[论文解读] 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 1

一句话总结

本文引入理想相对流分布作为新指标，通过建模随机游走代理的极限行为，以优先级方式评估有向网络中链路的重要性。该方法表明，理想流收敛至一个仅依赖于网络结构的平稳、预幻方矩阵，并在苏瀑交通网络中得到验证应用。

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.

研究动机与目标

• 开发一种基于流动力学的有向网络链路重要性评估的系统性方法。
• 将随机游走代理的极限行为建模为最大化网络熵的理想流分布。
• 证明所得的理想流矩阵在标量乘法下保持不变，并具有结构性幻方性质。
• 在真实世界交通网络（特别是苏瀑网络）上验证该框架的有效性。

提出的方法

• 将理想流定义为随机游走轨迹在节点和链路上的相对累积计数在无限时间下的极限。
• 使用熵最大化来表征标准理想流在空间和时间上均匀分布的特性。
• 将理想流矩阵表述为基于网络邻接结构导出的平稳分布。
• 证明理想流矩阵为预幻方矩阵，即所有行和相等，且在标量乘法下保持不变。
• 在有向网络上模拟随机游走轨迹，以实证验证其收敛至理想流分布。
• 将该框架应用于苏瀑交通网络，以展示其在现实世界中的适用性。

实验结果

研究问题

• RQ1 如何利用随机游走的流动力学来优先排序有向网络中的链路重要性？
• RQ2 理想流矩阵表现出何种结构性特征，其与网络拓扑有何关联？
• RQ3 理想流分布是否收敛至与初始条件无关的平稳状态？
• RQ4 理想流矩阵在何种程度上对网络的标量变换保持不变？
• RQ5 该理想流框架能否有效应用于现实世界基础设施网络（如交通系统）？

主要发现

• 当随机游走步数趋近于无穷时，理想流分布收敛至一个平稳矩阵。
• 所得的理想流矩阵始终为预幻方矩阵，所有行和相等，无论网络规模或拓扑结构如何。
• 理想流矩阵在边权的标量乘法下保持不变，表明其对尺度变化具有鲁棒性。
• 标准理想流（即最大化熵者）对应于空间和时间上均匀分布的流。
• 实证模拟结果证实，苏瀑网络上的随机游走轨迹收敛至预测的理想流分布。
• 该框架成功映射至现实世界基础设施，证明其在交通网络分析中的可行性。