論文の概要: Quantum percolation based dynamic propagation connectivity for critical-area identification in transport networks
- arxiv url: http://arxiv.org/abs/2606.30242v1
- Date: Mon, 29 Jun 2026 12:52:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-30 18:07:16.221732
- Title: Quantum percolation based dynamic propagation connectivity for critical-area identification in transport networks
- Title(参考訳): 量子パーコレーションに基づく輸送ネットワークにおける臨界領域同定のための動的伝播接続
- Abstract要約: リンク中心パーコレーションとバイナリパーコレーションは、重要な設備や接続障害を特定する。
時間変化したリンク走行時間を連続伝播強度に変換する。
その後、候補地域を地域劣化実験により評価する。
- 参考スコア(独自算出の注目度): 14.492101931546765
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Transport networks often lose functionality through gradual degradation in link operating conditions before topological disconnection occurs. Link-centred and binary percolation measures identify important facilities or connectivity failures, but they provide limited information on which spatial areas cause the largest loss of network-wide propagation capability. This paper develops a Dynamic Propagation Connectivity (DPC) metric based on quantum percolation for critical-area identification in transport networks. Time-varying link travel times are converted into continuous propagation strengths, which define a Hermitian propagation operator at each observation time. Candidate regions are then evaluated by a regional degradation experiment that measures the resulting loss of DPC. The method is applied to a benchmark Sioux Falls network and six Florida road networks during the post-Hurricane Irma disruption and recovery period, using 1,281 five-minute observation times. The benchmark confirms that the regional DPC score identifies a predefined structurally critical corridor. In the Florida networks, the identified critical areas differ from regions selected by link count, local degradation, edge betweenness, algebraic connectivity, and classical percolation. In Networks 1 to 4, DPC and classical percolation rankings have negative Spearman correlations, showing that continuous propagation degradation and binary fragmentation reveal different vulnerability patterns. Robustness tests under alternative travel time scaling, degradation strength, and grid size show stable results, with mean rank agreement between 0.84 and 0.96. The findings extend transport resilience analysis based on percolation from binary connectivity loss to continuous propagation degradation and provide a spatial diagnostic tool for regional monitoring, emergency planning, and recovery prioritisation.
- Abstract(参考訳): 交通ネットワークは、トポロジカルな切断が起こる前に、リンク操作条件の段階的な劣化によって機能を失うことが多い。
リンク中心およびバイナリパーコレーションは、重要な施設や接続障害を特定するが、空間領域がネットワーク全体の伝播能力の最大の損失の原因となる限られた情報を提供する。
本稿では,輸送ネットワークにおける臨界領域同定のための量子パーコレーションに基づく動的伝搬接続度(DPC)メトリクスを開発する。
時間変化したリンク走行時間を連続伝播強度に変換し、観測時間毎にエルミート伝搬演算子を定義する。
候補領域はDPCの損失を測定する地域劣化実験によって評価される。
この手法は、ハリケーン後のイルマの破壊と回復期間中に、Sioux Fallsネットワークとフロリダの6つの道路ネットワークに1,281回の観測時間を用いて適用された。
このベンチマークは、地域のDPCスコアが予め定義された構造上重要な回廊を特定することを確認している。
フロリダのネットワークでは、特定された臨界領域は、リンク数、局所劣化、エッジ間性、代数接続性、古典的パーコレーションによって選択された領域と異なる。
ネットワーク1から4では、DPCと古典的パーコレーションのランキングはスピアマン相関が負であり、連続的な伝播劣化とバイナリフラグメンテーションが異なる脆弱性パターンを示すことを示している。
代替の旅行時間スケーリング, 劣化強度, グリッドサイズによるロバストネス試験は, 0.84 から 0.96 の順で安定した結果を示した。
本研究は, 2次接続損失から連続伝播劣化へのパーコレーションに基づく輸送弾性解析を拡張し, 地域モニタリング, 緊急計画, 回復優先順位付けのための空間診断ツールを提供する。
関連論文リスト
- On the Adversarial Robustness of Remote Sensing Semantic Change Detection [19.4097466391406]
意味的変化検出(SCD)は、変化領域とその変化前後の意味状態を共同で識別するバイテンポラル密度予測タスクである。
本稿では,入力側時間摂動アクセスから出力側攻撃目標を分離するタスク固有評価フレームワークを提案する。
実験により、二分的変化の局所化が比較的安定である場合でも、最終的な意味変化予測が著しく悪化することが示された。
論文 参考訳(メタデータ) (2026-08-15T15:02:42Z) - Quantum percolation theory for dynamic propagation connectivity of transport networks [2.519906683279153]
構造障害下における輸送ネットワークの接続性劣化は、ネットワークレジリエンス研究の中心的な問題である。
既存の手法は主にパーコレーション理論とトポロジカル接続測度に依存している。
本稿では,輸送ネットワーク接続解析に量子パーコレーション理論を導入する。
論文 参考訳(メタデータ) (2026-06-29T12:32:23Z) - Towards Fast GNN Surrogates for CO2 Migration in Complex Geological Formations [58.079925240809644]
本研究では, 地質ストレージにおけるCO$$$ibility plume マイグレーション予測に適したエンドツーエンドグラフニューラルネットワークサロゲートを提案する。
この方法は、CO$$ストレージシナリオを評価するために設計されたよく知られた業界テストケースであるSPE11Aベンチマークで評価される。
提案モデルでは, ガス飽和度と液相密度の競合予測を行い, 累積誤差は拡大予測地平線上では緩やかに保たれている。
論文 参考訳(メタデータ) (2026-06-15T18:19:17Z) - Accelerating Robot Path Planning via Connectivity-Preserving Region Proposal Network [5.81838331663612]
移動ロボット経路計画法は、しばしば広大な探索空間によって制約され、サンプリングベースアルゴリズムの遅延が発生する。
本稿では,コンパクトでトポロジカルに連結した候補領域の予測を目的としたセグメンテーション誘導モデルであるCP-RPNを提案する。
論文 参考訳(メタデータ) (2026-05-27T11:59:03Z) - Conditional Entropy of Heat Diffusion on Temporal Networks [46.780047051996924]
静的グラフから時間ネットワークへの熱拡散の条件エントロピーを拡張し,その特性について検討する。
この量は時間的単調であり、時間的ネットワーク上の不均一拡散に対する熱力学の第2法則の情報理論的類似性をもたらす。
次に、有限時間時間窓上での拡散を探索する条件付きエントロピーの局所バージョンを導入し、連続時間時間時間ネットワークにおける変化点検出のための情報信号を提供することを示す。
論文 参考訳(メタデータ) (2026-05-15T10:47:44Z) - Evaluating Temporal and Structural Anomaly Detection Paradigms for DDoS Traffic [0.046603287532620725]
監視されていない異常検出は、クラウドネイティブな5GネットワークにおけるDistributed Denial-of-Service(DDoS)攻撃を検出するために広く使用されている。
ほとんどの研究は、どの特徴空間がデータに最も合うかを検証することなく、時間的または構造的な固定されたトラフィック表現を仮定する。
本稿では,2つの診断手法を用いて,時間的・構造的特徴を優先する軽量な意思決定フレームワークを提案する。
論文 参考訳(メタデータ) (2026-04-17T12:59:48Z) - Multiresolution Analysis and Statistical Thresholding on Dynamic Networks [49.09073800467438]
ANIE(Adaptive Network Intensity Estimation)は、ネットワーク構造が進化する時間スケールを自動的に識別する多段階フレームワークである。
ANIEは適切な時間分解能に適応し、ノイズに頑健でありながら鋭い構造変化を捉えることができることを示す。
論文 参考訳(メタデータ) (2025-06-01T22:55:55Z) - Topology-Aware Conformal Prediction for Stream Networks [68.02503121089633]
本研究では,ネットワークトポロジと時間的ダイナミクスを共形予測フレームワークに統合した新しいフレームワークであるspatio-Temporal Adaptive Conformal Inference (textttCISTA)を提案する。
この結果から,TextttCISTAは予測効率とカバレッジのバランスを効果的に保ち,既存のストリームネットワークの共形予測手法よりも優れていることがわかった。
論文 参考訳(メタデータ) (2025-03-06T21:21:15Z) - A Differential Smoothness-based Compact-Dynamic Graph Convolutional Network for Spatiotemporal Signal Recovery [9.369246678101048]
本稿では、時間的信号回復のためのコンパクト・フォールド・コングラフ・ネットワーク(CDCN)を提案する。
実世界のデータセットの実験では、CDCNは時間的信号回復の最先端モデルよりも大幅に優れていた。
論文 参考訳(メタデータ) (2024-08-06T06:42:53Z) - Efficient Estimation for Longitudinal Networks via Adaptive Merging [21.62069959992736]
本稿では, 適応型ネットワークマージ, テンソル分解, 点過程の強みを利用した長手ネットワークの効率的な推定手法を提案する。
近隣のスパースネットワークをマージし、観測されたエッジの数を拡大し、推定分散を低減する。
提案手法は,各イテレーションにおける推定誤差の上限を設定することにより,推定を容易にする。
論文 参考訳(メタデータ) (2022-11-15T03:17:11Z) - Correlating sparse sensing for large-scale traffic speed estimation: A
Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。
次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
論文 参考訳(メタデータ) (2022-10-21T07:25:57Z) - Spatio-temporal Modeling for Large-scale Vehicular Networks Using Graph
Convolutional Networks [110.80088437391379]
SMARTと呼ばれるグラフベースのフレームワークが提案され、大規模な地理的領域にわたるV2I通信遅延の統計をモデル化し、追跡する。
深層Q-networksアルゴリズムと統合したグラフ畳み込みネットワークを用いたグラフ再構築型手法を開発する。
その結果,提案手法は,モデル化の精度と効率と,大規模車両ネットワークにおける遅延性能を有意に向上させることが示された。
論文 参考訳(メタデータ) (2021-03-13T06:56:29Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。