Les GPU ouvrent la possibilité de prévoir la météo urbaine pour les drones et les taxis aériens

livraison par drone

Crédit : Unsplash/CC0 Domaine public

L’avenir de la livraison de colis, des taxis et même des plats à emporter dans les villes est peut-être dans l’air, au-dessus des rues encombrées. Mais avant qu’un drone de livraison de pizza puisse atterrir en toute sécurité à votre porte, les opérateurs de ces avions urbains auront besoin de prévisions à très haute résolution qui peuvent prédire comment la météo et les bâtiments interagissent pour créer des turbulences et les impacts qui en résultent sur les drones et autres petits véhicules aériens.

Alors que les scientifiques ont pu exécuter des simulations qui capturent le flux d’air d’une complexité déconcertante autour des bâtiments dans le paysage urbain, ce processus peut prendre des jours, voire des semaines sur un système de supercalcul, une chronologie beaucoup trop lente (et une tâche beaucoup trop coûteuse en calcul) être utile aux prévisionnistes quotidiens.

Aujourd’hui, des scientifiques du National Center for Atmospheric Research (NCAR) ont démontré qu’un nouveau type de modèle entièrement conçu pour fonctionner sur des unités de traitement graphique, ou GPU, a le potentiel de produire des prévisions utiles au niveau de la rue du flux atmosphérique dans les zones urbaines. utilisant beaucoup moins de ressources informatiques et sur une chronologie qui rend plausible les prévisions météorologiques en temps réel pour les drones et autres avions urbains.

Dans une étude publiée récemment dans la revue AGU Avances, l’équipe du NCAR décrit l’utilisation d’un modèle à micro-échelle appelé FastEddy pour simuler les conditions atmosphériques au centre-ville de Dallas.

« Les GPU ont vraiment mûri ces dernières années, et ils ont beaucoup de potentiel pour accélérer la modélisation », a déclaré Domingo Muñoz-Esparza, scientifique du NCAR, auteur principal de l’étude et l’un des principaux développeurs de modèles. « Pour tirer le meilleur parti des GPU, nous avons construit FastEddy à partir de zéro. »

Cette étude a été financée par la National Science Foundation, qui est le sponsor du NCAR, la Defense Threat Reduction Agency, Uber Elevate et la NASA. Les simulations utilisées pour l’étude ont été exécutées sur le système Casper du NCAR-Wyoming Supercomputing Center.

Les prévisions météorologiques traditionnelles sont souvent exécutées à une résolution d’environ 10 à 15 kilomètres (six à neuf miles), ce qui signifie que tout ce qui est plus petit que cela (bâtiments, rues et toute autre complexité du paysage urbain) n’est pas directement capturé. Même les modèles météorologiques haute résolution sont exécutés avec un espacement de 3 à 4 kilomètres (1,8 à 2,5 miles) entre les points de la grille, ce qui peut réduire des villes entières à une poignée de pixels.







Cette animation du modèle FastEddy® montre comment la direction et la vitesse du vent changent lorsqu’un front froid traverse le centre-ville de Dallas. Ces types de changements météorologiques quotidiens pourraient avoir des impacts importants sur la capacité d’exploiter en toute sécurité des drones de livraison ou des taxis aériens dans l’environnement urbain. Voir la vidéo complète en bas de la page. Crédit : Domingo Muñoz-Esparza, NCAR

Le modèle FastEddy, d’autre part, peut être exécuté efficacement à une résolution de seulement 5 mètres (16 pieds), suffisamment fine pour simuler avec précision les tourbillons tourbillonnants et autres caractéristiques d’écoulement turbulent qui se produisent dans le sillage des bâtiments et dans les canyons des rues. D’autres modèles, notamment le système de modélisation WRF-LES (Weather Research and Forecasting Large Eddy Simulations) du NCAR, peuvent également produire des simulations à haute résolution similaires, mais ils utilisent beaucoup plus de ressources informatiques. Ces simulations traditionnelles sont très détaillées et restent importantes pour la recherche fondamentale, mais elles ne sont pas pratiques pour les prévisions au jour le jour.

WRF-LES et d’autres modèles similaires reposent sur des puces informatiques plus traditionnelles, appelées unités centrales de traitement. Les processeurs excellent dans l’exécution de plusieurs tâches, y compris les opérations de contrôle, de logique et de gestion de périphériques, mais leur capacité à effectuer des calculs arithmétiques rapides est limitée. Les GPU sont à l’opposé. Conçus à l’origine pour rendre les jeux vidéo 3D, les GPU sont capables de moins de tâches que les CPU, mais ils sont spécialement conçus pour effectuer des calculs mathématiques très rapidement.

Pour bénéficier de la vitesse accrue offerte par les GPU, NCAR et d’autres institutions de modélisation s’efforcent de moderniser le code de modélisation existant, y compris le modèle de prévision à travers les échelles de NCAR, un modèle météorologique mondial, pour utiliser partiellement les GPU. Le résultat peut être plus efficace et plus rapide que les versions originales, mais il y aura toujours des inefficacités persistantes en raison des goulots d’étranglement créés par les processeurs dans ces approches hybrides. Pour profiter pleinement de la promesse de l’accélération GPU, le code d’un modèle doit être écrit de manière à ce que tous les calculs du modèle soient effectués par des GPU.

FastEddy a été écrit à partir de zéro, principalement par les scientifiques du NCAR Jeremy Sauer et Domingo Muñoz-Esparza, pour faire exactement cela. Le résultat est un modèle dont le taux de prédiction est six fois plus rapide pour une consommation d’énergie similaire (ou une consommation d’énergie huit fois inférieure pour le même taux de prédiction) qu’un modèle de processeur équivalent.

« Si vous voulez faire des prévisions à micro-échelle en temps réel, vous devez être aussi rapide que les GPU peuvent l’être », a déclaré Muñoz-Esparza.

Un changement de vent : les sillages changeants des bâtiments

Pour la nouvelle étude, les scientifiques ont utilisé FastEddy pour simuler la météo urbaine au centre-ville de Dallas pour plus de 50 scénarios météorologiques sélectionnés en 2018. Les résultats ont confirmé les dangers potentiels de se fier uniquement à des prévisions météorologiques à résolution beaucoup plus grossière pour les opérations aériennes dans la « canopée urbaine ». . »






Crédit : NCAR & UCAR

Par exemple, les scientifiques ont découvert que dans l’après-midi, lorsque l’air chauffé par le soleil à la surface monte, se refroidit et retombe, créant une circulation verticale, les vents dans la canopée urbaine à 26 mètres (ou 85 pieds) au-dessus du sol ont tendance à être alignés avec la direction du vent de fond à grande échelle à la même hauteur. Mais la nuit et au petit matin, lorsque l’atmosphère est plus stable, les vents à travers la canopée urbaine sont en fait décalés de la direction des vents de fond à grande échelle. En fait, les sillages derrière les bâtiments peuvent se déplacer jusqu’à 45 degrés dans le sens des aiguilles d’une montre par rapport à la direction du temps entrant.

De manière générale, l’effort de modélisation a également montré comment le temps dans la canopée urbaine change, en moyenne, au cours des saisons, mais aussi que des jours individuels peuvent afficher des variations marquées au cours du même mois, et même au cours de la même période de 24 heures, soulignant l’importance des prévisions en temps réel plutôt que de se fier à des moyennes.

De telles prévisions pourraient aider les exploitants d’aéronefs à déterminer s’ils peuvent atteindre leurs objectifs en toute sécurité, ainsi que la charge de batterie nécessaire. Selon Muñoz-Esparza, les turbulences dans la canopée urbaine peuvent entraîner une décharge des batteries trois fois plus rapide qu’elles ne le feraient autrement, ce qui pourrait laisser un avion bloqué dans la ville.

Au-delà de la modélisation de la turbulence et de la direction du vent dans la canopée urbaine, l’équipe FastEddy travaille sur d’autres applications possibles du modèle, notamment un nouveau projet visant à modéliser la façon dont le son produit par les taxis aériens pourrait se propager dans une ville.

Ils travaillent également à ajouter plus de détails et plus de physique dans le modèle. Pour l’expérience de Dallas, les simulations ont été lancées en utilisant la sortie d’un modèle météorologique traditionnel avec une résolution de 3 kilomètres (1,8 miles), y compris la vitesse et la direction du vent, ainsi que la température. FastEddy a ensuite pris ces variables à grande échelle et les a réduites pour simuler les flux atmosphériques à micro-échelle.

L’équipe FastEddy travaille maintenant à étendre la capacité du modèle en ajoutant une dynamique humide et des nuages, ce qui rendra ces prévisions météorologiques à micro-échelle encore plus réalistes. De plus, l’extraordinaire efficacité de FastEddy permet d’exécuter le modèle plusieurs fois pour la même période, une technique connue sous le nom de prévision d’ensemble. Cela permet aux scientifiques de mieux comprendre à quel point une prévision est certaine (ou incertaine) et de fournir généralement des conseils plus solides et plus fiables aux exploitants d’aéronefs.

« Nous voulons avoir la possibilité sur la route d’une prévision météorologique complète mais à l’échelle microscopique, quelque chose de complet », a déclaré Muñoz-Esparza. « C’est une période vraiment excitante pour être impliqué dans ce type de modèle de GPU. Il y a tellement de potentiel. »


Un réseau de neurones améliore les prévisions des aléas de tempêtes sévères


Plus d’information:
Domingo Muñoz-Esparza et al, Efficient Graphics Processing Unit Modeling of Street-Scale Weather Effects in Support of Aerial Operations in Urban Environment, AGU Avances (2021). DOI : 10.1029/2021AV000432

Fourni par NCAR et UCAR

Citation: Les GPU ouvrent la possibilité de prévoir la météo urbaine pour les drones et les taxis aériens (2021, 29 septembre) récupéré le 29 septembre 2021 à partir de https://techxplore.com/news/2021-09-gpus-potential-urban-weather-drones.html

Ce document est soumis au droit d’auteur. En dehors de toute utilisation équitable à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans l’autorisation écrite. Le contenu est fourni seulement pour information.