uproszczonych modelach lub nie zapewniają pełnej poprawności przy wykonaniu równoległym. Niniejsza rozprawa przedstawia superskalowalny, ciągły, mikroskopowy algorytm symulacji ruchu drogowego, zaimplementowany w narzędziu HiPUTS (High- Performance Urban Traffic Simulator). Zaproponowane podejście łączy geometryczny podział przestrzeni, zdecentralizowaną aktualizację stanu oraz schemat komunikacji zaprojektowany w celu osiągnięcia niezmienności skali przy jednoczesnym zachowaniu zgodności między wykonaniem sekwencyjnym a rozproszonym. HiPUTS wspiera szczegółowe modele jazdy za pojazdem, automatyczny podział rzeczywistych miejskich sieci drogowych oraz adaptacyjną redystrybucję obciążenia. Wyniki eksperymentów wykazują silną i słabą skalowalność przy wykorzystaniu tysięcy rdzeni CPU, z przyspieszeniem bliskim liniowemu lub superliniowym. Ocena potwierdza zdolność metody do efektywnej symulacji wielkoskalowych systemów ruchu miejskiego, które wcześniej pozostawały poza praktycznym zasięgiem obliczeniowym. Praca stanowi podstawę metodologiczną dla rozproszonych symulacji ruchu miejskiego oraz wspiera przyszłe zastosowania w analizie wielkoskalowej, zarządzaniu ruchem i prognozowaniu w czasie rzeczywistym.

Urban traffic simulation requires high-fidelity microscopic models capable of representing complex road networks and heterogeneous driver behaviors while remaining scalable on high-performance computing systems. Existing approaches often face limitations in scalability, rely on simplified models, or compromise correctness under parallel execution. This thesis introduces a super-scalable continuous microscopic traffic simulation algorithm, implemented in HiPUTS (High-Performance Urban Traffic Simulator). The proposed approach combines geometry-based spatial decomposition, decentralized state updates, and a communication scheme designed to achieve scale invariance while preserving consistency between sequential and distributed executions. HiPUTS supports detailed car-following models, automatic partitioning of real-world urban networks, and adaptive load redistribution. Experimental results demonstrate strong and weak scalability on thousands of CPU cores, with near-linear or super-linear speedup in many scenarios. The evaluation confirms the method’s ability to efficiently simulate large-scale, high-resolution urban traffic systems previously beyond practical computational reach. The work provides a methodological foundation for distributed urban traffic simulation and supports future applications in large-scale analysis, traffic management and real-time prediction.