论文题目：Service flow changes in multilayer networks: A framework for measuring urban disaster resilience based on availability to critical facilities

第一作者：Zihao Li 同济大学建筑与城市规划学院博士研究生，师从颜文涛教授，聚焦城市规划、生态规划与城市韧性交叉领域的研究。

E-mail：zihaolee@tongji.edu.cn

通讯作者：颜文涛 同济大学建筑与城市规划学院城市规划系教授，博士生导师，同济大学城乡规划学学科委员会委员，智慧城市感知与规划重大工程软件技术教育部工程研究中心副主任，同济大学生态智慧与城乡生态实践研究中心副主任。研究方向为城市韧性与可持续性、生态城市与区域空间发展、生态空间规划与管理、智慧城市感知与低碳发展

E-mail：yanwt@tongji.edu.cn


城市应急场景韧性：多层服务-居住-交通网络测度框架

论文摘要

近年来极端天气频发，单纯依靠道路或设施的物理健壮性已难以完整刻画城市韧性。本研究关注灾害下居民对关键公共服务的可获得性。作者构建了服务—居住—交通多层网络（SRTNs），并采用重力竞争模型模拟居民在多设施选择中的概率。通过计算灾害强度序列下社区服务流的变化及其积分，定义了韧性指标，即灾害逐渐加剧时单位人均服务保持度曲线下的面积。以上述方法对上海中心城区医疗服务进行模拟，结果发现服务流重新分配导致空间极化：即使不在洪水区域，部分社区仍因道路和设施连接中断而无法获取服务。论文指出，通过多中心布局、分级道路体系和邻里协作可缓解这种极化，并提出未来需结合居民行为和动态数据继续完善模型。

一、研究背景与问题提出

1.1 城市韧性测度的局限

  • 传统韧性测度多基于指标体系或打分卡，缺乏对服务过程和空间差异的刻画。
  • 许多方法依赖历史平均或静态指标，无法捕捉灾害下居民需求与设施供给之间的动态互动。
  • 近年来研究意识到基础设施损毁会增加公共服务的成本，使居民产生避险行为，但缺乏能直接度量服务可达性变化的方法。

1.2 核心科学问题

作者提出下列关键问题：

  • 如何用通用的工具量化灾害下维持公众服务的能力？
  • 人口、设施布局和道路结构如何共同影响城市韧性的空间特征？
  • 如何将测度结果转化为规划策略以保障灾害期间的公共服务？

二、方法框架与模型构建

2.1 服务—居住—交通多层网络（SRTNs）

  • 利用OSMnx等工具将道路映射为节点  和边 ，边权为道路长度。
  • 将居民区质心加入网络作为居民节点 ，并以步行路径连接到最近的道路节点。
  • 将医院、商店等关键设施加入网络作为服务节点 ，赋予容量权重，并与道路连接。
  • 最终形成包括居民、设施和道路三类节点的多层网络  。

当洪水或地震发生时，作者通过判定受淹道路和受损设施来删除相应边和节点，形成“损坏的 SRTNs”。

图1 SRTNs构建及服务流变化框架（取自 Fig.2）
图1 SRTNs构建及服务流变化框架（取自 Fig.2）

2.2 服务流计算与重力模型

  • 在 SRTNs 中采用 Dijkstra 算法计算居民到各设施的最短路径，得到旅行成本矩阵 。

  • 采用 Huff 模型定义居民  选择设施  的概率 ，其与设施容量 、居民人口  正相关，与距离的幂次衰减成反比：

  • 可从不同设施获得的服务总量为 ，人均服务量 。

2.3 服务变化与韧性度量

  • 定义灾害强度为  时人均服务能力的变化率：

  • 随灾害强度从 0 增大，绘制  曲线；其曲线下的面积即为社区韧性值：

    面积越大，说明社区在灾害提升过程中保持服务能力越好。

图2 不同社区服务变化曲线示例（取自 Fig.3）
图2 不同社区服务变化曲线示例（取自 Fig.3）

三、案例研究：上海中心区医疗服务韧性

3.1 数据与情景设置

  • 研究区：上海中心区，约880万人口，包含9,221个居住小区。
  • 设施：64家普通医院，其中市中心医院床位容量最大，呈明显向核心区集中。
  • 情景：设置10年、20年、50年、100年和500年五种重现期的暴雨情景，用 SCS‑CN 法计算淹没深度，并认为淹没深度超过 25 cm 的道路和设施失效。
图3 研究区与医院分布（取自 Fig.4）
图3 研究区与医院分布（取自 Fig.4）

3.2 网络破坏与可达性损失

暴雨使得道路及医院被淹没，造成服务网络比单一道路网络更快失联。表中显示道路失效比例从 2.23 % 上升到 34.48 %，而无法连通的居民区比例在 500 年洪灾情景下超过 44 %。作者强调韧性应基于交通与设施的相互作用评估，而非仅分析道路拓扑。

3.3 服务供需极化与空间异质性

  • 供需两极分化：随着洪水强度增加，各社区可获得的医院床位中位数由 54.88 降至 17.32，标准差显著上升，分布由“纺锤形”变为“金字塔形”。
  • 部分社区获益过度：500 年洪灾下，70 % 人口可获得床位数不足 30/万人，而少数社区却超过 150/万人，远高于上海 75 床的规划目标。
  • 传统指标失灵：基于常规人均床位计算的韧性可能误判这些动态差异。
图4 社区床位可用性分布（取自 Fig.6）
图4 社区床位可用性分布（取自 Fig.6）

3.4 不同行政区的韧性差异

  • 徐汇、浦东和闵行韧性最高；长宁、普陀最低，尤其在强灾情景下跌幅明显。
  • 杨浦与虹口在低强度洪水中迅速下降，而静安与宝山在高强度情景下变化更大。
  • 一些地区（徐汇、杨浦）在 500 年情景出现韧性反弹，这源于服务流重新分配导致的“孤岛效应”：其他区域与医院失联后，留在连通区域内的居民独占医院资源。
图5 各区韧性随暴雨强度变化（取自 Fig.7）
图5 各区韧性随暴雨强度变化（取自 Fig.7）

3.5 空间分布与方向性效应

  • 正常情况下，医院床位可达性呈同心圈式递减，近中心社区更易获得服务。
  • 但在洪灾中，北部社区服务急剧下降，南部社区反而上升，呈现清晰的南北分异；即使未被淹没的外围社区也因主要道路断连而出现“扇形传播”的服务减少。
  • 扬浦、闵行等地局部出现服务增加50%以上的“热点”，反映某些医院未被充分利用。
图6 正常与灾害情况下服务空间分布变化（取自 Fig.9）
图6 正常与灾害情况下服务空间分布变化（取自 Fig.9）

四、讨论：影响因素与规划启示

4.1 影响韧性的关键因素

  • 灾害暴露与网络结构：低韧性区不一定是淹水最严重的地区，真正影响韧性的是多层网络在灾害中发生的断裂和碎片化。
  • 服务设施分布不均：外围社区即便受灾较轻，也因距离远、选择少，服务流易被截断而受损严重。
  • 过强的连接与集中：高中心度道路及核心医院吸引大量远距离服务流，灾害时易形成服务瓶颈，导致连锁失效。

4.2 规划策略建议

  • 推动多中心空间结构：在多个副中心分散公共设施供给，减少服务流集中在单一路径和高等级设施上的依赖。
  • 协同布局道路与设施：构建高密度本地道路与适度的高中心度干道相结合的分层交通网络，既保证短距离服务便利，又提供跨区冗余通道，防止干路过度连通。
  • 划分社区级应急管理单元：以“15 分钟生活圈”等社区单元为基础，建立设施协作伙伴关系，优先保护高可达性区域的关键设施并预留冗余床位。

五、框架特点与局限展望

5.1 框架优势

  • 将城市系统抽象为服务流在空间网络中的再分配，提供统一的空间投影，使规划者能够直观比较不同场景和区域的韧性。
  • 无须依赖时间序列，对尺度不敏感，更贴近居民在灾害中的服务感受。
  • 可推广至其他公共服务（商店、学校等）及多种灾害情景，为城市规划提供实用工具。

5.2 研究局限与未来工作

  • 网络模型尚未考虑道路宽度、街谷等立体特征，需要进一步优化。
  • 缺乏对居民行为响应和政策干预的模拟，未来可结合实时位置数据和移动轨迹。
  • 服务选择规则仍基于 Huff 模型，实际决策受年龄、信息、政策等多因素影响，有待采用大数据验证。

六、结论

本文构建的 SRTNs 框架从服务流重分配角度量化了城市灾害韧性。在上海案例中，研究发现多层网络结构比单纯道路网络对韧性影响更大：由于设施和道路的不均匀分布，服务流在灾害中发生全球性调整，引发空间极化。因此，多中心发展、分级交通网络和跨社区协作是提升韧性的关键。该框架适用于其他城市和公共服务，有助于识别脆弱社区、评估规划方案，并为未来灾害管理和城市布局提供科学依据。


文章须知 

链上镖师团队：常文婕（AEIC）、祁园园、汪朝杰、王一航、张仁义（EIC）、张晓乐

原文链接：https://doi.org/10.1016/j.landurbplan.2023.104996 

原文链接见文末，或扫下方交流群二维码。群内实时更新推文及原文 pdf，方便专家学者随时获取（若二维码失效，请翻阅扫描最新文章的二维码）。