如何逃离城市中断困境？

想象某个工作日早高峰，地铁突然停运，一时间站内人满为患，手机推送不断提醒“请改乘公交”或“可选择骑行”。市民既不想迟到，又担心跨城距离遥远，心中焦虑与不确定感交织——城市公共交通系统看似完善，却在突发中断面前暴露出 脆弱性与连锁反应 。面对这种矛盾，共享单车能在关键时刻提供多少缓冲？通勤网络在哪些环节最容易断裂？

本研究聚焦于成都“单车‑公交‑地铁（BBM）” 多模式网络的韧性分析，尝试回答：共享单车是否能显著提升多模交通系统的恢复能力？站点重要性、客流模式等因素对韧性评估有何影响？

论文摘要

该论文旨在评估多模式公交系统在突发中断下的 韧性。作者构建了一个包含共享单车、公交和地铁的综合网络（BBM），并提出统一框架同时考虑结构特征（站点重要性、周边POI属性）与空间出行模式（OD客流和旅行时间）。研究在成都利用多源数据进行仿真，发现：

• 城市中心与高峰时段是网络最薄弱环节，这些站点的韧性显著低于其他站点。
• 将共享单车纳入公交‑地铁网络能提高10–20%的韧性，尤其在响应时间较长的情况下，BBM网络的韧性保持更稳定且下降更缓慢。
• 在输入特征中，站点重要性是影响韧性的核心因素，其次是客流需求；旅行时间对韧性的贡献相对较弱。

研究强调针对结构和需求弱点采取策略，建议在核心站点周围部署更多共享单车、增加公交线路密度以及优化应急响应，以提升多模交通系统的适应性与恢复能力。

一、研究背景与目标

1.1 多模公共交通的脆弱性

• 多模式集成是城市出行的重要趋势。成都有13条地铁线、1000余条公交路线和150万辆共享单车，每天承载约830万次出行。

• 高度耦合也带来脆弱性。一次地铁隧道事故可能导致公交调度、共享单车需求等连锁变化。传统韧性研究主要关注单一模式或只考虑拓扑特性，缺乏对共享单车等新模式的系统评估。

• 研究问题：

• Q1：共享单车在多模网络中发挥了怎样的韧性提升作用？
• Q2：站点重要性和旅行模式等输入特征在韧性评估中哪个更关键？

1.2 研究目标与贡献

• 本研究提出统一的 BBM 韧性评估框架，将结构特征与出行模式整合起来，对成都的 BBM 网络进行定量评估。
• 分析不同输入特征在韧性提升中的作用，明确关键指标，并提出针对性的运营与规划建议。

二、研究方法与模型

研究框架如图 1 所示，分为 网络构建、指标计算、扰动建模、韧性评估 四个步骤。

2.1 BBM网络构建

作者将共享单车、公交和地铁三种模式整合为有向图 ：

• 节点集：包括共享单车位置节点 、公交站节点  和地铁站节点 。

• 弧集包括：

• 同模式弧：连接公交或地铁线路中相邻站点的固定路线。
• 跨模式弧：表示换乘关系，只有当站点在一定距离内（公交‑地铁 300 m，共享单车‑公交/地铁 100 m）才建立连边。

2.2 站点重要性指标

为了衡量站点对网络的重要程度，作者综合拓扑连接度和周边功能吸引力（POI）两类属性：

• 度中心性：站点(i)的度中心性为：

  其中  是与站点  相连的邻居数。

• POI权重：站点  周围各类型POI按聚类后的权重  加权求和：

  其中  为站点  周围（500 m范围内）属于类别  的POI数量。

• 综合重要性：对上述两个指标进行最小–最大归一化并平均：

2.3 旅行模式与OD特征

旅行模式包含 OD 出行次数与旅行时间两部分：

• 共享单车订单记录提供完整的起终点和时间；
• 地铁刷卡记录提供进出站信息；
• 公交刷卡只记录上车站，作者利用GPS轨迹与乘客上车时间结合的行程链算法推断下车站并计算旅行时间。

多模式路线  的平均旅行时间  为 bike‑bus‑metro 分段时间之和。

2.4 扰动模型与韧性计算

2.4.1 车站中断建模

考虑某地铁站 M3 在  时刻发生中断。如图3所示，该事件包括：

• 空间特征：M3与相邻站断联，上下游站维持正常运营。
• 时间演化：系统经历降级阶段（受影响车辆到达M3的时间 、响应阶段（乘客等待或转乘的决策期 ）和恢复阶段（中断站到下游站的旅行时间 ）。

乘客在中断时有两种选择：等待恢复或转乘到其他模式。采用多项逻辑模型计算中断情况下的期望旅行时间 ：

其中  为等待恢复的旅行时间， 为转乘时间。

2.4.2 简化韧性三角形

采用韧性三角形衡量系统的性能损失与恢复过程。如图4所示：

• 正常性能 ：

• 中断期间的最差性能 ：

• 韧性指标：

  该指标范围 [0,1]，值越大表示网络韧性越好。

三、结果分析与启示

3.1 数据概况与案例设置

研究选取成都地铁6号线为核心的片区进行分析，网络包括54个地铁站、168条公交线路和约29.8万辆共享单车。使用2021年4月一个月的工作日数据，包含约1892万次单车骑行、1496万次公交刷卡和603万次地铁刷卡记录。只考虑地铁站中断，响应时间设为10、20和30分钟，分别对应不同应急反应等级。

下图给出了成都研究区域及6号线沿线站点布局。

3.2 空间与时间韧性特征

• 空间差异：上游和下游外围站点韧性较高，值普遍在0.76以上；位于中心区域的中游站韧性约为0.73。城市中心商业和娱乐设施集中，客流复杂，导致中断时易产生连锁影响。
• 时间差异：非高峰时段韧性保持在0.80左右；早晚高峰期间即便响应时间短也会降至0.74以下，且响应时间越长，峰谷差越大。

3.3 BBM与BM网络比较

图6展示了不同响应时间下BBM与不含单车的BM网络的韧性差异。

• 当响应时间为10 min时，两网络韧性差异不大（0.77 vs 0.66）；随着响应时间延长，BBM韧性下降缓慢，而BM下降迅速且波动加剧。
• 30 min响应时，BBM平均韧性仍接近0.73，而BM跌至0.58以下，差距近0.15。
• BBM网络在所有站点中70%以上处于韧性等级3以上，而BM在30 min响应下有超过80%的站点跌入最低等级。

原因分析：

1. 共享单车提供了灵活的第一/末一公里补充，特别是在地铁中断且公交路线绕行时，骑行时间较短且转乘方便。
2. 站点周边单车密度越高，韧性提升越显著；骑行时间占响应时间比例超过1.0时，韧性增幅可达到20%以上。

3.4 关键输入特征的影响

• 按不同特征排序并模拟前7个重要站点的中断，发现站点重要性对韧性提升作用最大，其韧性曲线平稳且值高；客流需求次之；而旅行时间的影响较小，曲线差异明显。
• 最重要站点（如牛王庙）中断会显著影响公交网络，但由于周边有多条备选线路，拥堵可被缓解；旅行时间最长站点中断时乘客倾向等待地铁恢复，影响相对有限。

四、结论与启示

• 问题解决：通过构建综合的BBM网络并引入站点重要性与旅行模式指标，研究系统地评估了交通网络在车站中断下的韧性，并明确了共享单车在缓解中断中的积极作用。

• 创新点：

• 提出了同时考虑拓扑结构和需求特征的统一韧性评估框架，并用真实多源数据验证。
• 将POI权重引入站点重要性计算，使站点功能吸引力得到量化。
• 引入多项逻辑模型模拟乘客在中断期间的转乘决策，并用简化的韧性三角形计算系统性能。

• 实践建议：

1. 聚焦薄弱环节：加强城市中心和高峰时段的运营监测，优先保障中游重要站点的设备和管理。
2. 短期措施：在关键站点周围增投共享单车，提升转乘便利性，缩短响应时间；完善应急调度方案，快速组织替代公交线路。
3. 长期规划：增加公交和地铁线路密度，规划备用路线，形成网络冗余，提升系统抵抗和恢复能力。

五、总结

本文针对成都共享单车‑公交‑地铁多模网络，在分析结构特征和出行模式的基础上提出韧性评估框架。结果表明，共享单车显著提高了多模网络在车站中断下的韧性（10–20%），尤其在响应时间较长时作用更加明显；站点重要性是影响韧性的核心指标；城市中心和高峰时段是网络薄弱环节。该研究为城市交通系统在设计、运营和应急管理中如何利用共享单车提升韧性提供了科学依据和实践指南。