MGL2Rank: Learning to Rank the Importance of Nodes in Road Networks Based on Multi-Graph Fusion

要約

道路ネットワーク内で強力な伝播能力を持つ重要なノードを特定することは、都市計画の分野における重要なテーマです。
しかし、交通ネットワークにおけるノードの重要性を評価するための既存の方法は、トポロジー情報と交通量のみを考慮しており、車線数や道路セグメントの平均速度などの道路ネットワークの特性の多様性を無視しており、その性能が制限されています。
この問題を解決するために、ノードの重要性をランク付けするために道路ネットワークの豊富な特性を統合するグラフ学習ベースのフレームワーク (MGL2Rank) を提案します。
このフレームワークでは、まず、各道路セグメントの潜在表現を学習するためのサンプリング アルゴリズム (MGWalk) とエンコーダー ネットワークを含む埋め込みモジュールを開発します。
MGWalk は、マルチグラフ フュージョンを利用して道路ネットワークのトポロジを取得し、属性に基づいて道路セグメント間の関連付けを確立します。
次に、取得したノード表現を使用して、道路セグメントの重要度ランキングを学習します。
最後に、瀋陽市の地域道路網に基づいてタスクをランク付けするための合成データセットを構築します。このデータセットのランク付け結果は、提案した方法の有効性を示しています。
MGL2Rank のデータとソース コードは https://github.com/ZJ726 で入手できます。

要約(オリジナル)

Identifying important nodes with strong propagation capabilities in road networks is a significant topic in the field of urban planning. However, existing methods for evaluating the importance of nodes in traffic network consider only topological information and traffic volumes, ignoring the diversity of characteristics in road networks, such as the number of lanes and average speed of road segments, limiting their performance. To solve this problem, we propose a graph learning-based framework (MGL2Rank) that integrates the rich characteristics of road network for ranking the importance of nodes. In this framework, we first develop an embedding module that contains a sampling algorithm (MGWalk) and an encoder network to learn latent representation for each road segment. MGWalk utilizes multi-graph fusion to capture the topology of the road network and establish associations among road segments based on their attributes. Then, we use the obtained node representation to learn the importance ranking of road segments. Finally, we construct a synthetic dataset for ranking tasks based on the regional road network of Shenyang city, and our ranking results on this dataset demonstrate the effectiveness of our proposed method. The data and source code of MGL2Rank are available at https://github.com/ZJ726.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google