面向智慧城市洪灾危机响应的情境化公交重分配与脆弱性感知动态重路由研究

《TRANSPORTATION RESEARCH PART D-TRANSPORT AND ENVIRONMENT》：Contextualized transport reallocation for crisis response in smart cities

针对洪灾致公交中断，研究者集成社会经济脆弱性数据与图算法（Yen’s K-Shortest Paths），在ICARUS框架下实现公交动态重路由。结果显示，其在仅增1.33%里程下提升59.18%弱势人群覆盖，兼具公平与效率，适于实时应急。

　　

当极端降雨超过城市排水能力，地面积水不仅会阻断道路，更会切断依赖公共交通出行的“生命线”。对于低收入社区、缺乏私家车的弱势群体而言，公交停运意味着撤离困难、就医受阻和基本生活陷入瘫痪。传统公交应急调度多只考虑最短路径或最低拥堵，往往忽略了“谁最需要这班车”这一社会公平问题。尤其是在巴西等发展中国家，快速城市化与高风险区违建加剧了洪灾对弱势人群的冲击，亟需一种能动态感知灾情、将有限公交资源精准导向最脆弱区域的智能应对方案。

为此，Eduardo A. Reelon、Ricardo Lüders与Luiz Gomes-Jr. 在《Transportation Research Part D: Transport and Environment》发表了研究，提出并验证了ICARUS（Integrated Crisis Awareness and Resource Utilization for Smart Cities）系统中的“危机感知公交重路由算法”。该研究将六边形空间单元洪灾状态、公交站点路网（有向图 G=(V,E)）与区域社会经济脆弱性评分融合，利用Yen’s K-Shortest Paths生成多条绕行候选，并通过含平滑函数σ(·)的多目标评分（权重W_v、W_l、W_d、W_r）选取兼顾“覆盖脆弱人群-短距-直连-原线复用”的最优绕行；同时结合AI聊天机器人向社区推送情境化指引，并在164组基于地形概率加权的洪灾情景（共超3200次线路中断）中完成参数网格搜索与统计验证。

主要技术方法：基于库里蒂巴（Curitiba）开放数据构建公交有向图（7162站点、300线路、32623连接）；用微观（COHAPAR，2016—2024，22346家庭）与宏观（RWI、Meta人口密度）数据训练XGBoost得到区域脆弱性评分（R²=0.722）；以Neo4j图库运行Yen’s K-Shortest Paths（k=3）在洪淹节点子集V_flood诱导的子图上生成绕行候选；设绕行长度上限3×L_min，以归一化平均脆弱性v?(P)、复用r(P)、直连d(P)、归一化长度偏差l?(P)及平滑函数σ(·)计算综合得分并选优；在164次情景（1—5个洪区，中位20条受影线路）中网格搜索权重、对比无脆弱性基线（W_v=0），并以95%置信区间检验指标差异。

1. Introduction

研究指出洪灾对城市交通与弱势群体的不成比例影响，强调将事件检测、脆弱性评估、资源重分配与公众沟通联动的必要性；以ICARUS为集成平台，聚焦洪灾中公交重路由如何将绕行决策与社会脆弱性绑定，并可配合AI聊天机器人发布指引。

2. Background and related work

2.1 Flood forecast and situation rooms：区分城市内涝（pluvial flooding）与河流/海岸洪水，介绍洪灾情景室（FSR）与数字孪生（Digital Twin）在数据感知、预测模拟与多源信息融合中的作用，为公交重路由提供情境基础。

2.2 Socioeconomic vulnerability indicators：综述收入、教育、住房与卫生条件等如何构成脆弱性模式，并说明本研究用微观+宏观数据（RWI、Population Density Explorer）通过机器学习扩展覆盖与代表性，形成可用于路由的社会脆弱性地图。

2.3 Resource reallocation for crisis response：回顾铁路施工、动态行为、灵活线路、多中断协同等公交/交通重分配研究，指出现实响应更依赖实时自适应；本文以图数据库与Yen’s K-Shortest Paths生成多候选，并把脆弱性指标直接写入重路由目标，以提高最依赖公交人群的可及性。

3. The ICARUS system

ICARUS由极端事件监测（Extreme Event Monitoring）、情景评估（Situation Assessment）、资源监测（Resource Monitoring）等模块组成：极端事件模块实时检测洪灾；情景评估模块识别受影响区域与脆弱区并优先排序；资源监测模块跟踪基础设施与服务状态。本文重点放在：（1）脆弱区域制图（Vulnerability Area Mapping）以Micro/Macro数据定位高脆弱区；（2）公交线路资源重分配（Resource Reallocation for Bus Routes）按实时条件改线以维持可达性；（3）社区接口（Interface with Communities）通过聊天机器人提供更新、指引并回收反馈。

4. Methodology

4.1 Data sources and processing：使用库里蒂巴开放数据（2025年1月22—23日，去重后32623条连接、7162站点、300线路）构建运营路网；同时将城市划分为六边形区域H，依据洪灾子集H_flood判定站点是否不可用，形成受淹线路与可绕行区间。

4.2 Bus rerouting：将问题建模为有向图G=(V,E)，以洪淹站点集合V_flood界定中断；对每条受影响线路，定位首个/末个受淹站点以切分出安全前后段，随后在安全子图上为“每段安全首末点对”生成绕行候选。目标函数最大化：W_v·v?(P)+W_r·σ(r(P))+W_d·σ(d(P))+W_l·(1?l?(P))，约束length(P)≤3·L_min；其中v?(P)为路径穿过区域的平均脆弱性（归一化到[0,1]），r(P)为原线复用比例，d(P)为起止直线距/路径长，l?(P)为候选池内长度归一化偏差，σ(·)为平滑阶跃函数，用以降低极端值敏感度、避免几何微优掩盖社会性收益。算法先过滤超长绕行，再遍历候选算综合得分选优；若起/终点本身被淹则无法绕行，需管理员介入（如短旋、临时终端）。

4.3 Evaluation：在164次情景（1—5洪区，按低海拔平方概率加权以贴近积水规律）中，对权重W_v（1,5—45步5）与W_l,W_d,W_r（1—15步2）做5120组配置网格搜索；以无脆弱性基线（W_v=0，即标准最短路径）比较：脆弱人群覆盖增益%、距离增加%，并补充直连与复用结构指标；同时记录单次运行耗时、受影线路数、每线/每OD对处理时间。

5. Results

5.1 Parameter selection and trade-off analysis：敏感性分析显示存在明显“运营成本—社会公平”权衡；选定W_v=5、W_l=15、W_d=1、W_r=1，该配置平均脆弱人群服务量较基线提升59.18%，平均路径长度仅增1.33%。

5.2 Operational quality of alternatives：绕行直连性多处于中等范围，复用度亦接近观测分布中部；算法在所有164次运行中均为每条受影响线路找到至少一条可行绕行。被选路径相较候选池均值更短、更直、复用更多原线区段，说明评分机制能有效甄选“既照顾脆弱性又不至于偏离运营可行性”的方案。

5.3 Socioeconomic impact and sensitivity analysis：95%置信区间显示脆弱人群覆盖提升59.18%±16.76%，路径长度增加1.33%±0.92%，而直连与复用相较基线无显著统计差异，表明社会收益可在不显著牺牲结构质量下实现。

5.4 Model performance and execution time analysis：多数单次运行耗时低于50秒；受影线路中位约20条；耗时随洪区数上升而增加；每一条受影响线路总处理时间集中低于1秒，证明该流程可支持近实时应急决策。

6. Conclusion

结论表明：通过把社会经济脆弱性评分纳入公交绕行目标，并在ICARUS框架内与洪灾检测、情景评估、资源监测及社区沟通联动，可实现“明显提升弱势人群覆盖”的同时“几乎不增加里程、且不显著削弱直连与原线复用”。这推动应急管理从纯距离/拥堵导向，转向更公平的“ equity-oriented transport policy”；管理者可将脆弱性指数写入运营规则，使公交运力在灾害中优先流向最需要的人群。展望包括引入更广道路网（兼顾公交通行约束）、需求响应式动态合乘/避震接送，以及把社会经济模型的空间噪声与误差传播纳入敏感性与鲁棒性分析。

该研究的重要意义在于：它把“交通效率”与“社会公平”放在同一套可计算、可实时运行的路由框架里，并用严格参数搜索与统计检验证明——更公平的公交应急服务并不一定意味着更高的运营成本，从而为智慧城市洪灾响应提供了可落地的技术路径与决策依据。