新冠疫情下山东省高速铁路运营网络脆弱性研究_司昌平.pdf

-1-司昌平，赵子雪，李洪印，代洪娜，王鲁琼：新冠疫情下山东省高速铁路运营网络脆弱性研究新冠疫情下山东省高速铁路运营网络脆弱性研究司昌平1，赵子雪2，李洪印3，代洪娜4，王鲁琼4（1.山东交通学院 交通与物流工程学院，山东 济南 250357；2.山东省交通科学研究院，山东 济南 250031；3.山东高速集团有限公司，山东 济南 250101；4.顿河学院，山东 济南 250357）摘要：为科学评估新冠肺炎疫情对省域高速铁路运营网络的影响，根据不同的疫情防控场景，基于复杂网络理论构建高速铁路运营网络脆弱性评估模型，并以山东省高速铁路运营网络为例进行仿真分析。结果表明：运营网络属于小世界网络，重要站点大多位于市级中心城区；运营线路感染场景下网络表现出更强的脆弱性；无论哪种攻击场景，蓄意攻击对高速铁路运营网络的影响均大于随机攻击；从不同脆弱性指标看，相比于反映网络连通水平的网络效率与最大连通子图指标，正常营运车次占比指标在不同攻击场景下呈现出更强的脆弱性。关键词：复杂网络；脆弱性；新冠疫情；高速铁路中图分类号：U213.1 文献标识码：A Study on the vulnerability of high-speed railway operation network in Shandong province under the COVID-19SI Changping1,ZHAO Zixue2,LI Hongyin3,DAI Hongna4,WANG Luqiong4（1.School of Transportation and Logistics Engineering Shandong Jiaotong University,Shandong Jinan 250357 China;2.Shandong Transportation Institute,Shandong Jinan 250031 China;3.Shandong Hi-speed Group Co.,Ltd.,Shandong Jinan 250101 China;4.Don College,Shandong Jinan 250357 China）Abstract:In order to scientifically evaluate the impact of the COVID-19 on the provincial high-speed railway operation network,this paper constructs a vulnerability assessment model of the high-speed railway operation network based on the complex network theory according to different epidemic prevention and control scenarios,and takes the high-speed railway operation network in Shandong province as an example for simulation analysis.The results show that the operation network belongs to the small world network,and most of the important stations are located in the city center.The network is more vulnerable under the scenario of operation line infection.No matter what kind of attack,the impact of deliberate attack on high-speed railway operation network is greater than that of random attack.From the perspective of different vulnerability indicators,compared with the network efficiency and maximum connectivity sub graph indicators that reflect the level of network connectivity,the indicator of the proportion of normal operating trains shows stronger vulnerability in different scenarios.Key words:complex network;vulnerability;COVID-19;high-speed railway引言自 2020 年新型冠状病毒肺炎爆发以来，因其具有突发易变性、传播速度快、多点关联性等特点，若某个区域爆发疫情，往往采取封城或关闭铁路站点的形式以切断人口流动，这对高速铁路网正常运营提出了很大的挑战。因此，测评不同疫情防控状况下对高速铁路运营网络正常运营的影响程度显得极为重要，对保障高速铁路安全高效运营具有重大意义。作为交通安全研究的一个重要分支，国内外许多学者们在利用复杂网络开展铁路网脆弱性研究方面做了大量的工作。BABABEIK 等1引入两个双层模型，提出了评估货运铁路网络脆弱性的框架；ZHANG 等2利用复杂网络理论研究高铁网络在两种恶意攻击下的结构脆弱性；BINTI 等3以马来西基金项目：国家社科基金项目，项目编号：19BJY173；山东省重点研发计划项目，项目编号：2021RZA02025；山东省交通科技计划项目，项目编号：2019B67；山东省交通科技计划项目，项目编号：2020B90；山东省交通科技计划项目，项目编号：2020B50；山东省人文社会科学课题，项目编号：2022YYGL26。收稿日期：2022-05-22作者简介：司昌平（1998），男，河北衡水人，在读研究生，研究方向为交通运输规划与管理。司昌平，赵子雪，李洪印，代洪娜，王鲁琼：新冠疫情下山东省高速铁路运营网络脆弱性研究-2-亚、新加坡建立新马高铁系统为例研究其在恶劣天气条件下的脆弱性；SZYMULA 等4通过找出对乘客和列车造成最不利后果的关键链路组合来评估铁路网络的脆弱性。国内学者杨景峰等5-8构建网络效率及最大连通子图比例脆弱性评价指标，研究了客货运网络、铁路网络在节点度、介数、节点重要度排序下的蓄意攻击和随机攻击的网络脆弱性；王伟9基于网络拓扑结构、业务有效性等方面，提出了铁路网在节点重要度下的蓄意攻击和随机攻击的脆弱性评估方法。江娟10基于拓扑结构和功能两个不同层次研究中国铁路网络在随机攻击和最大度攻击、最大介数攻击、最大负载攻击以及洪水灾害下的蓄意攻击的网络脆弱性；杭家荣11通过节点度、介数、接近度排序下的蓄意攻击和随机攻击对铁路货运网上 40 个部控编组站进行脆弱性分析。综合来看，多数学者往往采用网络效率、最大连通子图指标，对比分析蓄意攻击与随机攻击两种方式，缺少针对不同真实攻击场景下的铁路网脆弱性研究。1 基于复杂网络的高速铁路运营网络脆弱性研究目前铁路网建模的常见方法有直接连接图构图法与全连接图构图法两种，简称GDL、GAL构图法12。结合复杂网络特点，采用 GAL 构图法将高速铁路的站点抽象为节点，站点间连接的路线抽象为连边，构建高速铁路运营网络。其中以 G 代表整个高速铁路运营网络，总节点数用字母 n 表示，起始节点与终止节点用 vi，vj表示。1.1 高速铁路运营网络复杂特性指标1.1.1 度及度分布在高速铁路运营网中，节点度值 ki表示为某一站点与其他站点存在相互连接线路的条数：ki=aij（1）P（k）=f（k）（2）式中：n节点总数；aij与网络对应的邻接矩阵中第 i 行第 j 列位置的变量；所有节点度值平均值为网络平均度；P（k）网络图中某节点度值为k的概率；f（k）度为 k 的节点数。1.1.2 聚类系数在高速铁路运营网中，聚类系数用于表征网络节点聚集程度，在复杂网络理论中是描述网络特性的一个重要指标。Ci=2Eini（ni-1）（3）式中：ni节点 i 相邻节点数量；Ei节点 i 与相邻节点的实际连边数量；所有节点聚类系数的平均值为网络平均聚类系数；Ci网络节点的聚类系数。1.1.3 平均路径长度平均路径长度 L 为高铁网络中所有站点对间最短路径长度的平均数，最短路径指车辆行驶途中经过站点最少的数目：L=2n（n-1）lij（4）式中：n网络节点总数，且1ijn；lij节点i，j 之间的最短路径。1.1.4 复杂网络类型确定方法复杂网络一般分为完全规则网络、完全随机网络、无标度网络和小世界网络 4 种。确定复杂网络的类型是利用复杂网络理论解决交通问题的首要条件。随机网络的平均路径长度和聚类系数6：LR=ln（n）ln（k）（5）CR=kn（6）式中：LR随机网络的平均路径长度；CR随机网络的平均聚类系数；n节点总数；平均度。结合公式（5）、（6）得到四种网络的判断条件。当 L LR且 C CR，网络属于完全规则网络；当LLR且 CCR，网络属于完全随机网络；当 L LR且 CCR，网络属于小世界网络；节点度符合幂律分布时，网络属于无标度网络。1.2 高速铁路运营网络脆弱性指标1.2.1 网络效率网络效率作为表征复杂网络脆弱性的重要指标，反映了高速铁路运营网络的整体效率及连通情况。网络效率越高，运营网络效率越高。E=1n（n-1）1dij（7）式中：n节点总数；dij网络中任意两个节点间的距离；E网络效率。1.2.2 最大连通子图的相对大小由于网络的级联失效13产生的最大连通子图，其相对大小指最大连通子图的节点数与网络的总节点数之比：S=nn（8）式中：n节点总数；n最大连通子图节点数；S最大连通子图的相对大小。1.2.3 正常营运车次比例反映不同攻击场景下正常营运车辆的比例判断网络的连通性：F=NumNum（9）式中：F正常营运车次比例；Num攻击后剩余营2022 年第 6 期山东交通科技-3-运车辆数；Num营运车辆总数。2 实证分析2.1 数据来源通过爬取携程网、铁路 12306 等网站山东省高铁数据进行建模。网络共包含 44 个站点，涉及 13个地级市、39 个县级市、164 条运营线路。基于GAL 构图法构建省域高速铁路运营网络，见图 1。网络中大多数节点间都存在相互联系，节点紧密性较好，网络连通性较强，越靠近网络中心的节点度值越大。图 1 山东省高速铁路运营网络2.2 山东省高速铁路运营网络复杂特性分析2.2.1 度及度分布各节点的度值见图 2，在高铁网中站点度值越大表示经过该站点的路线数目越多。网络的平均度为28，表示该网络平均每个站点连接 28 条路线，网络整体连通性较好。由图 3 可得，度值大小在 31 35占比最多，21 25 的占比最少。图 2 网络图中各节点的度的大小分布图 3 网络图中节点度的概率分布 2.2.2 平均路径长度高速铁路运营网络的平均路径长度为 1.339，即高铁网络中的乘客在搭乘网络中由始发站到目的站至少经过 1 次中转，网络的连通性较好，乘客出行效率较高。该结果也与目前各省均大力发展高速铁路的现状相符合。2.2.3 聚类系数高铁网络聚类系数为 0.776 6，说明高速铁路运营网络节点聚集程度较高、连通性较好。各节点的聚类系数见图 4，均在 0.6 以上，聚类系数较大，节点间较紧密，网络对某一节点的依赖性大大降低，整个网络较为稳定。图 4 高速铁路运营网络各节点的聚类系数2.2.4 复杂网络类型分析在复杂网络理论中最重要的特性为小世界特性。基于前人的研究发现小世界特性主要表现为平均路径长度小、聚类系数大的特点14，大多数现实网络具备此特性。经计算LR=1.136，CR=0.636；L=1.339，C=0.776 6，满足 L LR且 CCR。2.3 新冠疫情下高速铁路运营网络脆弱性分析新冠肺炎具有爆发不确定性、随机性、不可控性、传播速度快以及城市间相互关联的特点。爆发后对高速铁路运营网络影响巨大。现实攻击事件可分为随机事件和蓄意事件15-17。2.3.1 高速铁路运营网络关键节点识别采用 Page Rank 算法评价高速铁路运营网络的节点重要度。PRi=1-dn+dPR（j）Cout（j）（10）式中：PRi节点 i 的 Page Rank 值；d阻尼因子，取值一般为 0.85；PR（j）节点 j 的 Page Rank 值；Cout（j）节点 j 出度的数量；n节点总数。计算结果见表 1。表 1 排名前十节点重要度序号节点Page Rank 值序号节点Page Rank 值1济南西0.030 46威海0.029 02德州东0.030 47莱阳0.028 43烟台南0.030 18青岛西0.028 24青岛北0.029 99济南东0.027 95日照西0.029 510莱西0.027 2司昌平，赵子雪，李洪印，代洪娜，王鲁琼：新冠疫情下山东省高速铁路运营网络脆弱性研究-4-表 1 为排名前 10 的网络节点，排名首位的济南西位于济南市中心城区的槐荫区；德州东、烟台南、青岛北同样位于各地级市中心城区内，经济较为繁荣，在高速铁路运营网络中较为重要。排名靠后的站点大多分布在各地级市下属县城内，相较于其他节点重要性较低。2.3.2 新冠肺炎疫情下高铁运营网络攻击场景分析（1）高速铁路运营网络运行线路失效。列车中出现新冠肺炎感染者时，会对该列车行驶路线中的每一个站点进行封闭处理，对不同列车具有一些相同站点的情况，从始发站开始，若仍存在两个及两个以上站点未封闭，该列车处于正常营运状态；反之对这一列车同样视为失效处理。（2）高速铁路站点所在地级市封城。当某一地级市发生大规模新冠疫情传播后，需要采取封城的防疫措施，表现对此地级市内所有高速铁路站点采取关闭失效处理。（3）高速铁路站点所在县（区）封城。当某一县（区）内发生大规模新冠疫情传播后，县区内站点同样采取封闭管理，在此场景下表现为疫情发生所在县（区）高速铁路运营网络的所有站点的失效。同时，基于新冠肺炎多点爆发性的特点，模拟随机攻击和按节点重要度由大到小进行蓄意攻击下高速铁路运营网络的全局变化来反映整个网络的脆弱性。2.3.3 新冠肺炎疫情下高速铁路运营网络脆弱性分析（1）基于网络效率的高速铁路运营网络脆弱性分析。为更好地观测不同攻击场景下高速铁路运营网络的网络效率变化情况，默认运营网络的初始网络效率为 100%，取初始网络的 50%作为网络崩溃的阈值。当高速铁路运营网络线路失效时，随机攻击下网络效率下降速度低于蓄意攻击，表现出显著的稳定性；当随机攻击完成第 3 次攻击后，网络效率下降至46%左右，而蓄意攻击网络在遭受第 1 次攻击后，网络效率就下降至 41%左右，网络趋于瘫痪，见图 5。当市级城市进行封城防控时，随机攻击下网络效率下降速度仍低于蓄意攻击。当随机攻击完成第 5 次攻击后，网络效率下降至 46%左右；而蓄意攻击网络在遭受第 2 次攻击后，网络效率就下降至 49%左右，网络趋于崩溃，见图 6。当县（区）级城市进行封城管控时，随机攻击下网络效率下降速度低于蓄意攻击。当随机攻击完成第 11 次攻击后，网络效率下降至 49%左右；而蓄意攻击网络在遭受第 8 次攻击后，网络效率就下降至47%左右，网络趋于崩溃，见图7。图 5 线路失效下网络效率变化情况图 6 市级城市感染下网络效率变化情况图 7 县（区）级城市感染下网络 效率变化情况（2）基于最大连通子图相对大小变化的网络脆弱性分析。取未遭受攻击时网络的连通性为 100%，以初始性能的 50%作为网络崩溃的阈值。线路失效下蓄意攻击表现出较强的脆弱性，第 2 次攻击网络连通性为 43%左右；随机攻击第 6 次攻击后网络连通性才至 47%左右，网络趋于崩溃，见图 8。市级城市封城下蓄意攻击脆弱性较强，第 4 次攻击网络连通性为 50%左右；随机攻击第 7 次攻击后网络连通性才至 50%左右，网络趋于崩溃，见图 9。县（区）级城市封城下蓄意攻击脆弱性仍然显著，第 17 次攻击网络连通性为 50%左右；随机攻击第 19 次攻击后网络连通性才至 50%左右，网络崩溃见图 10。图9 市级城市感染下网络连通性变化情况图 8 线路失效下网络连通性变化情况图 10 县（区）级城市感染下 网络连通性变化情况2022 年第 6 期山东交通科技-5-（3）基于正常营运车次比例变化的网络脆弱性分析。取初始高铁网络的营运车辆比例为 100%，以初始的 50%作为网络崩溃的阈值。线路失效下蓄意攻击对营运车次数影响更大。第 1 次攻击后可营运车次显著减少至 31.89%；随机攻击第 3 次攻击后，可正常营运车次为 22.92%，见图 11。市级城市封城下蓄意攻击第 4 次攻击后，可营运车次显著减少至 25.96%；随机攻击下第 8 次攻击后，可正常营运车次为 38.62%，网络趋于崩溃，见图 12。县（区）级城市封城下蓄意攻击完成第 7 次攻击后，可正常营运车次显著减少至 41.19%；而随机攻击下第 13 次攻击后，可正常营运车次为 48.39%，网络趋于崩溃，见图 13。综上所述，各疫情防控场景中蓄意攻击下各脆弱性指标呈急速下降态势，表现出显著脆弱性；各场景蓄意攻击下达到阈值先后顺序大致相同，网络效率指标线路失效下达到阈值攻击比例为 12%，市级城市感染为 18%，县（区）级城市感染为 21%；最大连通子图相对大小线路失效下达到阈值攻击比例为 25%，市级城市感染为 33%；县（区）级城市感染为 43%；正常营运车次比例指标线路失效下达到阈值攻击比例为 12%，市级城市感染为 33%，县（区）级城市感染为 21%。表现为线路失效对网络危害更大，市级城市感染次之，县（区）级城市感染对网络危害最小。图 13 县（区）级城市感染下剩余营 运车辆比例图12 市级城市感染下剩余营运车辆比例图 11 线路失效下剩余营运车辆比例3 结语（1）基于高速铁路运营网络复杂特性分析，该网络属于平均路径长度小、聚类系数大的小世界网络。（2）通过分析高速铁路运营网络的脆弱性，发现运营线路失效对网络的影响最大。（3）通过对两种攻击方式分析发现，蓄意攻击下高速铁路运营网络表现出极强的脆弱性。由于新冠肺炎疫情爆发不确定性、区域防疫差异性等的特点，进一步考虑列车时刻、防控时间、防控等级等因素影响，模拟真实场景的高速铁路运营网络脆弱性研究，以保障人们的安全便捷出行。参考文献：1 BABABEIK M,NASIRI M M,KHADEMI N,et al.Vulnerability evaluation of freight railway networks using a heuristic routing and scheduling optimization modelJ.Transportation,2017,46（4）:1143-1170.2 ZHANG JH,HU FN,WANG SL,et al.Structural vulnerability and intervention of high speed railway networksJ.Physica,A.Statistical mechanics and its applications,2016（462）:743-751.3 BINTI SA ADIN S L,KAEWUNRUEN S,JAROSZWESKI D.Heavy rainfall and flood vulnerability of Singapore-Malaysia high speed rail systemJ.Australian journal of civil engineering,2016,14（2）:123-131.4 SZYMULA C,BESINOVIC N.Passenger-centered vulnerability assessment of railway networksJ.Transportation research,Part B.Methodological,2020（136）:30-61.5 杨景峰,朱大鹏,赵瑞琳.城市轨道交通网络特性与级联失效鲁棒性分析J.计算机工程与应用,2022,58（7）:250-258.6 张光远,张帆,刘泳博.成渝地区城际铁路网络特性与脆弱性分析J.铁道运输与经济,2021,43（7）:36-42.7 谢昭易.突发事件下中欧班列货运网络脆弱性研 究D.成都:西南交通大学,2021.8 王晓耕.山西铁路客运复杂网络脆弱性分析D.太原:中北大学,2018.9 王伟.铁路网脆弱性评估方法研究J.科技视界,2013（24）:285,300.10 江娟.中国铁路网的网络特性及脆弱性研究D.武汉:华中科技大学,2013.11 杭家荣.基于复杂网络理论的铁路编组站脆弱性分析D.北京:北京交通大学,2012.（下转第 12 页）王铮子，姜文龙：电动自行车违法行为分析及治理对策-12-求调查增建立体过街设施，如过街天桥、地下通道等，设施设置点位尽可能使骑行距离最短；对于非机动车道较宽的道路，在充分考虑路网条件、交通量以及交通需求等因素的前提下，可以通过设置双向非机动车道的设计与管理模式，并采取有效的措施禁止机动车进入，从而避免非机动车绕行过街，为骑行者提供一个安全、便利的出行环境。可对逆向行驶原因进行调查，针对认为“违法效用大于遵守交规效用”的电动自行车骑行人，从时间、经济等角度提高其违法成本，以降低其“违法效用”，如与快递外卖企业相互配合，促进企业对相应快递外卖奖惩制度进行改进；以罚抄交规等人性化执法手段促使违法者深刻意识其行为的欠妥之处等。3.4 违反交通信号及车辆超速治理策略结合整个电动自行车骑行人违反交通信号的博弈过程，可以看出电动自行车超速问题是助长违反交通信号行为产生关键因素，因此，将两类违法治理策略并作一处。针对此两类违法行为，除加大交通安全宣传教育工作及交通执法力度外，还应从电动自行车生产与使用两端出发。供给侧要深切贯彻落实新国标各项技术标准，严格把控车辆速度上限，最大限度消除超标车速，形成“质量严把关、源头可追溯、制度有保障”的全方位电动自行车生产管理体系；需求侧则主要针对各地新国标实施前后超标电动车的置换，做好过渡期临时号牌发放及相应管理工作，鼓励群众主动置换和报废，会同电动自行车生产销售企业，通过以旧换新、折价回购、发放报废补贴等方式，加快淘汰在用不符合新标准的车辆。针对越停止线停车等问题，可通过在路口右转设置转弯物理隔离设施，避免大型半挂货车等大型车辆因只注意车辆前轮的轨迹，使车辆的后轮在转弯过程中侵犯到非机动车道，从而造成交通冲突的情况发生。同时划定非机动车尤其是电动自行车路口停止范围，避免由驾驶人视线盲区而导致交通事故的发生；在有条件的路口，进行渠化改造，设置机动车道与非机动车道进入路口后进行分隔的安全岛，从根本上杜绝机动车驾驶人因右转弯视线死角而导致涉及非机动车的事故发生。4 结语通过对各地电动自行车违法行为现状进行调研，归纳总结出电动自行车典型违法行为及其产生原因，并相应地提出管理策略。参考文献：1 何庆,马建菲,李洋,等.基于 122 警情的电动自行车交通事故特征研究J.交通信息与安全,2018,36（5）:132-138.2 马国忠,明士军,吴海涛.电动自行车安全特性分析J.中国安全科学学报,2006（4）:48-52.3 郭艳.电动自行车事故多发原因及对策分析J.道路交通与安全,2009,9（6）:54-56,20.4 赵桂范,刘明敏,刘磊,等.人-车-路系统下电动 自行车安全性试验J.中国公路学报,2014,27（2）:105-111.5 WEBER T,SCARAMUZZA G,SCHMITT K U.Evaluation of e-bike accidents in SwitzerlandJ.Accident Analysis and Prevention,2014（73）:47-52.（上接第 5 页）12 吴德馨.基于复杂网络理论的铁路运营网络中心性分析D.北京:北京交通大学,2015.13 王云琴.基于复杂网络理论的城市轨道交通网络连通可靠性研究D.北京:北京交通大学,2008.14 安沈昊,于荣欢.复杂网络理论研究综述J.计算机系统应用,2020,29（9）:26-31.15 伍静.海上丝绸之路航运网络韧性的评价研究D.湖北:武汉理工大学,2020.16 刘婵娟,胡志华.基于复杂网络的全球海运网络鲁棒性研究J.广西大学学报（自然科学版）,2016,41（5）:1441-1448.17 张欣,孙代源.基于复杂网络的全球集装箱海运网络脆弱性分析J.重庆交通大学学报（自然科学版）,2022,41（2）:1-7.