An Application of Network Autocorrelation Model Utilizing Nodal Reliability

집합점의 신뢰성을 이용한 네트워크 자기상관 모델의 연구

Many classical network analysis methods approach networks in aspatial perspectives. Measuring network reliability and finding critical nodes in particular, the analyses consider only network connection topology ignoring spatial components in the network such as node attributes and edge distances. Using local network autocorrelation measure, this study handles the problem. By quantifying similarity or clustering of individual objects' attributes in space, local autocorrelation measures can indicate significance of individual nodes in a network. As an application, this study analyzed internet backbone networks in the United States using both classical disjoint product method and Getis-Ord local G statistics. In the process, two variables (population size and reliability) were applied as node attributes. The results showed that local network autocorrelation measures could provide local clusters of critical nodes enabling more empirical and realistic analysis particularly when research interests were local network ranges or impacts.

일반적으로 사용되는 많은 네트워크 분석방법들은 비공간적인 측면에서 네트워크를 인식하는 경향이 있다. 가령 네트워크의 신뢰성(reliability)을 측정하고 중요한 집합점(node)을 찾는 기본적인 문제에 있어서도, 이러한 분석방법들은 집합점의 속성이나 연결선(edge)의 거리와 같은 네트워크의 공간적인 요소를 배제한 채, 네트워크요소들의 위상적인 접합 여부만을 고려한다. 그에 따라 이러한 네트워크 분석은 실제 공간에서의 네트워크 특성을 반영하지 못하는 제한적인 결과만을 도출하게 한다. 그러나 본 연구는 국지네트워크의 자기상관 (local network autocorrelation measure) 값을 이용하여 이러한 문제의 해결을 시도하였다. 국가자기상관 값은 공간객체들의 유사성이나 군집성을 개별적으로 측정하여 각 객체들의 중요도를 나타낸다. 본 연구는 미국의 주요 인터넷 네트워크를 disjoint product method와 Getis-Ord의 G 수치를 이용하여 분석하였으며 그 과정에서 인구와 신뢰도를 변수로서 이용하였다. 그 결과 국지네트워크의 자기상관값은 주요한 집합점들의 국지적인 군집정도를 나타냈고, 이러한 연구 결과는 연구 촛점이 국지네트워크의 범위나 그 영향일 경우, 국지자기상관값의 이용이 더 실용적이고 현실적임을 보여준다.