[Matsim]Matsim学习笔记-车辆和订单匹配的逻辑

学习需求

matsim扩展包中DRT动态线路的场景是,给定一些车辆、一些订单,进行车辆和订单的匹配,类似滴滴的拼车功能

学习笔记

车辆和订单匹配的源码

  • 输入参数:未规划的订单请求
public void scheduleUnplannedRequests(Collection<DrtRequest> unplannedRequests) {
    	//当前模拟的时间戳
		double now = timeOfDay.getAsDouble();
        //请求被距离的订单
		List<DrtRequest> requestsToRetry = insertionRetryQueue.getRequestsToRetryNow(now);
		if (unplannedRequests.isEmpty() && requestsToRetry.isEmpty()) {
			return;
		}
		//创建车辆信息
		var vehicleEntries = forkJoinPool.submit(() -> fleet.getVehicles().values().parallelStream().map(v -> vehicleEntryFactory.create(v, now)).filter(Objects::nonNull).collect(Collectors.toMap(e -> e.vehicle.getId(), e -> e))).join();

		// first retry scheduling old requests
		requestsToRetry.forEach(req -> scheduleUnplannedRequest(req, vehicleEntries, now));

		// then schedule new requests
		for (var reqIter = unplannedRequests.iterator(); reqIter.hasNext();) {
			scheduleUnplannedRequest(reqIter.next(), vehicleEntries, now);
			reqIter.remove();
		}
	}

代码的整体逻辑
这段Java代码定义了一个名为scheduleUnplannedRequests的方法,它用于调度未计划的DRT(需求响应交通)请求。以下是该方法的逻辑概述:

  1. 获取当前时间

    • 从时间提供者(timeOfDay)获取当前仿真时间now
  2. 检查请求是否为空

    • 如果传入的未计划请求集合unplannedRequests和重试队列requestsToRetry都是空的,则直接返回。
  3. 创建车辆入口信息

    • 使用forkJoinPool并行处理车队中所有车辆的入口信息创建。这涉及到为每辆车调用vehicleEntryFactory.create(v, now),并收集非空的车辆入口信息到一个映射vehicleEntries中,键为车辆ID。
  4. 重试调度旧请求

    • 遍历requestsToRetry中的每个请求,并使用scheduleUnplannedRequest方法尝试重新调度这些请求。
  5. 调度新请求

    • 遍历unplannedRequests中的请求,并使用scheduleUnplannedRequest方法调度每个请求。在调度后,从迭代器中移除已处理的请求。

关键点解释:

  • DrtRequest:代表需求响应交通中的请求。
  • insertionRetryQueue:一个队列,包含之前未能成功插入且需要重试的请求。
  • fleet:表示系统中的车队,包含所有可用车辆的信息。
  • vehicleEntryFactory:一个工厂,用于创建车辆入口信息。
  • forkJoinPool:一个并发执行任务的线程池,用于并行处理任务。
  • scheduleUnplannedRequest:一个方法,用于尝试将单个未计划请求调度到合适的车辆。

这个方法体现了在DRT系统中对未计划请求进行调度的逻辑,包括对旧请求的重试和新请求的调度。通过并行处理车辆入口信息的创建,提高了调度过程的效率。此外,通过迭代器的remove操作,确保了在调度过程中对已处理的请求进行清理,避免重复调度。
其中有一段是并行处理的逻辑

var vehicleEntries = forkJoinPool.submit(() -> fleet.getVehicles().values().parallelStream().map(v -> vehicleEntryFactory.create(v, now)).filter(Objects::nonNull).collect(Collectors.toMap(e -> e.vehicle.getId(), e -> e))).join();

这段代码使用Java 8的流(Stream)API和ForkJoinPool来并行处理任务,目的是为了创建车辆入口信息的集合。以下是详细解释:

  1. 并行流

    • fleet.getVehicles().values().parallelStream():从车队fleet中获取所有车辆的集合,并创建一个并行流。并行流可以利用多核处理器来加速处理过程。
  2. 映射车辆到入口信息

    • .map(v -> vehicleEntryFactory.create(v, now)):对并行流中的每个车辆v,调用vehicleEntryFactory.create(v, now)方法来创建车辆入口信息。这里now是当前的时间戳,用于计算车辆的初始状态。
  3. 过滤非空结果

    • .filter(Objects::nonNull):过滤掉任何null结果,确保只保留成功创建的车辆入口信息。
  4. 收集到映射

    • .collect(Collectors.toMap(e -> e.vehicle.getId(), e -> e)):将流中的元素收集到一个映射(Map)中。映射的键是车辆的ID,值是对应的车辆入口信息对象。
  5. 提交并行任务

    • forkJoinPool.submit(...):将上述流操作提交给ForkJoinPool执行。ForkJoinPool是专为递归任务设计的算法实现,适合大量小任务的并行处理。
  6. 等待结果

    • .join():等待ForkJoinPool中提交的任务完成,并返回计算结果。在这个上下文中,返回的结果是包含所有车辆入口信息的映射。
  7. 赋值

    • var vehicleEntries:使用局部变量类型推断(Java 10引入的特性)来声明结果映射,无需显式指定其类型。

这段代码的最终结果是创建了一个名为vehicleEntries的映射,其中包含了所有车辆的入口信息,每个信息都与其车辆ID相关联。这种并行处理方式可以显著提高大规模车队状态更新的性能。

你可能感兴趣的:(matsim,#+,matsim,学习,笔记,matsim)