《Sustainability》:Urban Waterlogging Risk Assessment Based on the Dynamic Response of Surface–Underground Transportation Networks
为提高城市内涝动态风险评估水平,本研究针对现有方法在捕捉地表道路与地铁系统对淹没响应及其时空风险方面的局限性,以武汉市汉阳区为案例,提出了基于地表与地下交通系统动态淹没响应的城市内涝风险评估框架。研究采用水文动力模型,结合一维管流网络、二维地表径流模型与广义地下空间模型,对七种代表性降雨情景下的内涝过程进行模拟。通过构建耦合道路–地铁交通网络,分析水涝扰动导致的交通通行能力下降、路径重分布与级联失效(cascading failures)。将量化的动态响应指标融入H-E-V-C框架,以评估城市动态内涝风险。结果表明,积水导致的直接失效通常是交通网络大规模退化的首要诱因,而拥堵蔓延和局部过载失效则进一步加剧了级联效应。不同降雨模式不仅影响风险峰值,还影响高风险区域持续时间和空间演化。纳入交通系统动态响应能够更准确地评估应急可达性退化及局部高风险区域的持续累积。上述发现凸显了动态风险评估在识别时变城市脆弱性、支持可持续城市排水规划、交通管理及分级预警系统方面的重要价值。
城市雨洪灾害在全球气候变化与快速城市化的共同作用下日益频发,对城市安全与社会经济稳定构成严重威胁。人为热岛效应和雨岛效应进一步加剧了灾害风险,常导致连锁影响扩大、人员伤亡增加及重大经济损失。在此背景下,城市洪水风险评估成为当代防灾减灾研究的重要组成部分,而城市内涝风险评估则是理解风险形成机制、识别空间差异、支撑城市排水规划、应急管理与韧性城市建设的基础。
传统城市内涝风险评估主要集中于基于致灾因子的静态风险识别方法。早期研究多采用H-V框架,将风险理解为外部致灾强度与承灾体脆弱性的综合效应。尽管该框架相对简单、适用于数据有限条件下的快速评估,但其模糊了暴露度与脆弱性的区分。随着灾害风险概念的逐步规范化,城市内涝风险评估向多维框架演进,H-E-V和H-E-V-C模型即为典型代表。在此类框架中,致灾因子通常以淹没水深、范围、历时、流速和溢流强度等水动力变量定义;暴露度指人口、建筑、道路、地铁车站和关键设施等受影响要素的分布;脆弱性指这些要素对功能损伤或损失的敏感程度;应对能力则表示城市系统抵抗、吸收、恢复和适应内涝扰动的能力。
随着风险评估理论的发展,研究者日益关注洪水 spatial差异之外的风险时程演化。近期研究逐渐将人类活动模式与事件过程融入传统H-E-V框架,推动了动态风险评估的发展。研究表明,洪涝损失不仅取决于最大致灾因子值,还取决于致灾因子与暴露度的时程变化。静态淹没结果已不足以满足城市尺度风险识别的需求,城市洪涝风险与时间人口流动及功能区内活动强度密切相关,动态风险评估能更好地捕捉商业区、交通枢纽和地下空间等区域的实际风险峰值。然而,此类方法的实际应用仍高度依赖于高时间分辨率的降雨、积水、人口活动和交通运行数据。
在受内涝影响的城市系统中,交通系统尤为重要,因其不仅直接响应洪水扰动,还强烈影响城市服务的连续性。城市交通系统包括地表道路网络和地铁系统。城市内涝期间,地表道路可能出现车速降低、通行能力下降、关键路段中断及拥堵蔓延,地铁系统则可能面临出入口淹没、车站关闭、运营中断和客流转移等问题。更重要的是,此类扰动可迅速从设施层面蔓延至服务层面,导致到达医院与避难所的行程时间延长、应急响应效率下降、特定区域的服务能力削弱。因此,交通系统的响应不仅是洪水的后果之一,也是局部扰动转化为更广泛城市功能退化的重要机制。
这一问题对动态城市内涝风险评估至关重要。在交通网络高度互联、地下空间广泛开发的城市中,仅判断受影响要素是否位于淹没区域内已不足以反映实际功能损坏。道路交通能力、网络连通性、交通可达性、应急响应时间、地铁站淹没、地下空间进水风险及系统功能退化程度等指标,能更直接地表征暴雨事件中受影响要素的动态响应。然而,现有研究尚未将地表道路网络与地铁系统充分整合至统一的城市内涝风险评估框架中,也未能一致地将淹没过程、功能退化和服务影响与城市整体风险的空间演化相连接,交通系统扰动对动态城市风险的影响尚未得到充分关注。
本研究以武汉市汉阳区为对象,构建了动态城市内涝风险评估框架,将多降雨模式情景下的水文动力模拟与耦合地表–地下交通系统响应相连接。首先,构建整合地表道路系统与地铁系统的耦合交通网络,模拟洪水扰动下的交通负荷重分配与级联失效;其次,将道路负荷分布、应急响应时间和非过载管网络密度等动态指标纳入H-E-V-C框架,增强对灾害期间功能退化的表征;第三,比较多种降雨模式情景下交通系统响应与风险演化的差异,识别风险扩展速度和高风险区域的空间集中特征。
研究人员以武汉市汉阳区为研究区域进行实证分析。武汉市河网纵横、湖塘众多,水域率在省会城市中最高。中心城区被长江、汉江分隔为汉口、汉阳、武昌三大区域,地势低洼、人口密集、湖泊星罗棋布。汛期外江高水位使排水高度依赖泵站。汉阳区水系包括后官湖、龙阳湖、墨水湖、三角湖、北太子湖和南太子湖等六座湖泊,通过港渠相互连通,与闸泵站及管渠排水系统共同承担区域防洪排涝功能。河流、港渠和湖泊提供显著的调蓄能力,影响城市内涝灾害的发生与发展。本研究依据地形特征和排水管网分布,排除独立外排区域,聚焦于暴雨内涝情景下受湖泊调蓄影响的区域。
研究采用基于复杂网络理论的多层交通网络模型,将地表与地下交通系统整合为统一出行框架。网络包含三层:由出行起讫点(OD)需求形成的出行网络、地表道路网络和地铁网络。通过将OD需求分配至最近道路节点并创建虚拟换乘边,建立地表与地下交通的连接。以OD需求为负荷、暴雨积水为扰动,模拟交通网络的动态响应。
降雨–积水扰动情景设置方面,依据中国气象局标准,暴雨定义为24小时降水量达50mm以上的短时强降水。降雨模式表征暴雨事件中雨强的时程变化,通常以雨量过程线表示。基于前苏联学者提出的七种标准降雨模式分型——前单峰型、中单峰型、后单峰型、均匀型、中双峰型、前双峰型和后双峰型,采用模糊识别方法对53场实测降雨事件进行分析,按最近原则将相似度评分高于0.7的事件进行分类,得到六种主要降雨模式。各模式内降雨过程经平均和插值至24小时尺度以确定比例降雨分布。研究同时考虑设计降雨模式,依据武汉市地方标准采用统一降雨强度公式,100年一遇降雨深度为321.51mm。研究采用最大小时降雨强度(P
max)、降雨分布时间质心(PCT)、峰值突显指数(PUP)、不对称指数(ASY)和降雨峰值出现时刻(RP)五项指标表征不同降雨模式的结构特征。
水文动力模型计算方面,采用暴雨洪水管理模型(Storm Water Management Model, SWMM)模拟管道一维水流过程,采用二维浅水方程模拟地表水流过程,计算方法采用有限体积法求解。针对现有水动力模型缺乏适用于地下空间的成熟计算模块,本研究将地下空间概化为水箱,其出入口视为连接二维水动力模型与广义水库模型的水交换节点,采用"简化水库法"(Simplified Reservoir Method)将地下空间作为蓄水单元,利用堰流方程计算入流,进而根据相关公式确定淹没水深。方程中,q
t表示t时刻通过地下空间出入口的入流(m
3/s);k为出入口数量;b
i为出入口i的宽度 mage 均为(m);g为重力加速度(m/s
2);m为流量系数,取0.36;T为总计算时间(s);Δt为时间步长(s);S为地下空间面积(m
2);H
d为地下空间高度(m);h
u为地下空间内淹没水深(m)。
交通网络非线性负荷–容量模型方面,根据地物拓扑结构、道路类型、等级、宽度及相关属性对地表道路进行简化和合并。将距离地铁车站最近的道路节点指定为换乘节点,构建换乘边以整合地表与地下交通系统。根据道路等级和类型赋予交通网络边初始属性。为考虑交叉口交通信号导致的等待时间,将地表道路与地铁换乘的等待时间统一纳入换乘边,换乘平台速度按步行速度设置,容量根据对应地铁站台确定,避免换乘平台影响路径选择。
在无实际交通数据情况下,采用改进重力模型(enhanced gravity model)估算出行需求。该模型基于空间相互作用理论,认为区域间出行量与起点人口规模及终点吸引力成正比,与两地间出行阻抗成反比。公式中,P
i为出发区域人口规模,A
j为目的地综合吸引力,α和γ分别为人口发生系数和设施吸引系数,ρ
ij为由道路网络计算的出行阻抗,β为出行阻抗衰减参数,α、β和γ分别取0.5、1.5和0.5。为控制交通需求总体规模,对原始OD矩阵进行归一化处理。
将OD需求视为道路网络系统的负荷,道路承载能力视为系统容量,引入非线性模型描述网络组件的行为演化。负荷与容量之间的非线性关系定义为:C
a表示网络组件a的初始容量;L
a0表示初始负荷;L
aff表示自由流条件下的初始负荷;α和β为非负可调参数。当实时负荷略超容量时,节点或边可能处于过载但未完全失效状态,但其容量开始下降。因此采用基于非线性负荷–容量模型的时间演化容量更新方法描述容量与负荷的关系。采用BPR函数(Bureau of Public Roads function)计算路段自由流行程时间和交通阻抗,本研究中用于量化车辆行驶时间的变化。
当道路发生积水时,车速降低。一旦车速低于设计速度,道路通行能力即被视为降低。研究采用Du等(2011)提出的双曲函数表征速度衰减,该模型已被广泛应用。公式中v为运行速度,v
0为设计速度(因道路类型而异),x为积水深度(cm),a为车辆停止的中位临界水深,b为弹性衰减系数,反映水深增加时速度降低的速率,通常在3~5之间,系数越小表示速度衰减越快。考虑研究区相似性,a和b分别取7.5和3,0.3m作为道路中断的临界阈值。
若交通负荷超过设计容量,网络边被视为过载,导致交通效率下降。当过载达到一定阈值时,边可能变为不可通行。因此网络边a的状态定义为:0表示正常运行,1表示拥堵,2表示失效,对应符号为失效阈值,大于1。失效阈值显著影响网络风险扩散和失效过程。基于参数敏感性分析和相关文献,选取失效阈值1.5进行后续分析。当边或节点失效时,其负荷按一定比例在剩余可用边之间重新分配。本研究采用多元高斯分布,将失效节点负荷分配至邻近节点或边、次邻近节点或距失效节点更远的节点。
为模拟降雨和积水扰动下交通网络的动态响应,修改网络负荷使系统达到临界状态。此时地表道路初始负荷与容量比约为0.50,地铁为0.30;约5%的地表道路初始负荷超过其容量。当失效阈值设为1.5时,网络尚未达到失效状态,表明交通网络初始条件合理且存在一定运行压力,有利于道路拥堵蔓延和交通流重分配。
研究发展了基于路径规模对数模型的随机用户均衡(Path-Size Logit-based Stochastic User Equilibrium, PSL-SUE)交通分配模型,以表征出行者在交通网络中的多路径选择行为及交通流对网络阻抗的反馈效应。根据随机效用理论,模型假设同一OD对之间的出行者不会始终选择单一最短路径,而是基于综合效用在若干可行路径之间概率性选择。当路径选择结果与网络阻抗状态一致时,系统达到随机用户均衡(Stochastic User Equilibrium, SUE)。
设交通网络为G=(N,A),其中N为节点集合,A为路段集合。OD对(r,s)的出行需求为q(r,s),同一OD对的候选路径集为K。路径的广义阻抗定义为各网络组件广义阻抗、路径–链接关联变量、换乘惩罚项及地铁偏好项的函数。积水深度直接影响地表道路行驶速度,对地下交通系统的影响主要表现为车站出入口效率降低、关闭及换乘设施损坏导致的功能退化。路径总阻抗越大,出行者选择该路径的可能性越小;路径涉及换乘越多,综合阻抗越大;路径偏好越强,综合阻抗越小。
为校正候选路径之间的重叠,引入路径规模项(path-size term)。据此,路径的系统效用可表示为路径阻抗敏感度系数θ和路径规模校正系数β的函数。θ表示出行者对路径成本变化的敏感度,β衡量路径独立性在选择中的强度。广义路径阻抗越大,效用越低;路径规模项越大,路径越独立,效用越高。
在随机用户均衡框架内,PSL-SUE模型融入路径规模校正项,既表征出行者在多条可行路径之间的概率性选择行为,又有效缓解路径重叠导致的相关性偏差,同时将路径选择过程与流–阻抗反馈机制相整合,从而更准确地表征复杂交通网络在拥堵或中断条件下的交通流重分配特征。
为评估极端降雨期间道路网络的整体拥堵水平,采用加权拥堵指数(Congestion Index, CI)作为评价指标。该指标以各路段实际交通负荷为权重,计算路段负荷–容量比(L/C)的加权平均值以反映拥堵状态。对于包含多条路段的道路网络,加权拥堵指数定义为各路段实际交通负荷L
i与通行能力C
i的函数。
动态风险评估框架方面,H-E-V-C框架广泛应用于城市内涝风险评估,逐渐成为综合识别城市洪水风险的重要分析工具,其优势 systematically integrates 致灾强度、承灾体暴露特征、损伤敏感性和恢复能力等关键要素。然而城市洪水风险并非静态,而是与实际工程系统状态和行人、车辆时程流动密切相关的动态过程。据此,研究人员构建了考虑关键城市工程系统动态响应过程的动态H-E-V-C风险评估体系,捕捉实际风险峰值如何随时间变化以及系统功能如何改变。
情景模拟结合多准则决策分析(Multi-Criteria Decision Analysis, MCDA)是风险评估的常用方法。通过揭示风险的真实分布,该方法标准化不同维度和量纲的评价指标,整合其各自权重,从而提高客观性和全面性。本研究将动态H-E-V-C框架与基于MCDA的指标评价方法相结合,从多情景模拟结果中定量识别城市内涝风险。
动态响应指标量化方法方面,城市内涝对道路系统的影响不仅体现为道路淹没,更表现为网络运行状态和服务能力的时间依赖性恶化。对道路交通的影响主要表现为通行能力损耗和空间可达性降低。同时,动态人口移动显著改变洪水风险的时空格局,而道路交通容量变化进一步影响对应急服务设施等目的地的可达性。仅以道路水深或淹没长度描述道路网络响应,不足以捕捉内涝情景下路径负荷重分配和服务连通性下降的实际过程。因此,研究选取道路负荷分布和道路可达性作为道路网络动态响应的定量指标。
道路负荷分布(动态指标)捕捉内涝条件下人口活动和出行路径在道路网络上的转移,采用受洪水约束的动态最短路径分配方法量化。若已知某时刻的动态出行需求集合,路段负荷可表示为各出行需求或人口活动需求强度与路径指示变量的函数。为消除道路坡度和通行能力变化的影响,当前评估单元道路负荷密度计算方法采用道路负荷率作为加权因子,结合路段标准化重要性评分、评估单元与路段中心欧式距离及高斯核函数计算。
应急响应时间(动态指标)表征道路网络在给定单元到最近目的地、在并发积水和拥堵条件下的最小行程时间,其相对损失率表示网络服务容量的下降。采用多源Dijkstra算法计算每时刻各评估单元到最近目的地的最小行程时间。将医院和消防站两类应急设施纳入考虑,分别计算最短行程时间。若两类均可达,状态记为0;后续全局归一化时,所有可达行程时间归一化至(0, 0.8)区间;若一类不可达记为0.9,两类均不可达记为1。
非过载管网络密度(动态指标)是静态管网络密度的动态延伸,用于量化特定情景和时间段内保持非过载状态、仍具残余排水能力的管网络长度密度。与静态管网络密度不同,该指标不仅反映排水设施的存在,还反映其当前运行状态。管网络结构和可用排水能力的变化显著影响城市积水响应和系统整体排水效率,因此将非过载管网络密度纳入应对能力指标,能更真实地评估灾害期间的排水支撑能力。
指标权重确定方面,基于智能模型的特征贡献,采用博弈论CRITIC-AHP组合赋权法。CRITIC法(Criteria Importance Through Intercriteria Correlation)基于指标对比强度和冲突性确定权重;AHP法(Analytic Hierarchy Process)通过专家两两比较构建判断矩阵求解特征向量,并以一致性比率(CR)评估判断合理性。博弈论组合赋权法将两个权重向量视为非合作博弈的参与者,在纳什均衡下求解最优线性组合系数,使组合权重与各权重之间的偏差平方和最小。最终权重满足相应约束且和为1。风险值越高,表明该单元在各降雨模式情景下受城市内涝影响并发生功能紊乱的可能性越大。采用自然断点法将风险值分为低、较低、中、较高和高五个等级,使用全局数据进行分类,便于比较不同方案和时段的风险差异。
模型构建方面,研究区管网进行简化,保留主干雨水管道。考虑河流、立交、道路交叉口和低洼地区,将港渠纳入一维模型。管网概化为2308根管段、2245个管网节点、2301个子汇水区和5个排放口,湖泊作为调蓄单元的水箱处理。基于管网节点与网格的空间关系建立耦合连接,以管网节点溢流过程作为相应二维网格的输入,在二维计算中加减相应水量以实现管网耦合计算。由于缺乏闸泵调度实测数据,模型验证主要依赖各闸泵运行水位,采用基于经验的调度原则和判断来模拟控制运行。利用2016年6月30日至7月14日降雨数据标定和验证一维模型参数,基于实测湖泊水位数据的分析验证,一维模型模拟值与实测值总体吻合良好。采用2013年7月7日降雨事件造成的地表内涝情况进行二次验证。
研究结果显示,对七种100年一遇降雨模式情景下交通网络在峰前累积、峰值扩展和峰后恢复阶段的动态响应分析表明,各情景下失效和拥堵路段最初均出现在网络北部边缘、中心稍偏北的高密度路网区、东北部连接廊道及轨道换乘节点附近,随后通过骨干道路和关键连接边向外扩展。该空间模式表明,暴雨扰动首先在局部脆弱节点和桥接边诱发拥堵,随后演变为通过主要交通廊道传播的网络失效。尽管大部分外围道路在降雨峰值后较快恢复,但骨干廊道、连接段和轨道换乘区域的残余拥堵和失效持续存在,表明交通网络恢复滞后于降雨衰退。
识别级联失效触发点发现,网络风险并非均匀传播,而是集中放大在有限数量的关键路段和换乘车站。在地表道路层,某些近站路段和交叉口节点因积水首先进入失效或高拥堵状态,该初始中断随后通过负荷转移导致周边道路持续拥堵,产生明显的扩散放大效应。高风险道路主要包括墨水湖大桥、琴台大道、龙阳大道交叉口、龙兴东街和龙阳湖东路。在地铁层,关键换乘车站的关闭同时削弱地铁线路间及换乘点的连接,进一步加剧周边区域交通压力。地铁网络的关键触发点为玉龙路、汉阳火车站、汉阳客运站和五里墩站。
时序分析进一步表明,交通网络级联失效主要由积水直接失效触发,而拥堵主要贡献于后续放大。"拥堵扩展"指拥堵边数量的增加,"水深超限直接失效"指因水深超过阈值而失效的道路边数量增加。研究比较了二者开始增加的时间差。结果表明,在七种主要情景中,积水导致失效的边数通常早于或同步于拥堵边数开始上升。仅考虑拥堵边时,两者平均时间差为?2.86小时;同时考虑拥堵边和过载失效边时,平均时间差为?1.14小时。负值表明积水导致失效的增加早于拥堵相关边的增加。
这些发现表明,直接积水失效通常是初始扰动。尽管网络初始时刻已存在一定拥堵,但这种初始拥堵相对于积水导致的失效并不先于网络退化过程。更常见的是,某些道路首先因积水而失效,导致交通流向剩余道路重分配,进而触发更广泛的拥堵扩展和局部过载失效。因此,从时间角度看,积水是网络失效的主要触发因素,而拥堵则是积水效应之后放大级联退化的关键机制。
从主导因素看,在失效边总数达到峰值的时刻,水深失效边的平均比例约为69.70%,加权比例约为70.10%,显著高于拥堵失效边对应的30.30%和29.90%。这表明交通网络大规模失效主要受积水直接失效驱动。分阶段分析进一步揭示,在峰前增长阶段、峰值阶段和峰后衰减阶段,水深失效边的比例始终超过拥堵失效边比例,说明积水在整个过程中保持主导地位,而拥堵主要作为加剧局部退化和延迟恢复的放大机制。交通网络失效并非仅由积水或拥堵单独决定,而是由积水直接失效主导、拥堵传播效应补充的耦合效应所致。
整体拥堵指数(CI)和失效路段总数的变化进一步揭示,级联失效过程在不同降雨模式间存在系统性差异。峰值阶段失效强度主要由极端降雨对道路交通容量的直接效应控制,而峰后阶段更强烈地反映网络负荷重分配后拥堵传播的持续影响。这些情景差异与最大降雨强度(P
max)、降雨集中程度(PCT)、峰值量级(PUP)和不对称性(ASY)密切相关。
七种情景中,设计降雨型具有最高的P
max,在降雨峰值期间产生最严重的积水,导致失效边数最多,但其CI峰值仍相对有限,表明极端降雨强度主要控制直接物理破坏的上限,而非拥堵传播的完整程度。相反,前峰型显示出最早的失效起始、最快的扩展速度和最慢的峰后拥堵消散。中单峰型和后单峰型在更长时间内维持高负荷运行和拥堵传播,而双峰型表明级联失效不仅取决于单一峰值的大小,还取决于降雨过程的时间结构。总体而言,P
max决定失效强度上限;PCT和PUP影响失效扩展的速度和集中度;ASY影响失效更可能在早期还是晚期加剧。
降雨模式间亦存在明显时空差异。前峰型以早期快速退化为特征,失效集中于北部边缘、偏北中心区和东北部连接廊道。中单峰型更可能在峰值阶段维持高负荷状态,而后单峰型和双峰型表现出更明显的滞后效应,网络常从局部拥堵演变为后期的更广泛结构退化。设计降雨型受其延迟的降雨质心和极高峰值驱动,失效向主要干线廊道和中心连接区域扩展,即使降雨减弱后网络恢复仍延迟,残余拥堵持续存在。
城市内涝风险时空分布特征方面,根据确定的指标权重评估不同情景下城市内涝风险的时空演化。选取降雨历时2、6、10、18和22小时的五个时间点进行统一比较。不同情景下城市内涝风险的时程演化存在显著差异,最大风险等级的位置、范围和持续时间在各降雨模式间变化颇大。
从空间角度,前峰型和设计降雨型的高风险和极高风险区相对分散,空间连续性弱,反映集中降雨峰值和风险从多个局部源点突发出现的趋势。相反,中单峰型、前峰均匀型、后单峰型和双峰均匀型的极高风险区空间上更为集中,并从中心逐步向外扩展。关于极高风险的初始位置,中单峰型、后单峰型和双峰均匀型均在早期沿龙阳大道出现,随后逐渐向马沧湖路附近发展;而双峰后峰型下,极高风险首先在马沧湖路附近出现,表明研究区的空间敏感性随降雨模式变化。
不同降雨模式下极高风险区比例的时程变化显示:前峰型降雨峰值出现在第2小时,极高风险比例当时为1.02%,随后增至第6小时的4.91%,至第22小时逐渐降至1.48%,呈现早期快速增长后相对缓慢收缩的模式。中单峰型降雨峰值出现在第11小时,但降雨早期龙阳大道已出现极小极高风险区,占0.36%。降雨峰值前1小时,高风险比例达17.19%,极高风险增至4.14%。至第14小时,极高风险比例达峰值7.47%,高风险达18.97%,表明极高风险峰值滞后降雨峰值3小时。至第22小时,极高风险比例降至4.76%,但仍相对较高。
前峰均匀型极高风险比例在第2小时为0.39%,第13小时达峰值6.62%,第22小时降至4.72%。尽管前峰均匀型与中单峰型在第2和第22小时风险水平相似,但其演化轨迹差异显著,最大小时降雨强度分别为23.86mm和35.91mm,表明降雨峰值出现时机对风险演变具有重要作用。从降雨峰值到极高风险最大比例,中单峰型仅需3小时且风险急剧上升,而前峰均匀型需8小时且上升较缓但更为持续。两种模式均表现后期风险持续累积,表明中高风险区持续扩张趋势较强。
后单峰型降雨峰值出现在第17小时,而极高风险在第20小时达最大值9.22%。除设计降雨型外,双峰后峰型早期极高风险比例最低,其主降雨峰值在第14小时,极高风险最大比例出现在第16小时为6.40%,随后风险下降。相比之下,双峰均匀型表现出明显的两阶段增高,在第6和第23小时分别达到5.16%和9.29%的极高风险比例。第一次降雨峰值后风险先升至2.93%再下降,随后再次上升,产生七种降雨模式中最高的极高风险比例。
设计降雨型早期极高风险比例始终低于0.4%,但降雨峰值后仅2小时即激增至最大值8.97%,随后第22小时降至0.37%,明显低于中单峰型、前峰均匀型、后单峰型和双峰后峰型,后续下降也显著更快,表明设计降雨型具有显著的突发性和集中的风险释放特征。
峰值比较进一步凸显各降雨模式差异。就极高风险最大比例而言,双峰均匀型最高,其次为后单峰型和设计降雨型,随后依次为双峰后峰型、中单峰型、前峰均匀型和前峰型。尽管设计降雨型产生相对较高的极高风险峰值比例,但其高风险持续时间较短。相反,双峰均匀型和后单峰型的整体风险水平更高。为评估极高风险的持续性,计算了0~30小时统计时段内极高风险比例曲线的曲线下方面积。结果表明,前峰均匀型极高风险持续性最强,尽管其峰值仅排第六。双峰均匀型虽有最高极高风险峰值比例,但持续性风险排名第二,后单峰型和单曲峰型均大于0.9。前峰型和双峰后峰型居次,而设计降雨型持续性风险最低,仅0.413。综合来看,极高风险峰值比例反映给定降雨模式的最大危险程度,而持续性强度更能捕捉整个降雨事件中有害条件的持续时间。
动态风险变化过程方面,基于各时期各风险等级比例及其冲积流方向分析风险演化的幅度和方向。不同颜色代表不同时刻各风险等级的比例;带状条带指示风险等级转换方向,条带宽度对应相应时期内发生变化的风险比例。纵轴标注的风险等级比例为五个统计时间点中的最大值。
总体而言,所有降雨模式情景下风险持续累积,风险等级转换呈现阶段性跳跃,但各模式跳跃的时机和强度差异显著。从转换路径看,多数情景下的风险演化并非极端等级间的突然跳跃,而是逐步升级。前峰型2~6小时主要变化为低风险增加7.14%、中风险增加4.77%,属典型的早期扩散型升级。中单峰型10~18小时主要增加低风险6.25%、中风险3.51%和高风险2.50%,表明降雨后期中高风险区进一步深化。前峰均匀型既有2~6小时的早期明显增加,6~10小时和10~18小时也有清晰的持续升级,反映相对较长的风险累积期。
相比之下,后单峰型和双峰后峰型表现出更突然的转换,10~18小时风险增加比例分别达32.23%和29.35%。双峰均匀型最显著的特征是滞后强化:18~22小时风险增加比例仍高达26.91%,高风险比例进一步升至第22小时的29.06%,为所有情景中最高,表明后期持续放大效应。
总体而言,前峰型以早期扩展后相对快速恢复为特征;中单峰型、前峰均匀型、后单峰型和双峰后峰型均呈现风险转换的稳步增长;双峰均匀型在后期保持持续增长。设计降雨型则表现为风险等级的集中增高和显著的跳跃式升级。这些模式表明,降雨模式差异不仅影响最终高风险区的范围,还影响风险从低等级向高等级传播的时机和持续时间。从风险预警和控制角度,应不仅关注最终高风险区比例,还应关注各情景下的关键转换期,以便在风险快速放大前实施针对性干预。
动态风险评估框架优势方面,为证明纳入动态指标的优势,研究人员在保持既定权重的前提下,对三个动态路网指标——动态负荷比(Dynamic Load Ratio, DLR)、应急响应可达性(Accessibility of Emergency Response, AL)和排水不足比(Undersized Drainage Ratio, UDR)——与综合风险值及其各维度得分进行了统计关联分析。
结果表明,DLR与综合风险及暴露维度得分均呈强正相关。DLR与综合风险的总体Pearson相关系数为0.743,与暴露维度得分相关系数为0.707,不同时期与综合风险的相关系数介于0.335~0.867之间,表明DLR能有效表征降雨事件中道路承载压力变化对风险暴露的放大效应。UDR与综合风险直接相关性较弱,总体Pearson相关系数为?0.166,但其与脆弱性/应对能力维度得分相关性高达0.979,不同时期为0.392~0.999,表明UDR主要通过修正排水承载能力来弥补静态评估在刻画动态调蓄能力方面的不足。AL与综合风险的总体Pearson相关系数为?0.269,与应对能力维度得分相关性为0.235,总体相关性较弱。但在设计降雨情景16~18小时期间,其与应对能力的相关性达到0.813~0.903,暗示其对风险的影响具有明显的阶段性,更适合表征关键时间窗口期间的应急支持差异。
就三个动态指标对综合风险的平均加权贡献份额而言,UDR、DLR和AL分别约占17.20%、8.07%和0.55%。总体而言,这三个动态指标并非仅仅是综合权重体系中的简单叠加,而是从交通暴露、排水承载能力和应急响应三个角度,增强了传统静态评估对风险时程演变的表征能力。
讨论部分,研究人员指出,与仅基于积水深度或静态暴露分布的评估相比,动态风险评估能更准确反映al reflect 内涝事件期间城市功能退化,而非仅仅指示淹没位置。水文动力模拟中纳入地下空间蓄水能力,更好表征地表与地下之间的雨水重分配,这对可持续发展导向的城市管理尤为重要。风险不仅源于物理暴露,还源于移动性、可达性和服务连续性的中断。研究结果与强调洪水事件中致灾因子、暴露和脆弱性时程共同演化的研究一致,并进一步发展这一视角,将地表和地下交通系统的耦合响应明确纳入风险评估过程。
交通相关发现也与先前证据一致,即洪水对城市流动性的影响受直接淹没和网络介导中断的共同影响。道路、车站和换乘设施在洪水条件下可作为关键失效点。研究结果表明,交通容量退化、路径重分配和级联失效不仅是孤立的技术效应,更是局部内涝演变为更广泛空间可达性不平等的关键机制。直接淹没是大规模网络退化的主要触发因素,而拥堵主要是在部分道路网络已被洪水破坏后通过重分配交通负荷发挥次级放大作用。这一解释也与近期研究发现一致,即拥堵扩散可在降雨引发淹没条件下显著加剧而非独立引发道路网络性能退化。
动态可达性对应急响应和城市韧性至关重要。先前研究报道,应急服务可达性对洪水期间道路网络功能变化高度敏感。研究结果进一步表明,可达性损失的时机和持续时间在不同降雨模式下差异显著,表明仅依赖静态风险图可能低估及时干预的紧迫性。对于可持续城市治理,这意味着排水调度、交通疏导和应急资源调配不仅应根据预期淹没范围进行协调,还应考虑互联交通基础设施的演进功能状态。
降雨模式情景的比较也具有更广泛的规划意义。研究结果表明,城市内涝不应仅视为总降雨量的结果,降雨的时间模式显著影响系统扰动的时机、高风险累积的延迟以及峰值降雨后破坏的持续性。这提示可持续适应策略应从静态分区转向时间敏感、基础设施意识的风险管理。实践中,前峰事件需要更早的交通干预,而后峰和双峰事件则需更多关注延迟恢复、持续排水运营和延长应急准备。
研究也存在若干局限。首先,交通需求和出行行为尚未使用更高时间分辨率的轨迹数据进行表征。当前研究聚焦于不同降雨模式下交通网络失效的差异,而非真实事件的重建。分析结论有助于识别降雨条件下交通网络的脆弱性结构。其次,地下空间淹没采用广义水箱法建模,适用于区域尺度评估,但在捕捉精细尺度的微观入流过程方面存在不足。未来研究可通过纳入更高分辨率的移动性数据、细化地下空间表征,以及评估不同干预策略如何影响不同降雨模式下的动态风险轨迹,来增强该框架。