- 非恐慌撤离情景下行人的集体动态;
- 自动化和连通性对交通流和二氧化碳排放的影响：一项详细的微观仿真研究;
- HodgeNet：用于边数据的图神经网络;
- EviDense：基于图的方法寻找独特的基于关键词简洁描述的高影响力事件;
- 不均一的碳价格对简化欧洲电力系统的成本优化设计的影响;
非恐慌撤离情景下行人的集体动态
原文标题： Collective dynamics of pedestrians in a non-panic evacuation scenario
地址： http://arxiv.org/abs/1912.02232
作者： Juan Cruz Moreno, M. Leticia Rubio Puzzo, Wolfgang Paul
摘要： 我们目前的步行运动的研究以及在非恐慌制度（例如，学校，医院和机场）走廊。这种情况迄今已讨论过的社会力模型（SFM）内。我们建议通过基于粒子和一些随机性，这两者我们介绍使用Vicsek模型（VM）的想法的速度相互作用来充实这一模式。这种新的模型允许引入波动对于给定的平均速度和几何形状，并考虑到对准的相互作用是由外部控制参数（噪声 ETA ）调制允许引进有序和无序状态之间的相变。我们比较了使用沿走廊行人运动的模拟（a）该VM与两个边界条件（定期的和弹回）和有或没有运动的所期望的方向，（b）该SFM，和（c）新的模型SFM + VM。稳态配置在VM与密闭几何显示了研究的预期条带垂直于所述运动方向，而在SFM和SFM + VM颗粒订购沿着运动方向的宽度给出瓦特的条纹。在SFM + VM的情况下的结果表明，值w（t） simeq吨^ 阿尔法具有漫射状在低温行为噪声 ETA （动态指数 阿尔法约1 / ），而它是子扩散在外部噪声（ 阿尔法约四分之一）的高值。我们既边界条件观察VM中的有序 - 无序转变，但所希望的方向的条件的应用抑制病症的存在预期。对于SFM + VM情况下，我们发现易感性最大，其与系统大小的指示，在整个研究范围内的密度和速度的有序 - 无序转变的噪声强度的函数增大。从我们的研究结果，我们得出结论，新的SFM +虚拟测量模型是一个非常适合的模型来描述与不同程度的障碍的非恐慌撤离。
自动化和连通性对交通流和二氧化碳排放的影响：一项详细的微观仿真研究
原文标题： The impact of automation and connectivity on traffic flow and CO2 emissions. A detailed microsimulation study
地址： http://arxiv.org/abs/1912.02273
作者： Michail Makridis, Konstantinos Mattas, Biagio Ciuffo, Georgios Fontaras
摘要： 许多的连接和自动车辆或自动车辆的预期优点，而没有关于拥塞和能量消耗的连接（分别骑士和AVS）是有问题的。一些研究通过微观上述问题提供定量的答案，但他们忽略了系统的车辆动态，驾驶员的行为或瞬时排放估算的逼真模拟，主要是由于交通运输系统的整体增加了复杂性，需要对large-低计算需求大规模的模拟。然而，最近的研究质疑通用汽车以下车型的能力，产生逼真的车辆动态或驾驶行为，这直接影响排放量估计为好。这项工作提出了一个微观的研究，它在主题有助于使用基于场景的方法来提供关于骑士和AVS对排放的演变在高速公路网的影响的见解。这里的动机是为了回答不同的驾驶行为是否产生高峰时段的排放量显著的差异，以及如何显著是详细的车辆动力学仿真，并在结果瞬时排放的影响。
HodgeNet：用于边数据的图神经网络
原文标题： HodgeNet: Graph Neural Networks for Edge Data
地址： http://arxiv.org/abs/1912.02354
作者： T. Mitchell Roddenberry, Santiago Segarra
摘要： 网络和网络进程已成为建模社会交往，疾病传播以及各种通过关系结构驱动的附加动力强大的工具。最近，神经网络已经被推广到在图上处理数据，因此能够从上述网络进程实现的传统任务，诸如节点的分类和预测链路尖端性能学习。然而，这些方法都已经制定只适合于一个图的节点上的数据的方式。这些技术来支撑在图的边数据的应用程序，即流量信号，还没有详细被探索。为了弥补这种差距，我们建议使用所谓的霍奇拉普拉斯与图神经网络结构的流数据的分析相结合。具体来说，我们施加两个图表神经网络结构来解决流动插值和源定位的问题。
EviDense：基于图的方法寻找独特的基于关键词简洁描述的高影响力事件
原文标题： EviDense: a Graph-based Method for Finding Unique High-impact Events with Succinct Keyword-based Descriptions
地址： http://arxiv.org/abs/1912.02484
作者： Oana Balalau, Carlos Castillo, Mauro Sozio
摘要： 尽管研究界近年来取得，自动获取来自社交媒体仍然充满挑战高冲击事件的有价值的信息显著努力。我们目前EviDense，寻找社交媒体高影响事件（如灾难事件）基于图的方法。一个我们在我们的工作应对挑战是为每个事件一个简洁的基于关键字的描述，包括它的最相关的信息，如发生了什么，位置，以及它的时间表。我们评估我们在收集了大量张贴在一段19个月的鸣叫方式，利用众包平台。我们的评价结果显示，我们的方法优于国家的最先进的用于同样的问题接近，在具有较高的精度，重复的较低数目，并呈现基于关键词的描述是简洁和信息的条款。从主流媒体整合新闻我们进一步提高我们的算法的结果。这项工作的初步版本，是作为在ICWSM 2018年4页短论文。
不均一的碳价格对简化欧洲电力系统的成本优化设计的影响
原文标题： The effect of inhomogeneous carbon prices on the cost-optimal design of a simplified European power system
地址： http://arxiv.org/abs/1912.02739
作者： Markus Schlott, Fabian Hofmann, Changlong Wang, R. O. Gomes, Alexander Kies
摘要： 碳价格是最突出的方法之一，以减少全球温室气体排放，并已通过了世界各地的一些国家。然而，不同区域的碳价格会导致碳泄漏。我们研究一个简化的欧洲电力系统中的碳价格相对于人均变化，以GDP和发现不均匀的碳价格上涨导致显著碳泄漏是由于燃煤发电剩余电量在东欧的主要来源。
声明：Arxiv文章摘要版权归论文原作者所有，由本人进行翻译整理，未经同意请勿随意转载。本系列在微信公众号“网络科学研究速递”（微信号netsci）和个人博客 https://www.complexly.cn （提供RSS订阅）进行同步更新。个性化论文阅读与推荐请访问 https://arxiv.complexly.cn 平台。
网友评论