組合せ爆発する経路

2018年12月17～19日に開催された「IVS CTO Night and Day 2018 Winter」にて発表した資料です。

Transcript

1. 組合せ爆発する経路
7. なぜ経路探索が 組合せ爆発するのか
10. どういうこと?
11. 経路探索の要素技術
12. 多様なコスト要因に対して重み付けし それぞれの条件で最適な経路を算出 コスト計算
13. 道路NWデータ 1リンク 全国で2,700万リンク
14. 探索範囲が広がるほど 処理時間が爆発的に増加
15. 現状の対策
16. 中長距離での間引き
17. 間引きを行うことで品質は劣化する しかし、間引かないとレスポンスタイムが悪化
19. 今後やりたいことを考えると 組合せ爆発問題の解決は必須
20. GPU版経路探索エンジン開発への挑 戦
21. 経路探索処理の特徴 • 要素数が多い • リンク数は全国で2700万リンク • 処理の粒度が大きい • 複数の要因から成るリンクのコスト計算 • リンクを拡散するか、しないかの条件判断 • 動的な交通情報、規制情報などの考慮 • ネットワークデータへランダムアクセス
22. 経路探索処理の特徴 • 要素数が多い • リンク数は全国で2700万リンク • 処理の粒度が大きい • 複数の要因から成るリンクのコスト計算 • リンクを拡散するか、しないかの条件判断 • 動的な交通情報、規制情報などの考慮 • ネットワークデータへランダムアクセス
23. 主にやったこと • 探索エンジンを一からフルスクラッチ • CUDAを利用するため • 条件分岐やメモリランダムアクセスはある程度許容する • 減らせる条件分岐は配列アクセスに変換する • メモリ転送は極力減らす • ホスト⇔デバイス間のメモリ転送はかなり遅いため 詳細は省きます、 気になる方はのちほどお声がけください!
24. 10 100 1000 10000 10 100 1000 時間比率 距離[km] 距離と探索時間の比率 GPU Kepler GPU Volta CPU CPU 階層1のみ 実行速度の最新状況
25. ポスターアワードの受賞 周囲はほとんどがAI関連。 アンチパターンにあえて 挑んだことで、他にない 独自性を示すことができた
26. 次にやること
27. 更なる高速化 A*コストあり iteration: 200 A*コストなし • 並列探索時のコストにA*コストを付加
28. 既存サーバ GPUサーバ ①リクエスト解釈 ②GPUに探索リクエスト ③GPU経路探索 ④探索結果返却 ⑤レスポンス返却 稼働中のシステムへの統合 gRPCで既存サーバと接 続 機能キャッチアップ 多対多選 年度内S-in
29. さらに未来の話
31. 究極のパーソナライズへ
32. THANKS!