焦柳丹,李東榮,張 羽,霍小森

(重慶交通大學 經濟與管理學院,重慶 400074)

0 引 言

近年來,隨著我國城鎮(zhèn)化進程的推進,交通需求量提高,城市軌道交通因其運量大、快捷舒適、綠色環(huán)保等優(yōu)點[1],逐漸成為我國重要的公共交通工具之一。

隨著全球極端天氣的增加,暴雨災害給交通帶來的安全隱患也在加劇。如在2021年7月20日,鄭州遭遇罕見特大暴雨,大量積水倒灌,導致列車被困,造成部分人員傷亡。這表明,在遭受暴雨災害侵襲時,如何確保城市軌道正常運營成為一個亟待解決的問題。

目前,關于城市軌道交通應對暴雨災害影響的研究受到很多學者關注。權瑞松等[2]從承載體敏感性以及區(qū)域應災能力2個方面構建內澇脆弱性評價體系,并對上海各車站出入口進行了脆弱性分析;朱海燕等[3]基于敏感性、區(qū)域應災能力構建地鐵系統(tǒng)暴雨內澇脆弱性評估體系;LYU Haimin等[4]從危害性、暴露性、脆弱性3個方面建立地鐵系統(tǒng)洪水風險評估模型。除了構建多因素評價體系,還有學者以單個影響因素作為變量研究暴雨災害對城市軌道交通的影響。江輝等[5]根據不同的降雨強度下北京市地鐵車站出入口的排水情況,確定了地鐵安全運營3種警戒級別的降水量閾值標準;WANG Yuning等[6]針對城市軌道交通在不同降雨量的情景,建立基于后悔理論的城市軌道交通暴雨災害應急決策模型。

以上研究大多集中在暴雨災害城對市軌道交通系統(tǒng)的不利影響,關于其系統(tǒng)在應對暴雨災害的韌性能力方向研究還相對較少,但也有不少學者引入了韌性理論。提升車站的韌性水平,可以提升城市軌道交通系統(tǒng)應對暴雨災害的承災能力和自我恢復能力,從而提升城市軌道交通系統(tǒng)在暴雨災害下運營的可靠性和安全性。因此,筆者擬從韌性的角度,以影響因素間的鄰接關系為研究數(shù)據,運用社會網絡分析法的凝聚子群來分析網絡中次級團體結構的相互關系,再應用中心度指標篩選出車站韌性的關鍵影響因素,為提升車站應對暴雨災害的能力提供參考。

1 韌性影響因素識別

1973年,韌性思想首次在系統(tǒng)生態(tài)學領域應用[7],以描述生態(tài)系統(tǒng)在遭受外界干擾后能夠正常運行或恢復平衡狀態(tài)的能力。此后,韌性思想從生態(tài)領域逐漸延展到工程、經濟和社會等領域,各位學者也都給出了基于自身理解的韌性定義,韌性概念得到了進一步豐富和完善。目前,一些學者認為城市基礎設施系統(tǒng)中的韌性具有3個基本屬性[8]:抵抗力、恢復力和適應力。

基于韌性3屬性,筆者將暴雨災害下車站的韌性理解為:在遭受不可預期的、突發(fā)的災害沖擊時,車站能夠抵抗、吸收災害所帶來的不利影響,以最大程度維持車站的基本運行,通過車站的自我修復、學習和組織使車站迅速恢復到正常狀態(tài)的能力。因此,筆者首先通過相關文獻梳理,從抵抗力、恢復力和適應力3個屬性對暴雨災害下車站韌性影響因素進行總結歸納。

1.1 暴雨災害下車站抵抗力

車站的抵抗力是指車站可以承受和吸收暴雨災害所帶來的不利影響的能力,以最大程度保證車站的基本功能不被破壞。由于出入口是地下車站連接地面的通道,大多數(shù)情況下,洪澇積水是從車站出入口侵入車站內部,因此不同類型的出入口以及臺階高度抵御積水侵襲的表現(xiàn)也不同[5];而車站周邊綠化覆蓋率越高,車站周邊土壤的儲水能力就越強,降低雨水匯集速度的效果就越強[9];增強市政管網排水能力,使得車站周邊積水能夠快速排走,降低了出入口周圍發(fā)生洪澇災害的概率[2],從而減輕了車站的防汛壓力;良好的防汛監(jiān)控能力能夠有效監(jiān)測車站出入口的內澇情況[5]:一旦監(jiān)測到洪澇險情,防汛工作人員就可以將擋水板、沙袋等防汛物質設置在出入口以開展擋水工作,提升車站的防擋水能力,保證車站內部的干燥和清潔;當洪澇險情變得嚴重時,人員疏散工作的有效開展能夠減少不必要的人員傷亡[9]。

1.2 暴雨災害下車站恢復力

車站恢復力是指車站受到破壞時的不平衡狀態(tài)迅速恢復至所期望的穩(wěn)定狀態(tài)的能力,強調車站在恢復后能夠平穩(wěn)、正常運行的一種狀態(tài)。當遭遇積水倒灌后,車站就進入了恢復的狀態(tài),此時車站自身的排水設備就發(fā)揮了重要的作用,排水能力越強,清理積水的速度就越快,而工作人員的數(shù)量、工作人員熟練水平以及協(xié)調配合能力也都加快車站的恢復速度[9];供電系統(tǒng)保障能力和通信系統(tǒng)保障能力能輔助工作人員的防汛工作,保障車站在恢復期間維護工作的開展[5];防汛資金的投入能使車站損壞掉的設備能夠得到及時的更換[2],也能給工作人員發(fā)放防汛補助和獎勵,促使車站的恢復工作快速執(zhí)行。

1.3 暴雨災害下車站適應力

車站適應力是指車站在抵抗和吸收暴雨災害沖擊時,通過自我修復、學習和組織來調整自身結構,更好應對未來不同等級的暴雨災害的能力。建立一套良好的防汛應急預案制度,能夠讓車站在面臨不同的洪澇災害時,根據已有的規(guī)定和條例來快速做出防汛安排,也可以根據相近或相似預案中做出調整[10],提高車站應對暴雨侵襲的適應能力;通過防汛培訓演練,工作人員可以發(fā)現(xiàn)防汛工作中的漏洞,并進行及時修正和調整[11];經過防汛知識宣傳與教育,防汛工作人員可以端正防汛的態(tài)度,分清防汛事項的輕重緩急,乘客則可以積極地配合防汛工作[11];防汛設備的維護保養(yǎng)使得車站在遭遇洪澇險情時,能夠保持防汛設備穩(wěn)定狀態(tài)[11];區(qū)域經濟的發(fā)展給城市基礎設施提供財力支持,不僅改善城市系統(tǒng)的防汛設施,增強車站周邊區(qū)域的防汛減災能力,也加強了車站防汛措施的執(zhí)行力度[3]。這些因素不只是在車站首次應對暴雨災害的過程中發(fā)揮作用,在以后的防汛工作中仍起著重要的作用。因而在這些因素的影響下,車站面對同類暴雨災害時具有更豐富的防汛經驗,反應更為迅速,使得車站具有更強的適應力。

基于上述理解,筆者最終識別出20個暴雨災害下車站韌性影響因素,編號序號為F1～F20,具體如圖1。

圖1 車站韌性影響因素Fig. 1 Influencing factors of station resilience

2 社會網絡分析法

根據車站韌性,暴雨災害下車站韌性因素間存在著較為復雜的相互關聯(lián)關系,各交互作用的因素相當于構成了一個因素網絡[12]。社會網絡分析法(SNA),是社會學、管理學等領域常用的一種應用圖論和矩陣研究網絡結點之間復雜關系及結構的定量分析方法[13]。社會網絡分析法以結點關系數(shù)據為基礎,運用網絡量化指標和關系網絡拓撲圖,研究網絡的結構特性以及結點在網絡中的地位。運用社會網絡分析法將各韌性影響因素視為社會網絡中的結點,將各韌性影響因素之間的關聯(lián)關系視為結點之間相互作用的連線,組成一個影響因素網絡結構,以識別暴雨災害下車站的關鍵影響因素。

2.1 社會網絡分析的網絡特征分析

2.1.1 凝聚子群分析

車站韌性影響因素間存在具有相對較強、直接且緊密聯(lián)系的次級團體,對這些次級團體的研究也是網絡研究的重要內容。而凝聚子群分析能夠發(fā)現(xiàn)因素網絡中真實存在或潛在存在的次級團體結構,即因素網絡中存在的“子群”?！白尤骸钡男问交拍钍峭ㄟ^子群體中成員的總體凝聚性給出,是建立在結點間某些特定關系屬性的基礎上。凝聚子群分析是一種用來揭示因素網絡結構的方法,可更加全面分析因素網絡中次級團體結構的相互關系。

2.1.2 中心度分析

在一個網絡中,為研究哪些結點是關鍵的結點,可通過結點在網絡中的位置來分析其在整個網絡中的重要程度[14],即某一結點越處于網絡的中心位置,該結點在網絡中就越重要。在社會網絡分析中,有3類中心度可以衡量一個結點在網絡中的位置:點度中心度(degree centrality)、接近中心度(closeness centrality)和中間中心度(betweenness centrality)。

1)點度中心度

點度中心度表示為一個結點與其它結點聯(lián)系的數(shù)量,表示某一結點的局部中心指數(shù)[14],點度中心度的值越大,則與該結點相關聯(lián)的結點就越多,該結點越處于網絡的核心位置。采用標準化形式的相對點度中心度進行計算,如式(1):

(1)

式中:CD(Hi)為結點Hi的相對點度中心度,其值越大,結點i越處于網絡的核心位置;e(Hi,Hj)為結點Hi與結點Hj的連接關系數(shù);n為網絡中的結點個數(shù),n-1為網絡中任一結點的最大連接數(shù)。

在有向圖中,需要分別計算結點的出度與入度,計算公式分別為式(2)、式(3):

(2)

(3)

式中:CDO(Hi)、CDI(Hi)分別為結點Hi的相對點出度、相對點入度,當存在Hi指向Hj的關系時,eO(Hi,Hj)=1, 當存在Hj指向Hi的關系時,eI(Hj,Hi)=1。

2)接近中心度

接近中心度是針對某一結點不受其它結點控制的測度,依據各結點間距離測得的中心度,表示為一個結點與其它各結點的短程線的距離和。距離和越小,該結點與其它結點聯(lián)系越緊密,用于衡量該結點的通達性與便捷度[15]。采用標準化形式的相對接近中心度進行計算,如式(4):

(4)

式中:CC(Hi)為結點i的相對接近中心度的倒數(shù),其值越大,結點i的相對接近中心度越小;d(Hi,Hj)為結點i、j間的短程線距離。

在有向圖中,接近中心度分為外向接近中心度與內向中心度,采用標準化形式的相對接近中心度進行計算,其相對外向度、內向度的公式分別為式(5)、式(6):

(5)

(6)

式中:CCO(Hi)、CCI(Hi)分別為結點Hi的相對外向度、相對內向度;dO(Hi,Hj)為Hi指向Hj的的短程線距離;dI(Hj,Hi)為Hj指向Hi的的短程線距離。

3)中間中心度

中間中心度指網絡中某一結點與其它結點的間隔程度,表示該結點在多大程度控制其它結點的能力。如一個結點的中間中心度為0,則該結點不能控制網絡中的任何結點,處于網絡邊緣;如一個結點的中間中心度為1,則該結點可以控制網絡中的所有結點,處于網絡的核心。采用標準化形式的相對中間中心度進行計算如式(7):

(7)

式中:CB(Hi)為結點i的相對中間中心度,其值越大,該點在網絡中控制其它結點對的能力越強;Gjk為結點j與節(jié)點k間短程線的數(shù)目;Gjk(Hi)為結點j與節(jié)點k間經過結點i的短程線數(shù)目。

3 車站韌性關鍵影響因素分析

邀請5位城市軌道交通相關領域的專家,以普適性的城市軌道交通地下車站為研究對象進行評判。5位專家分中,有2位城市軌道交通運營管理領域學者、2位重慶軌道交通有限公司管理者以及1位重慶應急管理局官員。綜合5位專家意見,得到車站韌性影響因素關系矩陣,如表1。

表1 車站韌性影響因素關系矩陣Table 1 Interrelationship matrix of influencing factors of station resilience

根據表1中的關系數(shù)據,運用Gephi軟件可繪制出車站韌性影響因素網絡結構圖,如圖2。圖2中白色結點代表屬于抵抗力的因素,灰色結點代表屬于恢復力的因素,黑色結點代表屬于適應力的因素。

圖2 車站韌性影響因素網絡結構Fig. 2 The network structure of station resilience influencing factors

3.1 凝聚子群分析

凝聚子群通過網絡中結點子集的一些特征來研究網絡中的子群結構。凝聚子群分析并沒有從真實意義上劃分網絡內部派系或團體,而是分析子群內部的哪些結點連接緊密,以此分析凝聚子群間的相互作用關系。采用UCINET 6.0 中的CONCOR法(迭代相關收斂法)對車站韌性影響因素網絡的內部微觀結構進行分析,并得到如圖3的內部凝聚子群圖。

圖3 車站韌性影響因素內部凝聚子群Fig. 3 The cohesive subgroups of influencing factors of station resilience

從圖3的凝聚子群CONCOR分析的結果得出,車站韌性影響因素可大致分為7個較小子群:{F1,F2,F5}、 {F19,F8}、{F16,F17,F12,F18}、 {F9,F3}、 {F4,F7}、 {F20,F6,F13,F14}、{F11,F15,F10}。

第一個小子群中,F1、F2和F5屬于車站韌性的抵抗力屬性影響因素,共同作用于車站出入口,且彼此之間產生影響。

第二個小子群中,F8是車站的外圍設施,受F19的影響較多,而這兩個子群結合組成一個群體,共同從車站的外部對車站韌性造成影響。

由F16、F17、F12和F18組成的群體中,F12是車站在防汛工作中扮演著重要的作用,F16、F18則會影響車站防汛資金在整個城市軌道交通系統(tǒng)運營資金的占比,通過F17可找出最適宜的防汛資金支出比例。

由F9、F3和F4、F7組成的群體中,F9與F4是車站應對暴雨災害所直接體現(xiàn)出來的能力,在車站應對洪澇積水侵入車站的初始階段發(fā)揮作用,而F3和F7也在此階段發(fā)揮其影響。

在F20、F6、F13、F14結合F11、F15、F10組成最大的群體中,F6、F13、F14是從車站的設備屬性方面發(fā)揮車站應對暴雨災害的能力,F20確保設備的穩(wěn)定性,而F10、F11、F15是車站從人員屬性方面發(fā)揮車站應對暴雨災害的能力,這些因素共同作用于車站內部設備,維護車站的正常運行。

結果表明車站韌性影響因素網絡結構較為穩(wěn)健,同一凝聚子群的韌性影響因素具有很強的相似性,子群內部因素之間頻繁互通、緊密聯(lián)系,與車站實際的防汛工作情況基本相符。

3.2 中心度分析

為了研究因素網絡中關鍵的影響因素,以研究影響因素在因素網絡中的中心位置來分析其在整個因素網絡中的重要程度。使用UCINET 6.0軟件,得到各影響因素的點度中心度、接近中心度以及中間中心度,如表2。

表2 因素網絡結點的中心度Table 2 The centrality of factor network nodes %

從表2的點度中心度可知:

出、入度點度中心度較高的影響因素在因素網絡中均與其它影響因素有較多直接聯(lián)系,在因素網絡中處于核心位置。

F16、F17、F12、F15具有很高的出度點度中心度,表明這些影響因素在因素網絡與周邊影響因素有很多的外向聯(lián)系,且對周邊影響因素有很強的影響;F4、F7、F9、F3具有很高的出度點度中心度,表明這些影響因素在因素網絡與周邊影響因素有很多的內向聯(lián)系,受周邊影響因素的影響程度較強。

從表2的接近中心度可知:

F19具有最高的外向接近中心度,表明該影響因素在因素網絡中與其它影響因素聯(lián)系最緊密,受其它影響因素的干擾較少;F16、F17、F12也具有很高的外向接近中心度,表明這些影響因素在因素網絡中與其它影響因素聯(lián)系也很緊密,且在網絡中受到其它影響因素的干擾較少。對于內向接近中心度,F4、F7、F9和F3具有很高的內向接近中心度,表明這些影響因素與其它影響因素與聯(lián)系緊密,受其它影響因素的影響較多。

從表2的中間中心度可知:

F16具有最高的中間中心度,表明該結點在因素網絡中具有最高的控制能力,處于因素網絡的核心位置,發(fā)揮著很強的中介作用;F17、F15和F12也具有很高的中間中心度,在因素網絡中也具有較高的控制能力,發(fā)揮著較強的溝通作用。

綜合點度中心度、接近中心度和中間中心度分析,F16、F17和F12具有很高的入度點度中心度、外向接近中心度和中間中心度,這些影響因素與其它影響因素聯(lián)系緊密,且對其它影響因素具有較強的控制能力,發(fā)揮著較強的中介作用。

F15也有著較高的入度點度中心度和中間中心度,其外向接近中心度排在靠前位置,因此F15也與其它影響因素存在較為緊密的聯(lián)系,對其它影響因素也具有較強的控制能力,發(fā)揮著較強的中介作用。

F4、F7、F9和F3,這些影響因素的中間中心度較低,但具有較高的入度點度中心度和內向接近中心度,表明其與因素網絡中的其它影響因素存在著緊密聯(lián)系。因此,F4、F7、F9和F3在因素網絡中處于關鍵位置。

綜上,選定的關鍵影響因素為:防汛監(jiān)控能力(F3)、防汛擋水能力(F4)、人員疏散效率(F7)、防汛排水能力(F9)、防汛資金投入(F12)人員協(xié)調配合能力(F15)、防汛應急預案制度(F16)和防汛培訓演練(F17)。這些影響因素在網絡中與其它影響因素存在著緊密的聯(lián)系,對其它影響因素也具有較強的控制能力,發(fā)揮著較強的中介作用,將這8個影響因素作為車站韌性的關鍵影響因素。

4 結 語

基于車站韌性影響因素間的關系數(shù)據,通過運用社會網絡分析法(SNA)對暴雨災害下車站韌性影響因素進行凝聚子群分析和中心度分析,然后根據中心度分析的點度中心度、接近中心度和中間中心度這3個中心度指標來綜合確定車站韌性的關鍵影響因素,確定的關鍵韌性影響因素為:防汛監(jiān)控能力(F3)、防汛擋水能力(F4)、人員疏散效率(F7)、防汛排水能力(F9)、防汛資金投入(F12)人員協(xié)調配合能力(F15)、防汛應急預案制度(F16)和防汛培訓演練(F17)。為提高暴雨災害下車站韌性提供了一種思路。根據暴雨災害下車站韌性的關鍵影響因素,提出以下3方面建議:

1)抵抗力方面:加強車站防汛監(jiān)控能力,提升防汛擋水能力,提高人員疏散效率。當出現(xiàn)突發(fā)性強降雨時,良好的防汛監(jiān)控能力能夠提前對洪澇災害進行預警,車站工作人員能夠根據情況進行相應的防汛準備,以加強車站防汛擋水能力。當車站周圍有發(fā)生積水倒灌可能時,防汛工作人員可以實施擋水工作,防止積水侵入車站。人員疏散效率提升幫助清空車站,以減少不必要傷亡,保證工作人員防汛工作快速實施。

2)恢復力方面:加大防汛資金投入,提升人員協(xié)調配合能力,加強防汛排水能力。當車站遭受洪澇積水破壞后,加大防汛資金投入,使車站能迅速進入恢復狀態(tài)。在充足的防汛資金支持下,工作人員會更積極實施車站的排水工作,各項檢查與維修工作也會更好開展。人員協(xié)調配合能力提升使得各項防汛工作能有效開展,工作人員也能更高效實施防汛工作,車站排水能力能得到迅速提升,使車站在受災后恢復速度更快。

3)適應力方面:完善防汛應急預案制度,加強防汛培訓演練。在應對突發(fā)的暴雨災害時,一個好的應急預案制度能使車站快速進入防汛狀態(tài),并且使車站防汛工作安排更加合理。通過防汛培訓演練,防汛工作人員處理問題更加專業(yè),更容易發(fā)現(xiàn)車站防汛工作漏洞,使防汛應急預案制度更加完善。