Detecting Vulnerable Nodes in Urban Infrastructure Interdependent Network

要約

都市インフラ（都市の通常の運営に不可欠であり、ネットワークの形で自然に存在する工学施設を指します）の脆弱性を理解し、特徴付けることは、私たちにとって非常に価値があります。
潜在的な用途には、脆弱な施設の保護や堅牢なトポロジの設計などが含まれます。さまざまなトポロジ特性とインフラストラクチャの脆弱性およびその複雑な進化メカニズムの間には強い相関関係があるため、一部のヒューリスティック分析や機械支援分析では、そのようなシナリオに対処するには不十分です。
この論文では、相互依存ネットワークを異種グラフとしてモデル化し、都市システムの脆弱性を正確に特徴付けるために、実世界のデータでトレーニングできる強化学習を備えたグラフ ニューラル ネットワークに基づくシステムを提案します。
提示されたシステムは、深層学習技術を活用して異種グラフを理解および分析することで、カスケード障害のリスクを把握し、都市の脆弱なインフラストラクチャを発見できるようにします。
さまざまな要求に対する広範な実験により、システムの表現力だけでなく、特定のコンポーネントの転送能力と必要性も実証されています。

要約(オリジナル)

Understanding and characterizing the vulnerability of urban infrastructures, which refers to the engineering facilities essential for the regular running of cities and that exist naturally in the form of networks, is of great value to us. Potential applications include protecting fragile facilities and designing robust topologies, etc. Due to the strong correlation between different topological characteristics and infrastructure vulnerability and their complicated evolution mechanisms, some heuristic and machine-assisted analysis fall short in addressing such a scenario. In this paper, we model the interdependent network as a heterogeneous graph and propose a system based on graph neural network with reinforcement learning, which can be trained on real-world data, to characterize the vulnerability of the city system accurately. The presented system leverages deep learning techniques to understand and analyze the heterogeneous graph, which enables us to capture the risk of cascade failure and discover vulnerable infrastructures of cities. Extensive experiments with various requests demonstrate not only the expressive power of our system but also transferring ability and necessity of the specific components.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google