利用量子退火数据驱动识别交通网络中的关键链路
最优化与控制
2026-04-06 v1
摘要
在城市交通系统中，时变需求和网络条件导致基础设施元素的重要性不断演变，需要识别特定时期的关键链路以支持系统级风险和韧性分析。然而，静态或时间平均的网络分析难以捕捉城市尺度上基础设施重要性的时间变化。为填补这一空白，本研究提出了一种面向大规模城市交通网络的时间依赖关键链路识别框架。该问题被表述为一个二次无约束二值优化（QUBO）模型，并使用 D-Wave 硬件上的量子退火进行求解。利用真实交通数据的经验分析揭示了关键链路的强时间集中性。关键链路并非持续影响系统性能，而是主要在一小部分关键时间窗口内出现，在这些窗口内，即使有限的干扰也可能导致显著的网络延迟放大。这些发现证明了时间依赖分析对于风险筛查、压力测试和面向韧性的交通管理的价值。
引用
@article{arxiv.2604.02675,
title = {Data-driven identification of critical links in transport networks using quantum annealing},
author = {Junxiang Xu and Chence Niu and Tingting Zhang and Divya Jayakumar Nair and Vinayak Dixit},
journal= {arXiv preprint arXiv:2604.02675},
year = {2026}
}