从常规城市交通中识别隐藏高风险状态
物理与社会
2024-07-31 v1 统计力学
摘要
识别可能导致系统崩溃的隐藏高风险状态是一项核心风险管理任务，这可以提供宝贵的早期预警知识。然而，由于大规模复杂系统如城市交通中存在高维度和非线性相互作用，从海量系统状态空间中识别隐藏高风险状态仍然具有挑战性。在实证数据中，有超过99%的可能系统状态尚未被访问。基于最大熵模型，我们从城市交通的复杂动力过程中推断出底层相互作用网络，并构建系统能量景观。如此一来，我们便能定位那些从实际数据中从未被观察到的隐藏高风险状态。这些状态可作为进入能量景观中危险局部最小值的风险信号，具有极高的进入概率，从而导致巨大的恢复成本。我们的发现可能为复杂系统风险管理提供新见解。
引用
@article{arxiv.2407.20478,
title = {Hidden high-risky states identification from routine urban traffic},
author = {Shiyan Liu and Mingyang Bai and Shengmin Guo and Jianxi Gao and Huijun Sun and Ziyou Gao and Daqing Li},
journal= {arXiv preprint arXiv:2407.20478},
year = {2024}
}