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:
-
获取当前时间:
- 从时间提供者(
timeOfDay
)获取当前仿真时间now
。
- 从时间提供者(
-
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。
- 如果传入的未计划请求集合
-
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。
- 使用
-
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。
- 遍历
-
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。
- 遍历
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:
-
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。
-
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。
-
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。
-
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。
-
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。
-
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。
-
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。