Об использовании интеллектуальной гибридной модели MapReduce-MPI для решения проблем ЧС с применением мобильных устройств. About using intellectual hybrid MapReduce-MPI model to solve disaster problems using mobile devices.

Abstract

В статье представлены результаты вычислительного эксперимента, в ходе которого разработанная ранее MapReduce платформа для распределенных высокопроизводительных вычислений была впервые применена для решения задачи не относящейся к численным. В частности были смоделированы условия чрезвычайной ситуации, спроектирован и формализован алгоритм решения, разработана реализация программного обеспечения с применением многоагентных-технологий и мобильных устройств. Мобильными устройствами в данном случае являются смартфоны и планшетные компьютеры имеющие модуль доступа к беспроводным сетям и обладающие функционалом определения координат собственного положения.Ядром данного приложения является функционал, способный использовать индивидуальное программное обеспечение отдельно взятых вычислительных узлов для решения общих задач, а именно возможность использования геолокационных систем отдельных устройств за счет вызова компонентов мобильных систем. Полученные таким образом данные далее используются для расчета оптимальных точек эвакуации, формирования и интерактивной преподачи маршрута до определенных точек эвакуации каждому устройству, а так же расчета оптимального пути следования транспорта эвакуации служб ЧС. К полученным новшествам так же относятся модификация алгоритма кластеризации к-вершин, а так же эмпирические данные о работе платформы при решении задач не относящихся к классу численных. This article presents a case study on applying novel MapReduce platform to solve a disaster management assistance problem. It was initially designed to solve numeric problems in a distributed fashion, making use of parallel computing capabilities of individual nodes. In this case we apply the platform as a distributed computing environment that collects user location data, computes optimal evacuation points, guides mobile device users to them and, nally, computes the optimal pick up route. Throughout this process it makes extensive use of vendor provided geolocation, wireless networking and peer-to-peer communication capabilities. Presented research novelties include advanced clustering k-means algorithm modication and real data on the working extension of the previously designed framework. Conducted studies also prove that agent self-organization phenomena is not only helpful when organizing infrastructure level workload distribution, but is eciently used and has positive impact on application performance as individual device (computing node) capabilities are used as building block to achieve general system goal. The problem solved proves the platform to be of relevance to multi-functional needs and demonstrates its ability to incorporate independent (device specic) functions of the infrastructure nodes. Moreover, it is proven for the first time that the platform can be treated a multi-functional (general propose) programming environment, given that application algorithm requires distributed and parallel computing efforts.