[論文レビュー] Ideal Relative Flow Distribution on Directed Network

Kardi Teknomo|arXiv (Cornell University)|Jan 1, 2017

Complex Network Analysis Techniques参考文献 13被引用数 1

ひとこと要約

本稿では、ランダムウォークエージェントの極限的挙動をモデル化することで、有向ネットワークにおけるリンクの重要性を優先順位付けする新しい指標として、理想相対フロー分布を導入する。この手法により、理想フローはネットワーク構造にのみ依存する定常的で、事前魔行列（premagic matrix）であることが明らかになった。実験ではシウックス・フォールズ交通ネットワークへの応用が示された。

ABSTRACT

In this paper we propose a new concept to prioritize the importance of a link in a directed network graph based on an ideal flow distribution. An ideal flow is the infinite limit of relative aggregated count of random walk agents' trajectories on a network graph distributed over space and time. The standard ideal flow, which is uniformly distributed flow over space and time, maximize the entropy for the utilization of a network. We show that the simulated trajectories of random walk agents would form an ideal relative flow distribution is converged to stationary values. This implies that ideal flow matrix depends only on the network structure. Ideal flow matrix is invariant to scalar multiplication and remarkably it is always premagic. Demonstration of ideal flow to the real world network was fitted into Sioux Falls transportation network.

研究の動機と目的

• 流れのダイナミクスに基づいて、有向ネットワークにおけるリンク重要性を体系的かつ原理的かつ的確に評価する手法を開発すること。
• ランダムウォークエージェントの極限的挙動を、ネットワークエントロピーを最大化する理想フロー分布としてモデル化すること。
• 得られた理想フロー行列がスカラ乗算に対して不変であり、構造的に事前魔行列（premagic）であることを示すこと。
• 実世界の交通ネットワーク、特にシウックス・フォールズネットワークを対象として、フレームワークの妥当性を検証すること。

提案手法

• リンクとノードを通過するランダムウォーク経路の相対的累積カウントの無限時間極限として理想フローを定義する。
• エントロピー最大化を用いて、標準的理想フローを空間的・時間的に一様に分布するものとして特徴付ける。
• ネットワークの隣接構造から導かれる定常分布として、理想フロー行列を定式化する。
• 理想フロー行列が、すべての行和が等しく、かつスカラ乗算に対して不変であることを証明する。
• 有向ネットワーク上でランダムウォーク経路をシミュレートし、理想フロー分布への収束を経験的に検証する。
• フレームワークをシウックス・フォールズ交通ネットワークに適用し、実世界への適用可能性を示す。

実験結果

リサーチクエスチョン

• RQ1 有向ネットワークにおけるリンク重要性は、ランダムウォークからの流れのダイナミクスを用いてどのように優先順位付けできるか？
• RQ2 理想フロー行列が示す構造的性質は何か？ そしてネットワークトポロジーとどのように関係しているか？
• RQ3 理想フロー分布は初期条件に依存せずに定常状態に収束するか？
• RQ4 理想フロー行列はネットワークのスカラー変換に対してどの程度不変か？
• RQ5 理想フローフレームワークは、交通システムのような実世界インフラネットワークに効果的に適用可能か？

主な発見

• 理想フロー分布は、ランダムウォークステップ数が無限大に近づくにつれて、定常行列に収束する。
• 得られた理想フロー行列は、ネットワークのサイズやトポロジーにかかわらず、常に事前魔行列（premagic）であり、すべての行和が等しい。
• 理想フロー行列はエッジ重みのスカラ乗算に対して不変であり、スケール変化に対してロバストであることを示している。
• エントロピーを最大化する標準的理想フローは、空間的・時間的に一様なフロー分布に対応する。
• 経験的シミュレーションにより、シウックス・フォールズネットワーク上でのランダムウォーク経路が、予測された理想フロー分布に収束することが確認された。
• フレームワークは実世界インフラに適応可能であり、交通ネットワーク解析における実用可能性を示した。