, 何凡, 赵冬月, 谢明峰中南大学 防灾科学与安全技术研究所, 长沙 410075
收稿日期：2022-01-04
基金项目：国家自然科学基金重大项目（72091512，71790613）；湖南创新型省份建设专项经费资助（2020SK2004）
作者简介：陈长坤(1977-), 男, 教授。E-mail: cckchen@csu.edu.cn
摘要：为科学定量评估城市道路公共交通系统韧性，构建了基于系统机能曲线的城市道路公共交通系统韧性评估模型，并提出了一种量化系统韧性的方法。模型中包含公交车系统和出租车系统两个维度，并采用城市公交车服务率和出租车在线率来表征其系统机能，能够综合评估城市道路公共交通系统韧性。用该方法对2021年郑州特大暴雨灾害中的道路公共交通系统韧性进行了计算分析。评估结果表明：郑州市道路公共交通系统处于中等韧性水平，且不同的恢复方案对系统的恢复力和适应力均会产生影响。所建立的模型能够描述系统从受到扰动至达到新的平衡状态各个段的机能水平，从而定量计算城市道路公共交通系统韧性。该方法适用于单一灾害作用情景和多种灾害耦合作用情景，可为提升城市道路公共交通系统应对不确定性扰动的能力提供参考。
关键词：交通系统韧性韧性评估系统机能曲线城市公共交通
Urban public transport system resilience evaluation based on a system function curve
CHEN Changkun
, HE Fan, ZHAO Dongyue, XIE MingfengInstitute of Disaster Prevention Science and Safety Technology, Central South University, Changsha 410075, China
Abstract: The resilience of the urban public transport systems was evaluated using a system function curve model to quantify the urban public transport system resilience. The model included the bus and taxi systems with the bus service rate and the taxi online rate used as the system function to evaluate the urban public transport system resilience. This method was then used to evaluate the resilience of the public transport system during the Zhengzhou storm and flooding in 2021. The results show that the Zhengzhou public transport system is moderately resilient and various recovery schemes could affect the recovery capacity and adaptability of the system. The model describes the system functions in stages from the initial disturbance to a new equilibrium state to calculate the urban public transport system resilience. This method is suitable for single disasters and multiple, coupled disasters and can provide guidance for improving the ability of urban public transport systems to deal with unknown disruptions.
Key words: transport system resilienceresilience evaluationsystem function curveurban public transport
近年来，随着全球气候变化，极端天气事件的强度和频率不断提高。2021年5月，武汉突发EF2级龙卷风，造成8人遇难、230人受伤、3 568人受灾[1]；同年7月，郑州出现了罕见的持续强降水天气过程，导致292人遇难，直接经济损失532亿元[2]。在气候变化等因素带来的自然灾害风险增大的背景下，风险管控和灾后恢复越来越受到重视，而城市道路公共交通作为城市运转的核心基础设施系统，是维持通勤和从灾害中快速恢复的关键节点[3]。韧性作为一个新的研究视角，正越来越多地被运用于城市交通系统可持续发展研究中[4]。在交通领域，Murray-Tuite等[5]最早提出并总结了交通系统韧性的冗余性、多样性、效率性、协作性、适应性、安全性、快速恢复能力等10个维度，随后经许多****的发展，交通系统韧性概念日趋成熟[6-8]。增强交通等基础设施系统的韧性，是提升城市综合防灾减灾能力的一条创新途径[9]。
对道路公共交通系统韧性的科学评估是提升其韧性的前提。目前交通系统韧性评估方法可大致分为基于指标体系的评估方法和基于系统机能曲线的评估方法两类。基于指标体系的评估方法能够突出韧性影响因素，但无法描述系统韧性在扰动事件中的持续变化过程及动态平衡[4, 10-11]；而基于系统机能曲线的评估方法能持续性描述系统机能从而表征系统韧性的变化全过程。
系统机能曲线主要用于描述基础设施面对灾害时的状态变化，是一个关于时间的连续分段函数。2007年，Bruneau等[12]首次提出系统机能曲线并运用于地震工程学，认为韧性可以用系统机能曲线与横纵坐标轴所围成的面积来表示。Ouyang等[13]提出了基础设施系统“三阶段”韧性分析框架。在此基础上，许多****研究了不同灾害场景下的交通系统的韧性曲线与评估方法，例如文[14-16]针对城市交通系统的抗震韧性提出了量化评价方法；戢晓峰等[17]考虑了高速公路在暴雨侵扰场景下的总体韧性；吕彪等[18]建立了基于日变交通配流的扰动事件周期内的道路交通系统性能评估模型。
上述研究所提出的模型丰富了韧性评估的手段，但是已有的基于系统机能曲线的交通韧性评估研究多适用于某一特定灾害场景，评估对象多为单一类型的基础设施，而针对包含多类型基础设施的系统的韧性评估方法研究较少。城市道路公共交通系统包含公路、桥梁等多类基础设施，对韧性评估方法提出了更高的要求。因此，本文拟构建一种基于系统机能曲线的城市道路公共交通系统韧性定量评估模型，并以暴雨灾害下的郑州市道路公共交通系统为评估对象进行实例计算，对所提出的模型进行实际应用，从而为城市道路公共交通系统韧性建设提供参考。
1 城市道路公共交通系统韧性评估模型构建1.1 城市道路公共交通系统机能曲线在目前的研究中，交通系统的韧性尚未有明确的定义。参考前人对道路公共交通系统韧性的定义[5, 7-8]，本文所提出的道路公共交通系统韧性是指道路公共交通系统面对扰动时维持和恢复正常服务水平并面对下一次扰动的能力，即抵抗力、恢复力和适应力的有机结合。
参考Bruneau等所提出的基础设施机能变化曲线[12]，本文构建了城市道路公共交通系统机能曲线，如图 1所示。图 1中：Q(t)表示机能曲线函数，t0至t3为系统受到扰动后抵抗—恢复—适应的整个周期，持续时间用tall表示，即tall=t3-t0。t0表示系统受到扰动影响的起始时间，t1表示系统机能降至最低值QC的时间，t2表示系统机能恢复至一定水平并在短期内不再增长的时间，t3表示停止投入与系统机能恢复相关的物资、人力的时间。
 |
| 图 1 城市道路公共交通系统机能曲线示意图 |
| 图选项 |
图 1中：1) 当t＜t0，系统正常运转，机能维持在10%。2) 当t0＜t≤t1时，系统处于抵抗阶段，抵抗阶段持续时间为ta=t1-t0。此阶段内，系统机能因受到扰动而持续下降，系统损失的机能可用QL=Q(t0)-Q(t1)表示。3) 当t1＜t≤t2时，系统处于恢复阶段，恢复阶段持续时间为tb=t2-t1。此阶段内，随着人力物力的投入，系统机能开始恢复，并最终达到该周期内的最大值，tb的长短与组织能力、资源投入等相关。为表征系统机能恢复的快慢，可用v=QRE/tb来衡量系统机能平均恢复速率，其中QRE=Q(t2)-Q(t1)。4) 当t2＜t≤t3时，系统处于适应阶段，此阶段内系统机能维持在组织投入人力物力后所能恢复至的最大值，系统将以该机能水平面对下一次扰动。改变资源的投入方式可能导致适应阶段内系统机能的变化。
1.2 城市道路公共交通系统韧性定量计算方法1.2.1 城市道路公共交通系统机能计算本文基于多个子系统对道路公共交通系统韧性进行综合评估，子系统包括公交车系统、出租车系统、非机动车系统等，因此系统总体机能也由多个子系统的系统机能组成，
| $Q(t) = \sum\limits_{k = 1}^n {{Q_k}} (t) \cdot {w_k}{\rm{.}}$ | (1) |
1.2.2 城市道路公共交通系统韧性定量计算本文所提出的城市道路公共交通系统韧性定量计算方法采用系统面对灾害时的机能累积量与系统正常运转时的机能累积量之比来表征城市道路公共交通系统韧性值，
| $r = \frac{{{A_{\rm{s}}}}}{{{A_{\rm{p}}}}}.$ | (2) |
| ${A_{\rm{s}}} = \int_{{t_0}}^{{t_3}} {{Q_{\rm{s}}}} (t){\rm{d}}t.$ | (3) |
| ${A_{\rm{p}}} = \int_{{t_0}}^{{t_3}} {{Q_{\rm{p}}}} (t){\rm{d}}t.$ | (4) |
考虑到整个城市道路公共交通系统的机能一般难以直接衡量，r也可由各子系统韧性值rk加权后求和来计算得出，
| $r = \sum\limits_{k = 1}^n {{r_k}} \cdot {w_k}.$ | (5) |
表 1 城市道路公共交通系统韧性水平分级
| 韧性水平 | 韧性值 |
| 低 | [0, 0.33) |
| 中等 | [0.33, 0.67) |
| 高 | [0.67, 1] |
表选项
1.2.3 抵抗力水平、恢复力水平、适应力水平计算根据1.1节，系统在面对灾害时经历抵抗—恢复—适应3个阶段，本文将城市道路公共交通系统韧性值进一步表示为
| $r = {r_{\rm{a}}} + {r_{\rm{b}}} + {r_{\rm{c}}}.$ | (6) |
| ${r_{\rm{a}}}{\rm{ }} = \frac{{\int_{{t_0}}^{{t_1}} {{Q_{\rm{s}}}} (t){\rm{d}}t}}{{{A_{\rm{p}}}}}, $ | (7) |
| ${r_{\rm{b}}} = \frac{{\int_{{t_1}}^{{t_2}} {{Q_{\rm{s}}}} (t){\rm{d}}t}}{{{A_{\rm{p}}}}}, $ | (8) |
| ${r_{\rm{c}}} = \frac{{\int_{{t_2}}^{{t_3}} {{Q_{\rm{s}}}} (t){\rm{d}}t}}{{{A_{\rm{p}}}}}.$ | (9) |
对于城市公交车系统来说，考虑到公交车线路的运营数量可以反映城市地面公共交通的服务水平和出行能力，且公交车线路的运营情况可以从侧面反映城市公共交通系统的关键道路面对灾害时维持或恢复正常通行的能力。因此，本文采用城市公交车服务率来表征城市公交车系统的机能，
| $B = \frac{{{b_{\rm{s}}}}}{b}.$ | (10) |
出租车系统作为城市综合交通系统的组成部分，能够为市民提供个性化的运输服务，是城市公共交通的补充，也是交通系统韧性中多样性的体现。考虑到出租车在线率可以反映租车系统服务水平，且出租车在线率也能反映灾害后城市的复产复工情况。因此，本文采用出租车在线率来表征出租车系统的机能，
| $I = \frac{{{i_{\rm{s}}}}}{i}.$ | (11) |
考虑到城市公交车与出租车同为城市道路综合交通运输体系的组成部分，能够相互补充，并分别从不同的角度反映交通系统面对灾害时的维持与恢复情况。在本文的分析中，将上述两个子系统看作同等重要，因此将R1、R2的权重w1、w2分别设为0.5、0.5。
2 案例应用与分析2.1 数据来源针对2021年7月20日郑州特大暴雨灾害事件，收集7月20日至7月28日郑州市公交车运营情况及出租车运营情况相关数据。数据来源于郑州市交通运输局官网[20]、河南省防汛救灾新闻发布会[2]、郑州日报[21]、郑州公交新浪微博[22]。据上述数据统计，郑州市公交车线路共339条，巡游出租车11 875辆，网约车32 075辆。
将正常运转情况下的系统机能Qp(t)设定为100%。对所收集的数据进行整合处理，计算出城市公交车服务率及出租车在线率。具体运营情况及计算结果见表 2和3。
表 2 暴雨灾害下郑州市公交车运营情况
| 日期 | 具体时间 | 公交车运营线路数/条 | 公交车服务率/% |
| 7-20 | 14:30 | 0 | 0.00 |
| 7-21 | 12:00 | 11 | 3.25 |
| 14:00 | 51 | 15.04 | |
| 15:00 | 78 | 23.01 | |
| 16:00 | 90 | 26.55 | |
| 18:00 | 107 | 31.56 | |
| 7-22 | 07:00 | 205 | 60.47 |
| 12:00 | 225 | 66.37 | |
| 14:00 | 226 | 66.67 | |
| 17:00 | 230 | 67.85 | |
| 7-23 | 08:00 | 270 | 79.65 |
| 11:00 | 280 | 82.60 | |
| 15:00 | 289 | 85.25 | |
| 7-24 | 09:00 | 300 | 88.50 |
| 17:00 | 321 | 94.69 | |
| 7-25 | 14:00 | 327 | 96.46 |
| 18:00 | 330 | 97.35 | |
| 7-26 | 00:00 | 339 | 100.00 |
| 7-27 | 00:00 | 339 | 100.00 |
| 7-28 | 00:00 | 339 | 100.00 |
表选项
表 3 暴雨灾害下郑州市出租车运营情况
| 日期 | 具体时间 | 在线出租车数/辆 | 出租车在线率/% |
| 7-21 | 18:00 | 11 500 | 26.17 |
| 7-22 | 12:00 | 14 000 | 31.85 |
| 7-23 | 11:00 | 14 231 | 32.38 |
| 16:00 | 20 311 | 46.21 | |
| 7-25 | 16:00 | 21 192 | 48.22 |
| 7-27 | 16:00 | 21 117 | 48.05 |
| 7-28 | 16:00 | 19 998 | 45.50 |
表选项
2.2 实例计算与结果分析以2021年7月20日14时为计时起点，以2021年7月28日16时为计时终点，此时t3=194 h。根据城市公交车服务率及出租车在线率绘制散点图和样条曲线，得到暴雨灾害下郑州市公交系统机能曲线及出租车系统机能曲线，如图 2和3所示。图 4为根据子系统机能计算并绘制得到的郑州市道路公共交通系统机能曲线。
 |
| 图 2 暴雨灾害下郑州市公交车系统机能曲线 |
| 图选项 |
 |
| 图 3 暴雨灾害下郑州市出租车系统机能曲线 |
| 图选项 |
 |
| 图 4 暴雨灾害下郑州市道路公共交通系统机能曲线 |
| 图选项 |
从图 2中可以看出，7月20日下午14时左右，郑州市公交车系统因暴雨影响系统机能快速大幅下降。在受到暴雨影响约20 h后，郑州市公交车系统开始恢复运营，恢复幅度较大，并于130 h后完全恢复。从图 3中可以看出，与城市公交车系统机能相同，出租车系统机能同样在灾害初期受到严重影响，经过75 h缓慢恢复至45%左右，并在后期基本维持在45%左右，无明显增长。
表 4为本文评估方法所计算得出的郑州市公交车系统、出租车系统及道路公共交通系统的抵抗力水平、恢复力水平、适应力水平及韧性值。
表 4 郑州市道路公共交通系统韧性值
| ra | rb | rc | r | |
| 公交车系统 | 0.003 | 0.427 | 0.333 | 0.763 |
| 出租车系统 | 0.007 | 0.209 | 0.177 | 0.393 |
| 交通系统 | 0.005 | 0.318 | 0.255 | 0.578 |
表选项
从表 4的计算结果可以看出，暴雨灾害下郑州市公交车系统处于高韧性水平，出租车系统处于中等韧性水平，而道路公共交通系统处于中等韧性水平。结合图 4可以看出，在抵抗阶段，灾害初期整个道路公共交通系统均受到了严重影响，无法维持正常运转，在面对特大暴雨时的抵抗力较低。在恢复阶段，道路公共交通系统整体恢复力较高，其中城市公交车系统机能能够在48 h左右恢复至50%以上，恢复力较高；而出租车在线率恢复速度较慢且恢复达到的机能水平较低，恢复力偏弱。公交车系统与出租车系统恢复力的对比也可从侧面反映出，由公交车运营线路所代表的城市路网关键道路能在灾后迅速恢复正常通行，但由于其他基础设施尚未完全恢复，市民的工作与生活仍受到较大影响。在适应阶段，道路公共交通系统整体适应力较低，公交车系统能够以100%系统机能面对下一次的扰动，适应力较高；而出租车系统只能以不到50%的系统机能面对下一次扰动，适应力较低。
2.3 恢复力视角下韧性提升策略分析为探究不同的系统机能恢复情况对道路公共交通系统韧性的影响，分别对恢复阶段的公交车服务率和出租车在线率的增长情况进行模拟，并计算道路公共交通系统的韧性变化。
2.3.1 城市公交车系统韧性提升策略分析由2.2节计算分析可知，城市公交车系统机能在恢复阶段能够恢复至100%，平均恢复速率为0.772%/h。为进一步提高城市公交车系统韧性r1，将恢复阶段各个时间点的城市公交车正常运营线路数bs分别在原有线路数的基础上增加5%、10%、20%。增加线路数后的公交车系统机能曲线如图 5所示。表 5为以上3种恢复情况下的城市公交车系统的平均恢复速率v1、恢复力水平r1b及韧性值r1的计算结果。
 |
| 图 5 不同恢复情况下公交车系统机能曲线 |
| 图选项 |
表 5 不同恢复情况下公交车系统韧性值
| 恢复情况 | v1/(%·h-1) | r1b | r1 | r1增长率/% |
| 当前恢复情况 | 0.772 | 0.427 | 0.763 | 0.00 |
| bs增加5% | 0.837 | 0.451 | 0.782 | 2.49 |
| bs增加10% | 1.015 | 0.464 | 0.796 | 4.33 |
| bs增加20% | 1.380 | 0.485 | 0.816 | 6.95 |
表选项
从图 5可以看出，当恢复阶段的公交车正常运营线路数在原有基础上增加5%、10%、20%后，系统机能完全恢复的时间由130 h分别提前至120、99、73 h。由表 5可以看出，随城市公交车正常运营线路数增加，其系统机能平均恢复速率明显提升，当线路数在原有基础上增加20%时，平均恢复速率提升了78.76%，但恢复力和韧性值提升则不明显。其原因主要是由于公交车系统恢复能力较强，能较快恢复至100%机能水平。公交车正常运营线路数的增加虽然能使系统机能更快速地恢复至100%，但后续无增长空间。因此，相较于恢复力，当前郑州市公交车系统韧性的提升应当更注重于抵抗力或适应力的提高。
2.3.2 出租车系统韧性提升策略分析由2.2节计算分析可知，出租车系统的恢复力和适应力均较低，在恢复阶段并未恢复至100%机能水平，平均恢复速率为0.405%/h。为进一步提高出租车系统韧性r2，将恢复阶段各个时间点的在线出租车数量is分别在原有在线数量上增加10%、20%、45%，如图 6所示。表 6为以上3种恢复情况下的出租车系统平均恢复速率v2、恢复力水平r2b、适应力水平r2c及韧性值r2的计算结果。
 |
| 图 6 不同恢复情况下出租车系统机能曲线 |
| 图选项 |
表 6 不同恢复情况下出租车系统韧性值
| 恢复情况 | v2/(%·h-1) | r2b | r2c | r2 | r2增长率/% |
| 当前恢复情况 | 0.405 | 0.209 | 0.177 | 0.393 | 0.00 |
| is增加10% | 0.446 | 0.230 | 0.195 | 0.432 | 9.92 |
| is增加20% | 0.486 | 0.251 | 0.212 | 0.471 | 19.85 |
| is增加45% | 0.586 | 0.303 | 0.257 | 0.567 | 44.27 |
表选项
从图 6可以看出，当在线出租车数量在原有基础上增加10%、20%、45%后，最终恢复的系统机能分别提升至50%、55%、65%。从表 6可以看出，出租车系统的平均恢复速率及恢复力有较明显提升。同时，出租车系统适应力也随着在线出租车数量的增加有所增长，由此说明不同的恢复方案不仅会影响恢复力，还会对适应力产生一定影响。出租车系统韧性值基本能够随着出租车在线数量的增加而同步增长。因此，提高恢复力可作为当前提升郑州市出租车系统韧性的有效途径之一。
3 结论本文基于系统机能曲线建立了城市道路公共交通系统韧性评估模型，提出了一种韧性量化评估方法，并将该方法应用于2021年郑州暴雨灾害事件过程中的道路公共交通系统韧性评估，得出的主要结论如下：
1) 建立的评估模型将城市交通系统分为抵抗—恢复—适应3个阶段，能够较为清晰地描述整个扰动周期中系统的抵抗力、恢复力、适应力水平。同时，该模型适用于单一灾害或多种灾害耦合作用的场景，局限性小，相比于针对单一灾害建立的评估模型更能体现系统应对不确定性扰动的能力。
2) 考虑公交车系统和出租车系统来评估城市道路公共交通系统韧性，并采用城市公交车服务率、出租车在线率来表征子系统机能，既体现了道路公共交通系统韧性的多样性，又能够全面综合地对道路公共交通系统韧性进行定量评估。
3) 应用所建立的模型对暴雨灾害下的郑州市道路公共交通系统韧性进行评估，评估结果显示郑州市交通系统韧性目前尚处于中等水平。通过恢复力视角下的城市道路公共交通系统韧性提升策略研究，发现不同的恢复方案对系统恢复力和适应力均会产生影响。
参考文献
| [1] | 武汉广播电视台. 我市通报近期强对流天气应对处置工作[Z/OL]. (2021-05-15)[2022-01-04]. http://www.whtv.com.cn/jctj/p/902173.html. Wuhan Radio and Television Station. Notification of recent severe convective weather response and disposal work[Z/OL]. (2021-05-15)[2022-01-04]. http://www.whtv.com.cn/jctj/p/902173.html. (in Chinese) |
| [2] | 河南省人民政府新闻办公室. 河南省防汛救灾新闻发布会第十场[Z/OL]. (2021-08-02)[2021-01-04]. http://www.henan.gov.cn/2021/08-02/2194036.html. Information Office of the People's Government of Henan Province. Tenth Henan Flood Control and Disaster Relief Press Conference[Z/OL]. (2021-08-02)[2021-01-04]. http://www.henan.gov.cn/2021/08-02/2194036.html. (in Chinese) |
| [3] | DUY P N, CHAPMAN L, TIGHT M, et al. Increasing vulnerability to floods in new development areas: Evidence from Ho Chi Minh City[J]. International Journal of Climate Change Strategies and Management, 2018, 10(1): 197-212. DOI:10.1108/IJCCSM-12-2016-0169 |
| [4] | 张丽佳. 城市道路交通系统内涝灾害韧性测度研究[D]. 哈尔滨: 东北林业大学, 2020. ZHANG L J. Study on the resilience measurement of the flooding disaster in urban road transportation system[D]. Harbin: Northeast Forestry University, 2020. (in Chinese) |
| [5] | MURRAY-TUITE P M. A comparison of transportation network resilience under simulated system optimum and user equilibrium conditions[C]//Proceedings of the 2006 Winter Simulation Conference. Monterey, USA: IEEE, 2006: 1398-1405. |
| [6] | CHAN R, SCHOFER J L. Measuring transportation system resilience: Response of rail transit to weather disruptions[J]. Natural Hazards Review, 2016, 17(1): 05015004. DOI:10.1061/(ASCE)NH.1527-6996.0000200 |
| [7] | DUY P N, CHAPMAN L, TIGHT M. Resilient transport systems to reduce urban vulnerability to floods in emerging-coastal cities: A case study of Ho Chi Minh City, Vietnam[J]. Travel Behaviour and Society, 2019, 15: 28-43. DOI:10.1016/j.tbs.2018.11.001 |
| [8] | 王晶, 刘昊天, 朱建明. 基于韧性城市视角的冰雪天气下路网恢复问题研究[J]. 中国管理科学, 2018, 26(3): 177-187. WANG J, LIU H T, ZHU J M. Study on road network recovery under snow and ice conditions based on the perspective of resilient city[J]. Chinese Journal of Management Science, 2018, 26(3): 177-187. (in Chinese) |
| [9] | 华智亚. 韧性思维、韧性基础设施与城市运行安全[J]. 上海城市管理, 2021, 30(1): 19-26. HUA Z Y. Resilience thinking, resilient infrastructure and cities' operation safety[J]. Shanghai Urban Management, 2021, 30(1): 19-26. DOI:10.3969/j.issn.1674-7739.2021.01.004 (in Chinese) |
| [10] | AYDIN N Y, DUZGUN H S, WENZEL F, et al. Integration of stress testing with graph theory to assess the resilience of urban road networks under seismic hazards[J]. Natural Hazards, 2018, 91(1): 37-68. DOI:10.1007/s11069-017-3112-z |
| [11] | 谭宪宇. 城市道路交通系统内涝灾害韧性关联度研究[D]. 哈尔滨: 东北林业大学, 2020. TAN X Y. Research on the correlation degree of waterlogging disaster resilience in urban road traffic system[D]. Harbin: Northeast Forestry University, 2020. (in Chinese) |
| [12] | BRUNEAU M, REINHORN A M. Exploring the concept of seismic resilience for acute care facilities[J]. Earthquake Spectra, 2007, 23(1): 41-62. DOI:10.1193/1.2431396 |
| [13] | FRANCHIN P, CAVALIERI F. Probabilistic assessment of civil infrastructure resilience to earthquakes[J]. Computer-Aided Civil and Infrastructure Engineering, 2015, 30(7): 583-600. DOI:10.1111/mice.12092 |
| [14] | 王凯华. 考虑城市复杂桥梁节点的交通系统抗震韧性功能损失分析[D]. 哈尔滨: 哈尔滨工业大学, 2020. WANG K H. Seismic resilience function loss analysis of traffic system considering the urban complex bridge node[D]. Harbin: Harbin Institute of Technology, 2020. (in Chinese) |
| [15] | 肖佳. 城市交通系统震后应急期韧性评价研究[D]. 哈尔滨: 哈尔滨工业大学, 2020. XIAO J. Resilience of urban transportation system in the post-earthquake emergency period: Evaluation, analysis and optimization[D]. Harbin: Harbin Institute of Technology, 2020. (in Chinese) |
| [16] | 杨翰雯. 区域公路网络地震韧性分析[D]. 哈尔滨: 中国地震局工程力学研究所, 2019. YANG H W. Seismic resilience analysis of regional highway trunk line[D]. Harbin: Institute of Engineering Mechanics, China Earthquake Administration, 2019. (in Chinese) |
| [17] | 戢晓峰, 谢军, 伍景琼. 考虑不同侵扰场景的高速公路韧性评估方法[J]. 中国安全生产科学技术, 2019, 15(1): 12-19. JI X F, XIE J, WU J Q. Assessment method of expressway resilience considering different intrusion scenes[J]. Journal of Safety Science and Technology, 2019, 15(1): 12-19. (in Chinese) |
| [18] | 吕彪, 高自强, 管心怡, 等. 基于日变交通配流的城市道路网络韧性评估[J]. 西南交通大学学报, 2020, 55(6): 1181-1190. Lü B, GAO Z Q, GUAN X Y, et al. Resilience assessment of urban road network based on day-to-day traffic assignment[J]. Journal of Southwest Jiaotong University, 2020, 55(6): 1181-1190. (in Chinese) |
| [19] | 王佳. 大凌河流域生态脆弱性评价及其空间变化特征研究[J]. 水利技术监督, 2021(2): 90-95. WANG J. Ecological vulnerability assessment and its spatial change characteristics in Daling river basin[J]. Technical Supervision in Water Resources, 2021(2): 90-95. (in Chinese) |
| [20] | 郑州市交通运输局. 预计7月23日公交线路运力恢复到90%以上[Z/OL]. (2021-07-22)[2022-01-04]. http://zzjt.zhengzhou.gov.cn/mtjj/5184518.jhtml. Zhengzhou Transportation Bureau. It is expected that the bus line capacity will return to more than 90% on July 23[Z/OL]. (2021-07-22)[2022-01-04]. http://zzjt.zhengzhou.gov.cn/mtjj/5184518.jhtml. (in Chinese) |
| [21] | 公交线路持续恢复中[N/OL]. [2022-01-04]. 郑州日报, 2021-07-22(2). https://zzrb.zynews.cn/html/2021-07/22/node_4.htm. Continuous recovery of bus lines[N/OL]. [2022-01-04]. Zhengzhou Daily, 2021-07-22(2). https://zzrb.zynews.cn/html/2021-07/22/node_4.htm. (in Chinese) |
| [22] | 郑州公交. 截止7月22日10: 00, 已恢复运营218条[Z/OL]. (2021-07-22)[2022-01-04]. https://weibo.com/1920991551/KpTiEmRzI. Zhengzhou Public Transport Croup. Till 10: 00 on July 22, 218 operations have been resumed[Z/OL]. (2021-07-22)[2022-01-04]. https://weibo.com/1920991551/KpTiEmRzI. (in Chinese) |
