Accurate vulnerability assessment of critical infrastructure systems is cardinal to enhance infrastructure resilience. Unlike traditional approaches, this paper proposes a novel infrastructure vulnerability assessment framework that accounts for: various types of infrastructure interdependencies including physical, logical and geographical from a holistic perspective; lack of/incomplete information on supply-demand flow characteristics of interdependent infrastructure; and, unavailability/inadequate data on infrastructure network topology and/or interdependencies. Specifically, this paper models multi-infrastructure vulnerabilities leveraging simulation-based hybrid approach coupled with time-dependent Bayesian network analysis while considering cascading failures within and across CIS networks, under incomplete information. Existing synthetic data on electricity, water and supply chain networks are used to implement/validate the framework. Infrastructure vulnerabilities are depicted on a geo-map using Voronoi polygons. Our results indicate that infrastructure vulnerability is inversely proportional to the number of redundancies inbuilt in the infrastructure system, indicating that allocating resources to add redundancies in an existing infrastructure system is essential to reduce its risk of failure. It is observed that higher the initial failure rate of the components, higher is the vulnerability of the infrastructure, highlighting the importance of modernizing and upgrading the infrastructure system aiming to reduce the initial failure probabilities. Our results also underline the importance of collaborative working and sharing the necessary information among multiple infrastructure systems, aiming towards minimizing the overall failure risk of interdependent infrastructure systems.


翻译:与传统方法不同,本文件提出一个新的基础设施脆弱性评估框架,其中考虑到以下因素:各种基础设施的相互依存关系,包括从整体角度考虑实际、逻辑和地理因素;缺乏/不完整关于相互依存基础设施的供需流动特点的信息;基础设施网络地形和/或相互依存性的数据不足/不足。具体地说,本文件提出的多种基础设施脆弱性模型利用模拟混合方法,加上基于时间的巴伊西亚网络分析,同时考虑独联体网络内部和跨网络之间在信息不完整的情况下的累积失灵。现有的电力、水和供应链网络综合数据被用来执行/验证框架。利用Voronoi多边形图对基础设施脆弱性的地理图进行描述。我们的结果表明,基础设施脆弱性与基础设施系统中的冗余数量成反正成正成正,表明为在现有基础设施系统中增加冗余现象而调拨资源对于降低其失败风险至关重要。注意到,电力、水和供应链网络的现有合成数据在电力、水和供应链网络中的累积失灵率较高,用于落实/验证框架。利用Voronoi多边形形形形形形形形形形形形形形图描述基础设施的脆弱程度。我们合作性基础设施升级工作失败的重要性也突出。

0
下载
关闭预览

相关内容

强化学习最新教程,17页pdf
专知会员服务
168+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Latest News & Announcements of the Workshop
中国图象图形学学会CSIG
0+阅读 · 2021年12月20日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium8
中国图象图形学学会CSIG
0+阅读 · 2021年11月16日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium7
中国图象图形学学会CSIG
0+阅读 · 2021年11月15日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium5
中国图象图形学学会CSIG
1+阅读 · 2021年11月11日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium3
中国图象图形学学会CSIG
0+阅读 · 2021年11月9日
Hierarchically Structured Meta-learning
CreateAMind
23+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
26+阅读 · 2019年5月18日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
17+阅读 · 2019年3月28日
VIP会员
相关资讯
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Latest News & Announcements of the Workshop
中国图象图形学学会CSIG
0+阅读 · 2021年12月20日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium8
中国图象图形学学会CSIG
0+阅读 · 2021年11月16日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium7
中国图象图形学学会CSIG
0+阅读 · 2021年11月15日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium5
中国图象图形学学会CSIG
1+阅读 · 2021年11月11日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium3
中国图象图形学学会CSIG
0+阅读 · 2021年11月9日
Hierarchically Structured Meta-learning
CreateAMind
23+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
26+阅读 · 2019年5月18日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员