Terminal reliability of road networks with multiple destination options
Notice bibliographique
Résumé
In crisis situations such as natural disasters, it is essential that people can be reached by fire and rescue services as well as police forces.Moreover, access to food and water supply should be ensured for everyone, for instance.In all cases, people depend on the (potentially damaged) road infrastructuremodelled as a graph network -that for all nodes in the network should provide connections to at least one supply node of each type (i.e., fire department, hospital etc.) even if some links in the network are currently unavailable.Assuming that there are multiple supply nodes per type among the whole network, the present contribution discusses the risk that a given node of the network becomes isolated from all of these supply nodes depending on the topological structure of the network.For this purpose, the well-known concept of terminal reliability is adapted to the situation with multiple possible destinations which is realized by appropriately modifying the original graph.An algorithm is presented that allows finding all relevant cut sets in the modified graph which can be used for computing the probability R sys that a given node remains connected to at least one of the supply nodes considered depending on the link failure probabilities p i .A simple clustering approach together with Boolean algebra finally yields explicit numbers for R sys depending on p i .The whole concept is demonstrated based on an illustrative example showing the different endangerment among the nodes of the network including a discussion about the specific criticality of each network link with regard to ensuring the connectivity between supply nodes and other nodes.Thus, by identifying critical links and quantifying the risk of isolation for all nodes in the network, the present contribution provides useful tools for prevention in crisis management.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».