论文笔记&导读
文章平均质量分 96
沉睡的小灰
stay hungry,stay foolish
展开
-
Reliability of the traffic network against cascading failures with individuals acting indepe... 论文导读
多米诺骨牌式的级联故障可能会降低系统和用户的流量网络可靠性。作为这一动态过程的微观起源,路径选择行为对于应对级联故障的可靠性模式至关重要,但其机制尚未得到系统研究。为了揭示这一点,我们提出了一个两级级联故障模型来观察交通拥堵演变过程中的路线选择模式:(i)上层描述级联故障如何在网络拓扑中扩散,而(ii)下层描述模拟旅行者在用户均衡(UE)和系统最优(SO)之间权衡时可能选择的路径。考虑到大规模交通网络上近百万个OD对,探讨了四个因素对两个可靠性指标的影响机制。原创 2024-04-11 15:58:00 · 645 阅读 · 1 评论 -
Co-simulation of Power Grid, Information Network and Transportation Network Simulation System论文导读
中文名是电网、信息网、交通网联合仿真仿真系统,之前从一个材料里面看到过类似的主题,但是一直没找到过类似的论文。今天搜交通网络无意间搜到了,来学习一下别人是怎么做的。原创 2024-03-09 10:44:46 · 908 阅读 · 0 评论 -
Cascading risk assessment in power-communication interdependent networks论文导读
现代的智能电力系统,除了有电力运输系统如线路,发电变电之外,还有很多通信系统,很多传感器组成的智能感知系统,它对电网进行实时感知,监控,并针对风险进行响应。天下没有免费的午餐,这样就会导致两个层面的网络相互耦合很严重。如果电网面临压力时,通信中断,就会造成很严重的后果。因此,研究故障时通信网络对电力系统安全的影响具有重要意义。如果电源节点失去与通信网络节点的控制连接,则电源节点可能会发生故障,如果通信节点从电网失去电源,它也会发生故障。原创 2024-03-01 15:48:07 · 831 阅读 · 0 评论 -
Spatio-Temporal Graph Convolutional Networks: A Deep Learning Framework for Traffic Forecasting论文解读
这篇文章中文为时空图卷积网络: 用于交通预测的深度学习框架,归类于交通网络中的交通流预测原创 2024-01-24 17:30:31 · 965 阅读 · 1 评论 -
Improving deep-learning methods for area-based traffic demand prediction via hierarchical... 论文解读
在本文中,我们的目标是通过深度学习和分层协调方法开发一种有效的交通需求预测方法。这些概念以及所提出的方法背后的理论都是建立在分层时间序列(HTS)的基础上的,它还采用长短期记忆(LSTM)作为一种特殊的循环神经网络(RNN)来从相关的时间序列中学习时间序列并产生可靠的需求预测。原创 2024-01-22 15:54:59 · 883 阅读 · 0 评论