劉海旭，榮 新

?

道路交通網(wǎng)絡(luò)脆弱性評估

劉海旭1,2，榮 新1

（1. 西南交通大學(xué), 交通運輸與物流學(xué)院，成都 610031；2. 綜合交通大數(shù)據(jù)應(yīng)用技術(shù)國家工程實驗室，成都 610031）

為了更準(zhǔn)確地評估道路交通網(wǎng)絡(luò)脆弱性，本文在用戶出行時間變化與路網(wǎng)出行需求變化的基礎(chǔ)上引入出行時間增加率閾值以及出行需求懲罰參數(shù)，并以此構(gòu)建了路網(wǎng)脆弱性評估模型。該模型通過各路段失效后的用戶出行時間損失以及路網(wǎng)出行需求損失，對各路段的脆弱性評估值進行計算，并通過網(wǎng)絡(luò)服務(wù)效率評價指標(biāo)對路網(wǎng)整體脆弱性進行評估。最后，本文以Dail網(wǎng)絡(luò)對所構(gòu)建的脆弱性評估模型進行算例分析，并與未加入和的傳統(tǒng)模型進行對比。分析結(jié)果表明該模型可以準(zhǔn)確識別路網(wǎng)中的脆弱源，計算結(jié)果更符合實際情況。

交通工程；道路交通；脆弱性評估；出行時間；出行需求

0 引 言

道路交通網(wǎng)絡(luò)脆弱性通常是指由突發(fā)事件所引起的路網(wǎng)通行能力降低的敏感性，表現(xiàn)為部分路段通行能力的喪失所引發(fā)的關(guān)聯(lián)路段級聯(lián)失效，進而造成大范圍的交通網(wǎng)絡(luò)擁堵[1]。隨著路網(wǎng)用戶出行范圍的擴大，道路交通網(wǎng)絡(luò)的規(guī)模不斷增加，路網(wǎng)的拓?fù)浣Y(jié)構(gòu)越來越復(fù)雜。一旦道路交通網(wǎng)絡(luò)受到各種突發(fā)事件的影響（如降雨、降雪、交通事故等）易造成大范圍的地面交通癱瘓，這類突發(fā)事件發(fā)生的概率低但是后果十分嚴(yán)重，一旦發(fā)生，在給路網(wǎng)交通功能帶來嚴(yán)重影響的同時也影響著道路交通網(wǎng)絡(luò)的安全運營。因此，針對道路交通網(wǎng)絡(luò)展開脆弱性研究，通過降低路網(wǎng)脆弱性以確保路網(wǎng)在遭遇突發(fā)事件時仍然能夠較為高效地運行，具有非常重要的現(xiàn)實意義。

1 道路交通網(wǎng)絡(luò)脆弱性分析

既有研究發(fā)現(xiàn)并不是路網(wǎng)中任意一條路段的失效均會造成大范圍的交通網(wǎng)絡(luò)擁堵，在網(wǎng)絡(luò)中只有特定某些路段的失效才會導(dǎo)致大范圍的交通擁堵，其根本原因就在于不同路段的失效給路網(wǎng)通行能力所帶來的影響是不一樣的。因此在對道路交通網(wǎng)絡(luò)脆弱性進行研究時，重要的工作是尋找網(wǎng)絡(luò)中的脆弱源，即確定哪些路段的失效會對路網(wǎng)的運行帶來最嚴(yán)重的影響，這也是評估道路交通網(wǎng)絡(luò)脆弱性的核心內(nèi)容。

當(dāng)前在對路網(wǎng)脆弱性進行研究時多采用路段遍歷失效法，即通過遍歷網(wǎng)絡(luò)中的所有路段，讓每一條路段輪流失效，再根據(jù)網(wǎng)絡(luò)均衡配流的結(jié)果，選擇適當(dāng)?shù)脑u價指標(biāo)以評價每條路段的失效給整個網(wǎng)絡(luò)帶來的影響，并通過相互對比從而確定網(wǎng)絡(luò)中脆弱性最顯著的路段即為脆弱源。D’Este[2]等以連通性為基礎(chǔ)對比分析了網(wǎng)絡(luò)中各路段失效所引起的網(wǎng)絡(luò)總阻抗增加值并以此為依據(jù)確定網(wǎng)絡(luò)中的脆弱性路段；Sohn[3]等展開了以可達性為基礎(chǔ)的網(wǎng)絡(luò)脆弱性路段判定；Jenelius[4]等在研究路網(wǎng)脆弱性時，以路段重要性概率和其計算指標(biāo)為基礎(chǔ)，通過依次斷裂每一條路段再結(jié)合UE模型計算各條路段的重要性；Scott[5]等提出了網(wǎng)絡(luò)魯棒性指數(shù)并以此為基礎(chǔ)對路網(wǎng)脆弱性展開了研究；葉青[6]等在分析路網(wǎng)脆弱性時通過依次去掉節(jié)點及相關(guān)聯(lián)路段的方法來確定網(wǎng)絡(luò)拓?fù)涔?jié)點的重要性；劉思峰[7]等在對路網(wǎng)脆弱性進行研究時提出了重要路段辨識模型。上述學(xué)者對道路交通網(wǎng)絡(luò)的脆弱性研究主要集中于道路交通網(wǎng)絡(luò)本身結(jié)構(gòu)的脆弱性以及網(wǎng)絡(luò)物理脆弱性，較少考慮到路網(wǎng)中用戶出行需求隨出行時間的變化而變化的情況。

本文在對網(wǎng)絡(luò)出行需求進行研究時發(fā)現(xiàn)網(wǎng)絡(luò)出行需求容易受到用戶出行時間變化的影響。當(dāng)網(wǎng)絡(luò)遭受突發(fā)事件的影響，拓?fù)浣Y(jié)構(gòu)發(fā)生變化后，部分用戶會計劃改變出行路徑以抵達目的地。當(dāng)計劃路徑的預(yù)出行時間超過了某一個范圍時，該部分用戶中的某些用戶會選擇放棄本次出行而成為出行需求未滿足用戶。此時在用戶出行時間變化的影響下，網(wǎng)絡(luò)出行需求將會發(fā)生彈性變化，路網(wǎng)流量分配亦變?yōu)閺椥孕枨笙碌牧髁吭俜峙洹?/p>

2 道路交通網(wǎng)絡(luò)脆弱性評估模型的建立

在對道路交通網(wǎng)絡(luò)脆弱性進行評估時，最重要的工作是計算各路段的脆弱性，本文采用路段遍歷失效法對路段脆弱性進行計算，在對路網(wǎng)中的流量進行分配時采用UE模型。

2.1 網(wǎng)絡(luò)流量分配

UE模型的建立是基于Wardrod第一原理，即用戶都充分了解網(wǎng)絡(luò)的狀態(tài)并且試圖選擇最短路徑出行。當(dāng)網(wǎng)絡(luò)達到平衡狀態(tài)時，每一組OD出行對所有被利用的路徑具有相等且最小的出行時間，余下未被利用的路徑其出行時間大于或等于最小出行時間。UE模型的數(shù)學(xué)表達式如下所示[8]：

模型中使用BPR函數(shù)計算各條路段的走行時間，其計算公式如下所示：

2.2 路網(wǎng)脆弱性評估模型的構(gòu)建

根據(jù)對路網(wǎng)脆弱性的分析可知，網(wǎng)絡(luò)中路段的失效可能既會增加OD出行對的出行時間，又會造成用戶出行需求未滿足數(shù)量上升，在構(gòu)建模型對路段脆弱性進行計算時需要綜合這兩個方面進行考慮。

在計算路段的失效對OD出行對時間的影響時，可以通過計算路段失效后網(wǎng)絡(luò)中所有OD出行對總出行時間的變化率來對其進行度量。計算公式如下所示：

在計算路段的失效對網(wǎng)絡(luò)出行需求的影響時，可以通過路段的失效所帶來的用戶出行需求未滿足數(shù)量占總出行用戶數(shù)的比例對其進行衡量。計算公式如下所示：

在得到了網(wǎng)絡(luò)中各路段失效對網(wǎng)絡(luò)出行需求和OD對出行時間的影響之后，就可以對路網(wǎng)整體的脆弱性進行計算。為了綜合考慮網(wǎng)絡(luò)中所有路段對路網(wǎng)脆弱性的影響，引入網(wǎng)絡(luò)服務(wù)效率評價指標(biāo)，通過網(wǎng)絡(luò)服務(wù)效率的變化來度量整個城市道路交通網(wǎng)絡(luò)的脆弱性[9]，計算公式如下所示：

Step2：導(dǎo)入初始網(wǎng)絡(luò)，在網(wǎng)絡(luò)中刪除路段并更新網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)以及路段相關(guān)信息。

Step4：預(yù)出行時間增加率判斷。

Step6：路段遍歷條件判斷。

（1）若=1，轉(zhuǎn)入Step2。

Step7：結(jié)束計算，輸出各路段脆弱性取值以及網(wǎng)絡(luò)脆弱性取值。

3 算例分析

本文以Dail網(wǎng)絡(luò)對所建立的模型進行實例分析，以檢驗?zāi)Ｐ蜆?gòu)建的合理性及有效性。Dail網(wǎng)絡(luò)包括25個節(jié)點，40條路段，圖1中路段上的數(shù)字分別是該路段的零流出行時間及路段設(shè)計通行能力。為了更好地模擬路段失效給路網(wǎng)整體帶來的影響，本文在Dail網(wǎng)絡(luò)中的不同節(jié)點之間共加載了20個出行對，各OD出行對之間的初始出行數(shù)量如表1所示，網(wǎng)絡(luò)初始總出行量為6 000人次。本文使用TRANSCAD軟件對路網(wǎng)流量進行UE分配，得到網(wǎng)絡(luò)初始流量分布結(jié)果如圖2所示，圖2中各路段上的數(shù)字分別是該路段的走行時間以及該路段分配得到的流量，由圖2可知路網(wǎng)初始出行總耗時為533.6 min。

圖1 Dial網(wǎng)絡(luò)

圖2 初始流量分配

表1 網(wǎng)絡(luò)出行OD數(shù)據(jù)表

表2 路段脆弱性統(tǒng)計

續(xù)表2

路 段脆弱性路 段脆弱性 21—160.00513—80.064 16—110.06712—7-0.001 17—120.07711—60.084 18—130.0626—10.069 19—140.0787—20.104 20—150.1348—3-0.028 15—100.239—4-0.014 14—90.04510—50.011

分析表2中的數(shù)據(jù)可以發(fā)現(xiàn)不同路段在網(wǎng)絡(luò)中的脆弱性是不一樣的。其中路段脆弱性在0.1以上的路段一共有9條，且9條路段中有6條路段是直接和出行起訖點相連接的，該結(jié)果表明路段脆弱性除了與路段的物理條件有關(guān)之外還與客流的出行分布密切相關(guān)，這也與實際情況相符合。

路段15—10的脆弱性為0.23，遠(yuǎn)高于路網(wǎng)中的其他路段。在對路段15—10進行研究時，發(fā)現(xiàn)路段15—10未失效時路網(wǎng)中有多個OD出行對的最短出行路徑會經(jīng)過該路段，而一旦該路段失效則這些OD出行對的最短出行路徑都會發(fā)生變化，此時整個網(wǎng)絡(luò)遭受到了最大的出行時間損失以及出行需求損失。因此路段15—10是整個路網(wǎng)的脆弱源，在對路網(wǎng)進行優(yōu)化時可以優(yōu)先從路段15—10著手，通過擴大該路段的通行能力或者新建其他臨近路段以降低該路段的脆弱性。

表3是未引入出行時間增加率閾值以及出行需求懲罰參數(shù)時各路段的脆弱性值。在表3中路段脆弱性值在0.2以上的路段一共有5條，路網(wǎng)脆弱源是路段2—3；而在表2中，路段脆弱性值在0.2以上的路段只有3條，路網(wǎng)脆弱源仍然是路段2—3。對比上述數(shù)據(jù)可以知道，出行時間增加率閾值以及出行需求懲罰參數(shù)的引入減小了路網(wǎng)中高脆弱性路段數(shù)目，增加了計算工作的有效性，有利于準(zhǔn)確確定路網(wǎng)中的脆弱源。

Tab.3 Statistics of segments vulnerability without and

值得注意的是，在按照本文所構(gòu)建的模型計算各個路段脆弱性時，路網(wǎng)中出現(xiàn)了部分路段脆弱性小于零的情況。這表明在當(dāng)前的客流分布情況下這些路段的存在不但不能達到改善交通狀況的目的，反而會對路網(wǎng)的整體運行帶來負(fù)面影響，這一情況與Braess詭異現(xiàn)象相似，因此在對路網(wǎng)進行優(yōu)化設(shè)計時可以考慮關(guān)閉這些路段以提高路網(wǎng)整體運行效能。在得到各路段脆弱性之后，經(jīng)過統(tǒng)計即可得到路段失效所帶來的出行需求未滿足數(shù)量的平均值=213人次，路段失效所帶來的路網(wǎng)出行時間增加的平均值=13.34 min，所以根據(jù)公式（12）~（15）即可得到路網(wǎng)整體脆弱性=0.0627<0.1。這表明路網(wǎng)中各路段的失效對網(wǎng)絡(luò)整體出行時間以及出行需求影響較小，路網(wǎng)整體脆弱性在可接受范圍之內(nèi)。

4 結(jié) 論

[1] 張勇, 屠寧雯, 姚林泉. 城市道路交通網(wǎng)絡(luò)脆弱性辨識方法[J]. 中國公路學(xué)報, 2013, 26 (4): 154-161.

[2] D’ESTE G M, TAYLOR M A P. Network vulnerability: an approach to reliability analysis at the level of national strategic transport networks[C]// The Network Reliability of Transport: Proceedings of the 1stInternational Symposium on Transportation Network Reliability. NewYork: Pergamon Press, 2003: 23-44.

[3] SOHN J. Evaluating the significance of highway network links under the flood damage: an accessibility approach[J]. Transportation Research Part A, 2006, 40(5): 491-501.

[4] JENELIUS E, PETERSEN T, MATTSSON L. Importance and exposure in road network vulnerability analysis[J]. Transportation Research Part A, 2006, 40(7): 537-560.

[5] SCOTT D M, NOVAK D C, AULTMAN-HALL L. Network robustness index: a new method for identifying critical links and evaluation the performance of transportation networks[J]. Journal of Transport Geography, 2006, 14(3): 215-227.

[6] 葉青. 基于復(fù)雜網(wǎng)絡(luò)理論的軌道交通網(wǎng)絡(luò)脆弱性分析[J]. 中國安全科學(xué)學(xué)報, 2012, 22(2): 122-125.

[7] 劉思峰, 萬壽慶, 陸志鵬, 等. 復(fù)雜交通網(wǎng)絡(luò)中救援點與事故點間的路段重要性評價模型研究[J]. 中國管理科學(xué), 2009, 17(1): 119-124.

[8] 陸化普. 交通規(guī)劃理論與方法[M]. 北京: 清華大學(xué)出版社, 2006.

[9] 李大愚, 高光銳. 城市地鐵網(wǎng)脆弱性分析[J]. 中國安全科學(xué)學(xué)報, 2016, 26(3): 157-161.

（中文編輯：李愈）（英文審改：孫湛博）

Evaluation of Road Traffic Network Vulnerability

LIU Hai-xu1,2，RONG Xin1

( 1. School of Transportation and Logistics, Southwest Jiaotong University, Chengdu 610031, China;2. National Engineering Laboratory of Integrated Transportation Big Data Application Technology, Chengdu 610031, China )

To identify road network vulnerability, this article introduces the threshold of travel time increaseto account for the travel time uncertainty, and a penalty parameteris introduced to capture the change of traffic demand. A model is then built to evaluate the road network vulnerability by calculating the travel time and demand loss during segment breakdown. Numerical results are provided based on the Dial’s network, which show that the model can accurately and realistically capture the source of vulnerability compared to traditional models.

traffic engineering; road traffic; evaluation of vulnerability; travel time; travel demand

1672-4747（2018）02-0094-06

U491.1

A

10.3969/j.issn.1672-4747.2018.02.015

2017-05-04.

國家自然科學(xué)基金項目（51278429）；中國國家留學(xué)基金資助

劉海旭（1974—），男，漢族，四川峨眉人，博士，西南交通大學(xué)交通運輸與物流學(xué)院副教授，研究方向為交通工程。

劉海旭，榮新. 道路交通網(wǎng)絡(luò)脆弱性評估[J]. 交通運輸工程與信息學(xué)報, 2018, 16(2): 94-99.