Содержание к диссертации
Введение
Глава 1 Обзор состояния дел предметной области 7
1.1 Визуализация проблемно-ориентированных динамических сцен в системах поддержки принятия решений 9
1.2 Визуализация служебных динамических сцен в системах поддержки принятия решений 21
1.3 Технологии визуализации геоданных и геоинформационные системы 26
1.4 Использование социальных медиа в задачах управления крупными городскими территориями 37
1.5 Выводы по главе 1 40
Глава 2 Архитектура и принципы функционирования инструментальной среды 41
2.1 Требования к перспективным СППР управления КГТ 41
2.2 Состав и общая архитектура ИС РГИС 47
2.3 Интеграция с внешними источниками данных и средствами моделирования 50
2.4 Построение и визуализация социально-экономических индексов, характеризующих развитие КГТ 55
2.5 Выводы по главе 2 59
Глава 3 Геовизуальная оболочка ИС РГИС 61
3.1 Виртуальный земной шар 61
3.2 Визуализация земной поверхности и проблема дребезга вершин 70
3.3 Визуализация геоданных 78
3.4 Визуализация графа 85
3.5 Выводы по главе 3 88
Глава 4 Экспериментальные исследования и приложения ИС РГИС 89
4.1 Экспериментальные исследования производительности и быстродействия ГО 89
4.2 Система поддержки принятия решений для предотвращения угрозы наводнений 96
4.3 Система поддержки принятия решений для предотвращения распространения эпидемий в городской среде 103
4.4 Выводы по главе 4 109
Заключение 110
Список использованных источников 113
- Визуализация служебных динамических сцен в системах поддержки принятия решений
- Построение и визуализация социально-экономических индексов, характеризующих развитие КГТ
- Визуализация земной поверхности и проблема дребезга вершин
- Система поддержки принятия решений для предотвращения угрозы наводнений
Визуализация служебных динамических сцен в системах поддержки принятия решений
Геопространственные динамические сцены. Повышение доступности использования геопространственных данных имеет серьезное значение для поддержки принятия решений. Развитие ГИС с разнообразными средствами визуализации геопространственных данных [6] предоставляет специалистам в области управления КГТ обширный набор инструментов мониторинга возникающих проблем и реагирования на них [7]. Например, на рис. 1.1 представлен пример использования ГИС для задачи эпидемиологического мониторинга, связанного с социальной мобильностью населения.
Динамическая сцена распространения пандемии из Чикаго, штат Иллинойс. (а) Последствия вспышки после 40 дней с использованием модели с одним точечным источником распространения. (б) Последствия вспышки после 40 дней, учитывающие авиаперевозки между 15 крупнейшими аэропортами США Часто в качестве ГИС-интерфейсов СППР используются web-сервисы [8], пример приведен на рис. 1.2, или локальные приложения с пользовательским интерфейсом, опирающиеся на визуализации и отображения геопространственных данных. В обзоре [9] выявлено несколько подходов к использованию ГИС-технологии, например геокодирование, интегрирование источников данных или процедуры кластерного обнаружения. Дополнительной особенностью геопространственных динамических сцен с использованием ГИС является возможность визуализации больших данных (BigData), сопряженная с использованием множества слоев карт с учетом специфики визуализации разнородных структур данных. ГИС является одной из основополагающих технологий, используемых в СППР во множестве прикладных областей, таких как системы управления рисками в прибрежных зонах [10], планирования и управлении лесными массивами [11], СППР для пожарных спасательных служб [12], системы планирования общественного транспорта [13] и др.
Графический интерфейс системы GEMSS, предназначенной для контроля над общественным здоровьем
С одной стороны, ГИС-технологии – это визуальный индикатор, использующийся для поддержки лиц, принимающих решения. С другой стороны, глобальное внедрение геопространственных сервисов в социальные медиа привело к тому, что ГИС-технологии начинают рассматриваться как медиасредства, а социальные медиа – как сервисы по расширению возможностей ГИС-технологий [14]. Такое массовое распространение привело к появлению новой концепции неогеографии [15, 16]. Данная концепция дополнительно расширяет возможности визуального представления геопространственных данных [17]. Следует отметить, что визуализация геопространственных данных часто не имеет смысла без возможности отображения на базовых картографических сущностях дополнительной информации, непосредственно связанной с процессом принятия решений [18].
Одним из видов представления геопространственных данных является трехмерная визуализация ландшафтов [19] как комбинация технологий виртуальной реальности (ВР) и ГИС-технологий [20], позволяющая достичь большего погружения в виртуальное пространство для увеличения эффективности рабочей группы в принятии решений.
Реалистичность отображения геопространственных сцен зависит в основном от технологии, используемой для визуализации. ГИС-технологии служат для понятного и более схематического отображения карт, в то время как трехмерная визуализация ландшафтов более требовательна к уровню детализации поверхности и низкоуровневых технологий отображения сцены, правда, не настолько, как системы виртуальной реальности. Определение ограничений реализма для восприятия очень подробно описано в [21]; там же приводятся характеристики уровней достаточного реализма визуализации ландшафтов для принятия решений. На рис. 1.3 представлены примеры визуализации ландшафтов сельской местности с различными уровнями детализации, использованные для определения уровня приемлемой реалистичности визуализируемых сцен.
Визуализация с различным уровнем детализации (a, c, e – низкий; b, d, f – высокий уровень)
Визуализация конструирования сценариев и результатов моделирования. При создании СППР по управлению КГТ, включающих в себя различные средства моделирования, для лучшего восприятия хода моделирования процессов необходимо иметь не только инструменты визуализации графического интерфейса, что является служебным средством визуализации, но и возможности интерактивного конструирования предполагаемых сценариев непосредственно в рабочей среде, например, прямо на карте обозначая ключевые параметры будущего сценария.
Вместе с возможностью визуализировать ход конструирования сценария необходимо иметь средства визуализации вспомогательной информации и данных, отображаемых по ходу процесса моделирования. Это могут быть некоторые промежуточные или конечные результаты расчетов в виде графиков различной степени сложности. Например, для задач эпидемиологического мониторинга (предотвращение распространения вируса H1N1 через аэропорты) [22] визуализируется распределение прибытия и количества зараженных агентов с разделением по месту отбытия (рис. 1.4а), значение промежуточной функции в ходе оптимизации [23] (рис. 1.4б) или фазовое состояние системы уравнений для моделирования лихорадки чикунгунья [24, 25] (рис. 1.4в). Подобные средства визуализации также интересны и могут быть полезны для лиц, принимающих решения, при возможности геопространственной привязки и отображения подобных визуальных сущностей в едином пространстве с картой местности, в рамках которой производится моделирование.
Рисунок 1.4 – (а) график временного распределения прибытия и количества зараженных агентов с разделением по месту, откуда они прибыли, (б) значение промежуточной функции в ходе оптимизаций процесса, (в) фазовое состояние системы уравнений для моделирования лихорадки чикунгунья Визуализация когнитивных пространственных и сетевых структур.
Визуализация сложных сетевых и когнитивных структур, представленных в трехмерном пространстве, может использоваться для визуализации контактных сетей, транспортных сетей, возможных путей распространения инфекций и прочей информации, имеющей определенную внутреннюю структуру и связи. Например, на рис. 1.5г представлена контактная сеть рыночного распространения свиней для выявления путей распространения заболеваний животных [26]. Возможность визуализации подобных структур с пространственной привязкой, как в двумерном [27], так и в трехмерном [28] (рис. 1.5а) пространстве, даёт дополнительные возможности для анализа данных.
Данный вид динамической визуализации необходим как для наблюдения оператором текущих сетевых структур, так и для наблюдения физики самих моделируемых явлений [29] (рис. 1.5б, в). Современный уровень развития технологий визуализации больших объемов данных позволяет визуализировать массивные структуры в n-мерном пространстве [30] (рис. 1.5д), что также может быть использовано для визуализации сложных сетевых структур и, например, при моделировании биологических угроз для анализа возможных рисков распространения инфекций по контактным социальным сетям [31].
Добиваться визуальной реалистичности при визуализации таких сцен необязательно (и фактически невозможно), так они служат для получения знаний о специфике процессов, которые они отображают. Однако для них может потребоваться отображение реалистичной динамики (изменение объектов и структур во времени) для лучшего когнитивного восприятия визуализируемых процессов.
Построение и визуализация социально-экономических индексов, характеризующих развитие КГТ
Визуализация справочных данных в СППР. В различных предметных областях имеется обширный набор «энциклопедических» знаний, которые могут использоваться при анализе данных о текущей ситуации и выявлении причин того или иного развития событий. Возможность визуализации подобного рода данных внутри СППР, как в виде обычного справочного тексто-графического представления, так и с использованием технологий 3D-визуализации высокого разрешения [41], может являться существенным плюсом. При визуализации справочных данных в большинстве случаев достаточно ограничиваться нереалистичным или квазиреалистичным отображением объектов визуализации, т.к. целью служит быстрое и правильное восприятие тех знаний пользователем, которые он должен получить, и необходимости дополнительного погружения в среду в данном случае нет (рис. 1.8).
Визуализация антигенов клеточной поверхности A.brasilense Sp245 конъюгатами коллоидного золота с миниантителами на липополисахариды (А), флагеллин (Б) в иммуноэлектронной микроскопии, и внешний вид результатов электрофореза продуктов полимеразной цепной реакции после амплификации с родоспецифичными (В, сверху) и серогрупповыми (В, снизу) праймерами
Динамическое отображение потоковых визуальных данных. СППР должны обладать возможностью коллаборативной работы одной или нескольких групп экспертов, при этом эксперты далеко не всегда имеют возможность находиться вместе территориально. По этой причине необходимо обеспечивать возможность визуализации потоковых данных для поддержки взаимодействия с удаленными группами экспертов. Технологии видеоконференцсвязи и потоковой трансляции рабочих сред и инструментов позволяют реализовать эту необходимость, обеспечив удаленную группу пользователей как возможностями аудиовизуального контакта с основным рабочим залом, так и возможностью наблюдать и управлять текущими процессами внутри СППР.
Визуализация потоковых данных дополнительно позволяет отображать группе экспертов в реальном времени потоковые данные с используемых в ходе работы источников, например, камеры видеонаблюдения на месте текущих событий. В то же время, имея возможность отображения потоковых данных, технологии дополненной реальности [42] позволяют визуализировать поверх реального изображения требуемые данные, например проецировать схематическую ситуационную обстановку или визуализировать на реальном ландшафте последствия принятия тех или иных решений [43]. Простые примеры демонстрации возможностей технологии дополненной реальности представлены на рис. 1.9.
В случае применения технологий дополненной реальности критерии реалистичности визуализации могут быть рассмотрены с нескольких сторон. Например, при визуализации последствий каких-либо действий на местности необходима достаточная реалистичность визуализации наложенных элементов для более целостного и натурального восприятия результата. В то же время при ситуационном планировании и проецировании сценариев на местности необходима визуализация данных, обладающая более четкими когнитивными образами, т.е. более схематичная и понятная. Визуализация комплексных когнитивных динамических сцен включает в себя возможность одновременной совместной визуализации нескольких или всех типов динамических сцен сразу [44]. Данный вид визуализации требует серьезного подхода в проектировании и дизайне графического интерфейса работы с подобными сценами и средств человеко-компьютерного взаимодействия, т.к. визуальная перегрузка может существенно снизить результативность принятия решений и понимание отображаемых процессов [45]. На данный момент в большинстве современных СППР используется именно этот тип визуализации динамических сцен. На рис. 1.10 представлена графическая оболочка системы симуляции водных потоков в реальном времени для СППР на водозаборных сооружениях Dujiangyan Project в Китае [46].
В СППР по глобальному мониторингу заболеваний животных [47] используются web-ГИС как базовая, с возможностью визуализации пространственных данных, дополнительной визуализацией процесса и результатов моделирования и отдельное средство визуализации пространственных структур. А в [48] приведен дополнительная возможность визуализации раскладки подобных сетевых структур непосредственно с географической привязкой, что позволяет исследователям более наглядно демонстрировать процесс распространения заболеваний. Помимо контроля биологических угроз подобный вид комплексной визуализации используется в системах анализа транспортных заторов [49], системах управления безопасностью при строительстве метрополитена [50], визуального анализа неопределенностей для планирования расположения объектов океанотехники [51], в симуляторе для городских пожарных [52], системе прогноза природных пожаров [53], интерфейс которой представлен на рис. 1.11, гидрологии [54] и т.д. Интерфейс системы по предсказанию и визуализации природных пожаров в виде комплексных когнитивных динамических сцен
Критерии реалистичности визуализации в данном случае в большинстве схожи со всеми перечисленными видами и зависят от внутренней классификации отдельного вида сцены, входящей в состав комплексной сцены.
Визуализация служебных сцен служит для отображения вспомогательной информации в ходе работы с СППР и может иметь множество вариантов визуальных представлений и практического использования. На рис. 1.12 приведен пример разнообразия видов визуализации служебной информации.
Динамическая визуализация процессов сбора и обработки данных представляет собой визуальное отображение потоков данных, как пространственно позиционированных на карте (например, визуализация сети датчиков и сенсоров на карте и процесса сбора данных с них в реальном времени), так и общие когнитивные структурированные представления данных и их потоков [55, 56]. На рис. 1.13 представлен пример визуализации информационных потоков научных журналов, полученных на основе результатов цитирования научных трудов Thomson Reuters Journal Citation Reports 1997– 2005 гг. С широким распространением социальных медиа и их участия в формировании информационного пространства, в том числе с геопространственной привязкой [57], возможна визуализация процесса сбора больших объемов данных из социальных медиа, а также последующий анализ информационных потоков на базе собранных данных [58].
Динамическая визуализация процесса моделирования позволяет в реальном времени наблюдать за ходом математического моделирования и зависит лишь от самого объекта моделирования, например: перемещение агентов по карте при мультиагентном моделировании, отображения маршрутов при транспортном моделировании [59] или динамическое отображение структурных изменений в здании [60]. На рис. 1.14 показана визуализация процедуры расчёта модели поведения толпы в случае экстренной ситуации.
Визуализация состояния системы используется для оценки работоспособности и общего функционирования комплексной СППР, её системных и инфраструктурных составляющих. Подобные примеры служебных визуализаций представлены в нескольких работах по исследованию техник визуализации для мониторинга ситуаций на строительных площадках [61] и комплексов мониторинга систем автоматизации зданий [62]. На рис. 1.15 представлен интерфейс системы мониторинга за нагрузкой системы CLAVIRE.
Визуализация земной поверхности и проблема дребезга вершин
Здесь широта и долгота хранятся в переменных типа uint2, что является вектором из двух элементов типа без знакового целого числа. Такое расхождение связано с ограничением, накладываемым Shader Model 5: переменные типа double не могут быть поданы на вход и выход шейдеров. Для того чтобы обойти это ограничение, на вход подаются две переменные типа uint. При этом в самом вершинном шейдере использование типа double не запрещено. Для того чтобы получить переменную типа double из двух переменных типа uint, используется специальная функция asdouble. Поддержка переменных типа double появилась в модели шейдеров пятой версии. Однако такая поддержка неполная, операция деления с типом double не поддерживается, также не поддерживаются все встроенные математические функции.
После определения всех тайлов, необходимых для визуализации, в цикле для каждого тайла устанавливаются его вершинный и индексный буферы. На вход первой и второй текстур пиксельного шейдера подаются растровый тайл, полученный из текущего источника карт, а также текстура, которая позволяет рисовать рамку для каждого тайла. Устанавливаются вершинный и пиксельный шейдеры, константный буфер, содержащий информацию, общую для каждой вершины, например, позицию камеры и матрицу вида и проекции.
В вершинном шейдере широта и долгота каждой вершины переводятся в декартово пространство координат с учетом высоты, если это необходимо. Координаты вершин из декартового пространства переносятся с помощью матрицы вида и проекции. В этом двумерном пространстве каждая точка получает следующие координаты , и
Координата z определяет глубину точки, данное значение проходит проверку по глубине: определяется видимость данной точки, т.е. не загораживает ли ее объект, который находится ближе к наблюдателю. Полученные таким образом координаты передаются на вход пиксельного шейдера, где с помощью текстурных координат на полигон накладывается растровое изображение тайла.
Отдельные действия необходимо предпринять для устранения на полюсах дыр, которые образуются вследствие ограничения области по широте. Наиболее распространенный вариант решения проблемы заключается в том, что на полюсах добавляются тайлы, которые одной стороной примыкают к крайним тайлам, а вершины противоположной стороны сходятся в одной точке в центре полюса. В качестве текстур используются текстуры тайлов, к которым они прилегают. Этот способ применяется, если все растровые тайлы имеют монотонный цвет на полюсах, например тайлы из OpenStreetMap. Если цвет тайлов различается, например карта состоит из спутниковых снимков, такие тайлы сильно выделяются из общей картины.
Второй подход также подходит для закрашивания дыр у карт, крайние тайлы которых имеют одинаковый цвет, и заключается в том, чтобы рисовать только по одному тайлу на каждом полюсе (такой тайл значительно больше других и он полностью закрывает свободное пространство). Данный тайл необходимо визуализировать в самом начале визуализации с выключенной записью в буфер глубины, таким образом, тайлы, что будут визуализированы поверх него, будут гарантированно перезаписывать содержимое буфера цвета.
Третий подход позволяет хотя бы отчасти решить проблему с отсутствующими тайлами сделанных с помощью спутниковых снимков. Данный подход заключается в том, чтобы использовать карты высокого разрешения, например карты NASA. Вначале визуализируется низкополигональный земной шар с текстурой всего земного шара и с выключенной записью в буфер глубины. Затем визуализируются сами тайлы текущего источника карт. При этом тайлы, находящиеся на границе, необходимо визуализировать таким образом, чтобы, чем ближе вершины тайла к краю, тем более они прозрачны, тем самым происходит плавный переход от тайлов текущего источника карт к полюсу низкополигонального шара. Основная проблема такого подхода заключается в том, что карта, накладываемая на низкополигональный земной шар, с большой вероятностью будет отличаться по цвету от тайлов из текущего источника карт (рис. 3.2, слева). Однако данную проблему можно решить путем изменения тона карты в пиксельном шейдере путем умножения цвета, полученного из карты высокого разрешения, на определенную константу. Основная сложность заключается в том, что такую константу необходимо задавать для каждого источника спутниковых карт, а ее определение производится вручную, но однократно (рис. 3.4, справа).
Визуализация рельефа. Одной из основных задач визуализации виртуальных земных шаров является визуализация рельефа земной поверхности. Учет рельефа может быть полезен при решении множества задач, таких как определение уровня наводнения, планирование строительства зданий и дорог, определение лавиноопасных участков. Какая-либо точка на поверхности Земли может быть задана с помощью трех координат, а именно широты, долготы и высоты, такие координаты называют географическими. Однако для успешной визуализации объектов необходимо использовать декартову систему координат. Переход от географических координат к декартовым и обратно осуществляется по определенному набору параметров – датуму. В представленном фреймворке используется датум WGS84 (World Geodetic System), он аппроксимирует геоид с помощью эллипсоида. Центр этого эллипсоида совпадает с центром массы Земли, ось абсцисс направлена в сторону нулевой широты и долготы, ось ординат направлена в сторону 90 по долготе и 0 по широте, ось аппликат направлена в сторону северного полюса. Плоскость экватора совпадает с плоскостью , радиус на экваторе равен 6378137 м, а на полюсах – 6356752 м. Существует множество доступных наборов данных о рельефе поверхности Земли. Наиболее известные GTOPO30, Aster GDEM и SRTM. Каждый из них имеет свои достоинства и недостатки. Данные GTOPO30 имеют разрешение 30", что приблизительно равно одному километру между двумя выборками. Столь малая разрешающая способность не подходит для визуализации на больших уровнях приближения. Набор Aster GDEM был получен с помощью обработки спутниковых стереоснимков и имеет наибольшую точность – 1", это приблизительно 30 м, однако он характеризуется достаточно большим уровнем шума. Набор данных SRTM имеет разрешение 1" для территории США и 3" – для всего остального мира. Данные SRTM были дополнительно обработаны на предмет уменьшения шума. На данный момент во фреймворке осуществлена поддержка только SRTM набора. Пример визуализации рельефа приведен на рис. 3.3а.
Данные SRTM разбиты на тайлы, каждый тайл занимает один квадратный градус. Тайлы хранятся в файлах формата HGT. Данные в таких файлах представляют собой двумерную матрицу размером 1201х1201. В каждой ячейке матрицы хранится информация о высоте в виде числа размером 16 бит, байты которого хранятся в последовательности big-endian. Так как большинство современных процессоров работают с little-endian, перед использованием таких чисел необходимо поменять последовательность, в которой записаны байты. Высота в каждой ячейке задана относительно геоида EGM96 (Earth Gravitational Model). Для того чтобы преобразовать эллипсоид WGS84 в геоид EGM96, необходимо в каждой точке эллипсоида задать определенную высоту. Таким образом, чтобы определить высоту в точке с заданной широтой и долготой, необходимо определить высоту геоида в этой точке и сложить ее со смещением в точке, полученным из данных SRTM. Для определения высоты геоида используется сторонняя библиотека GeographicLib.
Преобразование географических координат в декартовы. Смещение необходимо проводить вдоль геодезической нормали. Для каждой точки, лежащей на поверхности эллипсоида, можно определить две нормали – одну геоцентрическую и одну геодезическую. Геоцентрическая нормаль задает направление из центра эллипсоида к точке, лежащей на эллипсоиде. Геодезическая нормаль – это перпендикуляр к касательной плоскости в данной точке. При этом направление геодезической нормали совпадает с направлением нормали на поверхности сферы.
Система поддержки принятия решений для предотвращения угрозы наводнений
В ходе экспериментальных исследований анализировались две характеристики ГО: реактивность при визуализации высоконагруженной задачи; масштабируемость характеристик визуализации при увеличении размера задачи. Для анализа реактивности в ходе экспериментальных исследований проверялись возможности запуска высоконагруженной задачи – расчетного сценария моделирования распространения эпидемии в городской среде на устойчивой контактной сети (СПИД, сифилис, туберкулез, гепатит-С). Для выполнения данного исследования в качестве контрольного примера средствами ИС РГИС было построено композитное приложение CLAVIRE, которое позволяет, основываясь на предполагаемой модели контактной эпидемиологической сети, выделить при помощи генетического алгоритма оптимальное подмножество ее узлов, которое необходимо подвергнуть изоляции, для того чтобы максимально воспрепятствовать распространению инфекции. На рис. 4.1 приведен вид успешно выполненного композитного приложения (КП) в интерфейсе CLAVIRE/Ginger.
На рис. 4.1 представлены выполненные шаги КП. Каждый шаг представляет собой группу параллельно выполняющихся блоков WF. Показано, что суммарное число блоков, выполняющих вакцинирование в комплексной сети (шаг geneticVaccination) составляет 120 шт. (на рисунке строка «Завершено (120)»), что характеризует нагруженность вычислительных ресурсов. При этом в верхней части приведена информация о выполнении WF, видно, что общее время выполнения композитного приложения не превышает 4 ч («Запущен: 16.56»; «Завершен: 20.03»). Измеренные накладные расходы при запуске составляют 118,2 с. Таким образом, расчетная технологическая эффективность составляет для данного примера 99,0 %, что превышает номинальное значение.
На рис. 4.2 приведены результаты визуализации рассчитанной структуры графа заражения, отображенного с помощью алгоритма раздела 3.4, с динамической раскраской по двум критериям: по социокультурному принципу и по интенсивности распространения инфекции.
Исследования реактивности ГО выполнялись на основе измерений временного интервала между воздействием оператора на устройство захвата движения Microsoft Kinect и появлением актуального изображения на экране систем (далее – задержка системы визуализации, ЗСВ). ЗСВ складываются из задержек в следующих программных и аппаратных компонентах: устройство захвата движения Microsoft Kinect; USB-удлинитель; драйвер устройства захвата движения Microsoft Kinect;
Замер ЗСВ осуществляется посредством высокоскоростной камеры GoPro HERO 3 Black Edition, которая настроена на запись видео в режиме 848х480@240. Таким образом, камера осуществляет запись 240 кадров в секунду, что позволяет замерить время ЗСВ с точностью до 0,004 с; система визуализации ВП обновляет изображение с частотой 60 кадров в секунду. Экспериментальная установка представлена на рис. 4.3 (А - высокоскоростная камера; Б - устройство захвата движения Microsoft Kinect; В - оператор установки; Г - изображение, формируемое программным компонентом интерактивной системы визуализации).
Для замера времени ЗСВ был отснят видеоматериал. Результаты измерений для одного из действий показаны на рис. 4.4. Желтыми линиями обозначено положение руки оператора. Как видно из рисунка, задержка между началом движения руки оператора и изменением изображения 77 кадров. Аналогичная процедура была применена еще к пяти воздействиям и были получены задержки 57, 74, 58, 73 и 55 кадров.
Таким образом, исходя из того, что время одного кадра составляет 1/240 с, а интервал между воздействиями на устройство ЧКВ и появлением актуального изображения на экране системы ВП – 55–76 кадров, можно сделать вывод, что общее время ЗСВ 0,230–0,320±0,004 с, что приемлемо для восприятия пользователем времени, близком к реальному. Для экспериментального исследования масштабируемости ГО рассматривалась задача мультиагентного моделирования мобильности населения. Исследовалось, какое максимальное количество агентов или точек интереса единовременно система может визуализировать в пределах одного города поверх виртуального земного шара. Во время эксперимента визуализация всех элементов ГО, кроме виртуального земного шара и агентов была отключена. Исследования выполнялись на основе измерения количества кадров в секунду (FPS), оно служит главным показателем того, насколько хорошо система визуализации справляется с нагрузкой. От количества кадров в секунду зависит то, как плавно будет восприниматься изменение изображения на экране глазом человека. Считается, что при 24 кадрах в секунду человек видит непрерывное изменение изображения. При этом в связи с особенностями строения человеческого глаза, при такой частоте человек с помощью периферийного зрения может заметить мерцание. В области видеоигр, где частота обновления кадров в высоко динамичных сценах играет главную роль, хорошим показателем считается 30 FPS, а отличным показателем считается 60 FPS.
Как видно из таблицы необходимость обновления массива вершин и последующая его запись в вершинный буфер значительно влияет на количество FPS. Так же из данных следует, что система позволяет отображать на экране два миллиона постоянно передвигающихся агентов при достаточно плавном изменении изображения. Основная проблема заключается в необходимости загружать большое количество данных в память видеокарты из оперативной памяти, поэтому для увеличения производительности могут быть использованы различные техники упаковки данных, при которых данные сжимаются на стороне центрального процессора и распаковываются уже в шейдере на стороне графической карты.
