图源摄图网

摘要：自然灾害、 人为破坏等风险事件会给道路交通系统带来多点并发、 程度不一的结构破坏和功能失效, 降低系统服务水平甚至导致部分起讫点之间的出行中断. 以提升道路交通系统韧性为目标, 在风险事件发生前/后对系统组件可以采取一定的保护/修复措施, 使系统更好地抵抗、 响应风险事件并从中快速恢复, 以提升系统在风险事件发生、 发展、 恢复过程中的累积服务水平. 本文简要回顾交通系统韧性定义和评估方法的研究现状, 重点综述了以韧性提升为目标的交通系统组件保护和修复策略优化相关研究成果, 进而对该领域未来重点研究方向进行了展望.

关键词：道路交通系统；风险事件；事前保护；事后修复；韧性分析与优化

一、研究背景与意义

交通系统作为一种公共基础设施系统, 在保障生产生活及社会政治经济活动的高效稳定运转中发挥着重要作用. 居民的日常出行、物料产品的运输等都依赖交通系统的平稳、高效运行. 然而, 一些风险事件如自然灾害、恐怖袭击、道路维修改造等会给交通网络带来不同程度的结构破坏或功能失效, 导致部分地区服务水平降低甚至服务中断. 风险事件的破坏性影响促使学术界关注事前防护和准备阶段对网络的保护以及事后修复阶段对网络修复策略的研究, 以提升交通网络韧性, 实现交通系统抵御风险事件并从中快速、高效地恢复服务水平的能力.

目前针对交通系统韧性研究的综述多关注韧性的概念以及韧性测量指标的归纳总结. 在这些研究的基础上, 本文重点综述了风险事件导致城市道路交通网络发生结构失效的事前保护和事后修复策略优化方法相关研究, 旨在为从理论和实践的角度改进道路交通网络韧性提升决策提供参考.

二、主要内容

本文首先回顾了交通系统韧性定义和评估方法的研究现状, 从韧性量化指标和综合韧性评估框架两个角度对交通网络的韧性评估研究进行综述. 随后, 重点从道路交通网络事前保护和事后修复决策的优化目标、优化模型、决策变量、求解方法等角度对相关韧性优化研究进行归纳, 评述了当前研究中存在的问题并讨论了相关研究内容, 例如事前防护和准备阶段的韧性优化决策随机性假设的局限性、事前及事后道路网络韧性决策优化目标的具体层面. 分析了韧性优化决策的典型优化方法以及采用优化模型制定道路网络韧性提升策略的求解效率. 最后, 对道路交通网络事前和事后阶段韧性优化决策的关系进行了讨论, 并探讨了未来值得投入更多资源开展研究工作的几个方向.

三、主要结论及政策建议

1. 在交通网络韧性评估方面:

量化指标可以通过具体的数值对系统韧性进行定量评估, 提供更加直观、精细的结果. 然而一个量化指标通常只能评估系统某一方面的韧性表现, 无法全面反映系统多维度的韧性特征. 综合韧性评估框架能够考虑多个指标和因素, 更加全面地对系统韧性进行评估. 然而, 综合韧性评估框架评估指标的选取和权重的确定涉及主观因素较强, 可能导致不同的评估人员获得不同的评估结果. 此外, 综合韧性评估框架需要大量的相关数据来支撑评估, 并且数据分析和计算过程也相对复杂. 因此, 量化指标和综合韧性评估框架在评估系统韧性时各有优缺点, 可以根据具体的需求、数据可用性和评估目的来选择合适的方法.

2. 事前防护和准备阶段的韧性优化决策随机性假设方面：

在事前防护和准备阶段, 事件造成的破坏场景是未知的. 因此, 需要对路段的受损概率和受损程度进行先验假设, 并且需要对可能产生的网络失效场景进行模拟. 在制定事前防护和准备阶段的韧性优化决策方案时, 可能存在假设条件与实际情况不符的问题. 例如, 一个网络的假设灾害破坏情景可能与实际地区受灾情况差异较大, 导致了决策的实用性、可靠性不足. 对此, 可以结合灾害事件的历史数据和相关特征, 开发灾害学模型来预测不同地区和不同时段的灾害风险. 对灾害风险进行准确评估, 提升韧性优化措施的有效性和实用性.

3. 事前及事后道路网络韧性决策优化目标方面：

事前韧性决策的优化目标多面向事件后的网络服务水平. 在道路交通网络的规划和设计阶段, 也可以通过优化网络拓扑结构提升网络韧性. 其中, 提升冗余性是在事前阶段提升系统韧性的重要策略. 通过战略性地部署应急响应资源提升网络韧性可以面向事件后网络功能的恢复, 缩短从事件发生到完全恢复的时间周期, 从而减少网络累积性能损失.

事后修复阶段优化的网络韧性指标包括网络的服务水平、连通性、可达性、恢复的时间和速度等. 除此之外, 还应兼顾在修复过程中的安全性、公平性、灵活性等方面. 在修复过程中需要确保不会引发新的安全风险, 如交通事故风险. 公平性衡量道路交通网络在修复过程中是否能够满足各类人群的出行需求和利益, 例如平衡长距离和短距离出行需求的服务, 优先恢复公共交通的可达性等. 另外, 在现实道路交通系统的修复过程中存在许多的不确定性, 需要考虑修复计划的灵活性来应对不断变化的修复需求和条件.

4. 韧性优化决策问题求解效率方面:

事前防护和准备阶段以及事后修复阶段韧性优化决策问题求解的一个重要挑战是如何提升计算效率, 尤其是对大规模路网、决策实时性要求比较高的场景. 对于事前韧性优化决策问题, 由于失效场景的多样性, 需要从统计意义上评估系统应对失效的韧性, 因此需要对事后网络可能出现的场景进行多次采样, 以评估优化措施的效果. 对于事后修复阶段, 若涉及非线性优化问题则其求解具有一定复杂度, 目标网络规模的增大将使算法的计算复杂度迅速增加. 一个关键的问题是设计该优化问题的高效求解算法, 以提升算法对大规模路网的适用性以及相关决策支持方法的时效性.

5. 事前和事后阶段韧性优化决策关系方面：

无论是事前防护和准备阶段还是事后修复阶段, 制定韧性优化策略均需要精确辨识保护或修复的对象, 即识别道路交通网络中的关键路段, 集中有限的资源重点对这些路段进行优化和改善, 提升网络的整体韧性. 事前阶段的韧性优化决策旨在减轻风险事件带来的影响, 降低网络的损坏程度, 从而减少修复需求. 然而, 即使存在保护措施, 网络仍旧有可能在风险事件中遭到破坏, 需要在修复阶段对受损路段进行清理、重建等, 使网络性能恢复到风险事件前的水平. 因此, 在事前防护和准备阶段, 网络韧性优化决策不仅需要关注对关键路段的重点保护, 还可以考虑采取一定措施来加速网络在风险事件后的恢复. 可以根据历史经验和潜在风险评估, 合理规划维修资源的储备量、维修设施的选址, 使道路交通网络在风险事件后能够得到快速的修复, 从而减少网络的累积性能损失.

四、边际贡献与未来拓展

本文梳理了道路交通系统韧性分析与优化领域的研究现状, 重点介绍了道路交通网络事前保护和事后修复优化决策问题的相关研究成果. 结合当前研究进展, 本文对韧性背景下交通网络事前保护和事后修复策略优化方法研究进行展望, 提出以下几个关键问题.

(1)在制定保护和修复策略时, 需要根据实际需求综合考虑限制条件和优化目标, 获得最优的决策方案, 而更多的限制条件和多维度的优化目标将增加计算的复杂性. 建立混合整数规划、双层规划等优化模型能够对中小型交通网络有效求解其保护和修复策略, 但混合整数规划、双层规划等问题求解的计算成本高, 耗时长, 对大规模网络的适用性和可扩展性较差. 因此, 对于大规模交通网络快速、高效的韧性优化策略求解是需要着力解决的关键问题, 可以通过优化设计求解算法、应用代理模型等对该问题进行深入研究.

(2)道路交通网络失效场景下的用户出行需求和出行行为往往会发生变化. 为了提升韧性优化决策的科学性和有效性, 需要对失效场景下的用户出行行为进行预测. 例如, 对历史数据进行分析和挖掘, 预测相似场景下的用户需求变化和行为调整; 借助交通流量监测设备获取事件后实时的交通数据、道路使用情况, 利用移动终端、导航APP数据获取风险事件后用户真实的出行情况, 分析用户出行模式变化; 通过问卷方式对风险事件后的用户出行行为进行偏好调查, 从而预测用户出行行为变化.

(3)韧性优化决策需要依赖大量的相关数据来支持分析和模型构建. 然而, 道路交通网络的相关数据收集和更新可能存在不完备和不准确的情况, 尤其是对风险事件影响范围、风险事件后道路交通网络受损程度及出行需求数据的准确收集存在一定困难. 这会直接影响网络韧性优化决策的质量和有效性. 因此, 需要建立更加完善的数据采集系统, 整合多个数据源, 提高数据的完备性和准确性. 同时促进数据的共享和开放, 为研究者和道路管理者提供更准确、全面的数据支持, 帮助他们制定更科学、有效的韧性优化决策, 从而提高道路交通网络应对风险事件的韧性.

(4)城市的快速发展使得多模式出行逐渐成为城市居民的日常出行模式. 制定多模式综合交通网络的韧性优化决策, 需要研究多模式综合交通网络内部的耦合效应、用户多模式出行偏好和出行行为, 以及系统发生扰动后的用户自适应行为、多模式综合交通网络韧性曲线演化机理等. 此外, 还需要获取和处理相较于单一交通网络更复杂和多样化的交通数据. 这些问题大大增加了综合交通网络在风险事件发生前后的韧性提升策略优化的复杂性和挑战性. 然而, 研究综合交通网络的韧性优化, 将有助于更有效地提高城市交通系统的整体效率并增强其应对风险事件的能力, 因而具有更广阔的应用前景, 是兼具理论研究价值和实际意义的研究方向.

本文摘编自《系统工程理论与实践》2024年,第44卷,第11期论文《韧性背景下道路交通网络保护和修复优化方法综述》（点击题目链接全文）；
作者：郭明雪, 博士研究生,研究方向:道路交通系统韧性分析,复杂系统的建模,优化与分析；赵婷婷（通信作者）, 副教授,博士,研究方向:交通系统韧性分析与优化,交通基础设施选址优化,人工智能与大数据挖掘在交通问题中的应用等；高自友，博士,教授,研究方向:系统科学,交通运输规划与管理,管理科学与工程,复杂系统建模,优化与分析等
       北京交通大学 系统科学学院, 北京 100044