提升多重灾害抵御能力与城市融合度：高速火车站的量化评估框架

《Environmental and Sustainability Indicators》：Advancing multi-hazard resilience and urban integration: A quantitative framework for high-speed rail stations

中国高铁站多灾种韧性及站城融合评估显示，上海南站综合表现最优（韧性64.1，融合度76.8），而上海站仅46.1分。研究构建了涵盖8类灾害和3大维度的层次化评估框架，发现环境控制（0.74相关系数）和火灾管理（-0.57负相关）与韧性关联显著，站城融合中多式联运（26%）和人流管理（15%）得分最高。通过聚类分析可分为三类：高韧性高融合（上海南）、高融合中韧性（上海、苏州站）、中融合中韧性（其他五站）。

　　随着城市化进程的加速以及极端天气事件的频繁发生，高速铁路（HSR）站不仅需要作为高效的交通节点，还必须具备强大的多灾种抗灾能力，并与城市环境实现无缝融合。本研究开发了两个分层评估框架，分别评估（1）抗灾能力，包括一个“基本”类别和八个具体的灾种类别（地震、火灾、强风、洪水、干旱、热浪、污染和公共卫生）；（2）站城一体化程度，涵盖城市、环境和社会三个维度。通过现场审计、专家层次分析法（AHP）赋权和基于风险的评分方法，我们将这些框架应用于中国长三角地区的八个代表性高速铁路站。综合评分通过斯皮尔曼等级相关性分析来识别关键的融合-抗灾联系，并通过K-means聚类揭示了不同站点的性能范式。

总体抗灾能力评分在46.1至64.1之间，其中火灾、热浪和环境污染占据了主导地位，而地震、强风和干旱的防御措施则相对滞后。融合评分范围为60.9至76.8，主要受到行人流动和多模式交通可达性的影响。值得注意的相关性包括公共卫生抗灾能力与环境控制及多模式交通可达性的正向关联，以及火灾抗灾能力与行人流动管理之间的权衡关系。聚类分析识别出一个“高融合和高抗灾能力”的典范（上海南站），一个“高融合和中等抗灾能力”的群体（上海站、苏州站），以及其余站点的中等融合和抗灾能力集群。我们的研究结果强调了整合策略的有效性，例如被动通风、自然采光优化、外部遮阳和多模式交通连接设计，以实现成本效益高、抗灾能力强且与城市融合度高的高速铁路站，并为未来的站点规划提供了特定范式的策略。

尽管运输系统抗灾能力和站点城市融合都得到了学术界的广泛关注，但相关研究大多独立进行。抗灾研究关注系统在自然灾害冲击下的抵抗、恢复和适应能力，而站点城市融合研究则探讨高速铁路站点与周围城市交通、土地利用、环境和社会系统的协调。很少有研究开发出统一的、分层模块化的框架，同时评估多灾种抗灾能力和多维融合，也没有对这两个构念之间的内在关系进行实证测试。此外，缺乏基于实际现场测量的综合、数据驱动的分析，覆盖代表性的站点在相关性和聚类研究中的抗灾能力和融合度。为了解决这些不足，本研究将：
1. 设计一个综合的多灾种抗灾框架和一个多维的站点城市融合框架，每个框架都采用分层模块化结构，将灾种类别和融合维度分解为子类别和指标。
2. 结合专家判断和现场设施审计，评估中国长三角地区八个高速铁路站的多灾种抗灾能力和站点城市融合水平，采用二元和分级评分及赋权方案。
3. 通过研究抗灾能力与融合之间的相关性，揭示长三角高速铁路网络中抗灾能力和融合特征如何共变，并使用K-means聚类将站点分为性能范式。
4. 提供针对长三角地区特定范式的建筑设计策略，以实现城市融合与多灾种抗灾能力的和谐。

本研究的其余部分结构如下。第2节回顾了多灾种抗灾能力和站点城市融合的相关文献。第3节介绍了我们的双分层模块化评估框架和评分方法，并描述了现场审计、专家赋权和数据来源。第4节展示了抗灾能力和融合评估的结果，以及它们之间的相互关系，通过斯皮尔曼相关性和K-means聚类揭示了性能范式。第5节讨论了设计启示、区域差异和研究局限性。最后，第6节总结了主要发现及其对未来城市轨道交通规划的启示。

### 1. 引言

在全球城市化快速推进的背景下，高速铁路因其大容量、高速度和准时性，已成为支撑现代城市群协调发展的核心交通基础设施，以及优化区域空间结构的重要手段。根据国际铁路联盟（UIC）发布的《2025年全球高速铁路发展报告》，目前正在建设的高速铁路占全球新建铁路里程的30%，超过20个国家已奠定了高速铁路网络的基础。作为世界上最大的高速铁路建设者，中国截至2024年底已建成运营48,000公里的高速铁路线路，占全球总量的70%以上，其规模和技术水平处于全球领先地位。

然而，过去三十年的“速度优先”模式虽然提高了区域连通性，但也导致了显著的空间碎片化。传统的站点布局通常采用“孤岛”类型，与城市之间通过广阔的广场和入口坡道隔开，这种模式不仅造成了物理和功能上的障碍，还产生了大量未充分利用的“中间空间”，加剧了土地使用效率低下和空间碎片化的问题。为此，“站城一体化”概念得到了广泛倡导和实施。新的高速铁路站点和现有站点的改造正在从单纯的交通节点向“城市活力中心”转变，强调三维发展、混合功能规划和无缝流通，以实现铁路基础设施与商业、办公、住宅和文化功能的深度融合。这种空间融合不仅提升了土地价值和用户体验，还为改善城市韧性创造了结构性条件。

与此同时，全球气候变化引发的极端天气事件，如热浪、飓风和强降雨，对基础设施稳定性构成了严重威胁。作为集中客流的关键站点，高速铁路站点拥有高度复杂的系统，面临严峻的疏散挑战。因此，增强站点及其周边区域的“抗灾能力”，即在灾害影响下维持核心功能、快速恢复和适应能力，已成为当代城市规划和工程设计的迫切需求。

在这一背景下，站城一体化策略和抗灾设计措施显示出内在的联系。一方面，一体化设计通过功能混合和空间整合，为应急资源分配、系统冗余和优化疏散路线提供了物理框架。另一方面，抗灾目标要求从灾害缓解的角度重新配置站城空间关系，将安全和可持续性嵌入一体化设计中。如何利用站城空间干预措施系统提升高速铁路站对气候风险的抗灾能力，并明确规划和设计层面一体化与抗灾能力之间的协同效应和潜在冲突，成为高速铁路和城市发展的下一个时代的关键挑战。

此外，长三角地区是我们样本站点所在区域，过去五十年中经历了多次真实灾害事件，突显了抗灾规划的紧迫性。在上海，自1970年以来发生了超过十次地震，同时频繁的台风侵袭导致黄浦江出现风暴潮，引发城市广泛性洪水。南京则多次面临长江洪水超过警戒线的威胁，其密集的历史核心区域仍易受火灾影响。杭州遭受了严重的台风影响，如2025年最近的台风朱雀，带来了破坏性风力，同时还面临钱塘江流域的极端热浪和偶尔的干旱。苏州则经历了显著的环境危机，包括太湖大规模蓝藻爆发，以及其河网区域的强对流风和局部性洪水。这四个城市在2003年SARS疫情和2020年新冠疫情期间均报告了确诊病例，突显了密集交通枢纽的公共卫生脆弱性。这些具体实例表明，将多灾种抗灾能力整合进站点规划中至关重要。

尽管运输系统抗灾能力和站城一体化都受到相当多的学术关注，但这些主题的研究大多独立进行。抗灾研究主要关注系统在自然灾害冲击下的抵抗、恢复和适应能力，而站城一体化研究则探讨高速铁路站点与周围城市交通、土地利用、环境和社会系统的协调。很少有研究开发出统一的、分层模块化的框架，同时评估多灾种抗灾能力和多维一体化，也没有对这两个构念之间的内在关系进行实证测试。此外，缺乏基于实际现场测量的综合、数据驱动的分析，覆盖代表性的站点在相关性和聚类研究中的抗灾能力和一体化。为了解决这些不足，本研究将：
1. 设计一个综合的多灾种抗灾框架和一个多维的站点城市一体化框架，每个框架都采用分层模块化结构，将灾种类别和一体化维度分解为子类别和指标。
2. 结合专家判断和现场设施审计，评估中国长三角地区八个高速铁路站的多灾种抗灾能力和站点城市一体化水平，采用二元和分级评分及赋权方案。
3. 通过研究抗灾能力与一体化之间的相关性，揭示长三角高速铁路网络中抗灾能力和一体化特征如何共变，并使用K-means聚类将站点分为性能范式。
4. 提供针对长三角地区特定范式的建筑设计策略，以实现城市一体化与多灾种抗灾能力的和谐。

本研究的其余部分结构如下。第2节回顾了多灾种抗灾能力和站点城市一体化的相关文献。第3节介绍了我们的双分层模块化评估框架和评分方法，并描述了现场审计、专家赋权和数据来源。第4节展示了抗灾能力和一体化评估的结果，以及它们之间的相互关系，通过斯皮尔曼相关性和K-means聚类揭示了性能范式。第5节讨论了设计启示、区域差异和研究局限性。最后，第6节总结了主要发现及其对未来城市轨道交通规划的启示。

### 2. 文献综述

#### 2.1 抗灾能力评估

“抗灾能力”一词源于拉丁语“Resilio”，意为“吸收冲击、适应变化条件、迅速从干扰中恢复的能力”。最初在系统生态学中提出，该概念逐渐渗透到交通运输领域，随着交通运输系统的发展和对系统稳健性的关注增加。在快速城市化和日益增长的运输需求背景下，现代铁路网络越来越需要更强的连通性、更强的子系统耦合以及更高的系统复杂性。然而，频繁的自然灾害和极端天气可以干扰高速铁路站的运营，不仅造成即时的旅行延误，还可能导致长期的经济损失。因此，增强高速铁路站对这些事件的抗灾能力对于提高公共交通系统的可持续性至关重要。

本节不仅介绍了高速铁路站建筑的抗灾能力评估框架，还介绍了相关互联基础设施的评估系统，如铁路网络、地铁站和城市公共空间节点。表1总结了上述目标对象、方法和评估维度。

表1：现有抗灾能力评估研究的总结。

| 研究参考 | 国家 | 抗灾能力评估目标 | 方法 | 抗灾能力评估维度 |
|----------|------|------------------|------|------------------|
| Shafieezadeh and Ivey Burden (2014) | 美国 | 地震灾害下的港口 | 生成灾害情景的强度指标，评估系统组件的性能和修复需求，并建立模拟模型 | 恢复、服务需求和系统运行 |
| Rigaud et al. (2018) | 法国 | 火车站 | 定义诊断背景、性能评估、行动计划和结论 | 应对和克服能力、监控、学习和预判 |
| Metzner (2020) | 德国 | 机场航站楼 | 通用航站楼模型和情景定义 | 强度、快速性和系统性能随时间的变化 |
| Forero-Ortiz et al. (2020) | 西班牙 | 洪水情景下的地铁站 | 整合1D/2D水动力城市排水模型 | 危险和脆弱性 |
| Jiao et al. (2021) | 中国 | 雨灾下的城市轨道交通站点 | 系统文献综述、解释性结构模型（ISM）和社会网络分析（SNA） | 抵抗、恢复能力和适应性 |
| Xu et al. (2022) | 中国 | 地铁系统 | 抗灾周期框架、基于流量的网络指标 | 准备、强度、恢复和适应 |
| Chen et al. (2022) | 中国 | 城市轨道交通网络 | 构建需求-阻碍指标和有效出行路径，基于修改后的抗灾三角模型量化抗灾能力 | 乘客出行量、出行时间、有效出行路径、乘客路线选择行为 |
| Zhang et al. (2022) | 中国 | 高速铁路 | 系统文献综述、案例分析、专家调查和结构方程建模 | 系统运营和维护、组织结构和质量控制 |
| Corinna et al. (2022) | 德国 | 机场 | 网络模型和基于代理的模型 | 抗灾曲线 |
| Jiao et al. (2023) | 中国 | 雨灾下的地铁站 | 使用顺序二元比较方法、熵权法和云模型构建评估系统 | 抵抗、恢复和适应 |
| Tang et al. (2023) | 中国 | 地震条件下的火车站 | 信念规则基础 |
| Chen et al. (2023) | 中国 | 城市公共交通系统 | 通过数学建模量化和模拟公共交通系统在中断情景下的结构和功能变化 | 结构抗灾能力、结构恢复能力、容量抗灾能力、功能恢复能力、乘客适应性、管理适应性 |
| Wang et al. (2023) | 中国 | 高速铁路 | 熵权法和基于时间变化的双重差分模型系统 | 经济、社会、制度、基础设施和生态 |
| Yin et al. (2024) | 中国 | 城市轨道交通的转移导向性 | G1赋权法、AnyLogic仿真建模 | 预灾害快速性、强度、冗余、资源再分配能力、后灾害快速性 |
| Wan et al. (2024) | 中国 | 受火灾、洪水、踩踏和异常乘客滞留影响的综合交通站点 | 灾害和可操作性研究、基于噪声的密度聚类、基于云模型的风险评估模型 | 人员、设备、环境和管理 |
| Ma et al. (2024) | 中国和英国 | 城市轨道交通的乘客出行服务 | 网络拓扑结构 | 乘客出行行为选择、出行体验和出行延误 |
| Wang et al. (2024) | 中国 | 山区城市在雨灾和洪水情景下的地铁站 | 理论赋权计算、扩展理论和云模型 | 吸收性、抵抗性、恢复能力和适应性 |
| Zapola et al. (2024) | 巴西 | 机场乘客航站楼运营 | 五阶段框架 | 通用抗灾指数、飞机延误和乘客延误 |
| Horton (2024) | 美国 | 机场 | 三级抗灾压力测试框架 | 物理、网络和社交领域在吸收、恢复和适应阶段的表现 |
| Chen et al. (2025) | 中国 | 城市轨道交通 | 基于列车时刻表的抗灾能力评估模型 | 时间、行政区域、参数敏感性 |
| Rahman and Kim (2025) | 中国 | 高速公路系统 | 比例风险模型 | 灾害类型、持续时间 |

抗灾能力评估框架的演变反映了从通用定义向情景导向方法的转变。早期研究强调基于通用能力的框架，将抗灾能力分解为核心能力，如吸收、抵抗、恢复和适应，或围绕如强度、快速性和系统性能随时间的变化等指标进行评估。随着该领域的成熟，一个明确的趋势是专业化和情境化。近期研究已扩展到处理更具体和复杂的灾害类型，如洪水、野火（包括烟雾）和山体滑坡引起的中断。评估维度也变得更具针对性；例如，机场乘客航站楼运营的抗灾能力框架包括情景特定的指标，如飞机延误和乘客延误。从“通用”到“专业化”框架的转变表明，抗灾研究正在朝向更实用、情境敏感的指导方向。

抗灾能力评估方法已从理论模型转向数据驱动的方法，并最近发展为理论与数据的融合。在早期阶段，当运营数据稀缺时，模拟技术与综合评估模型是主要的定量工具。例如，蒙特卡洛模拟已被用于估计运营中断的概率和影响，而综合框架如基于专家的层次分析法（AHP）和模糊评估模型被引入以综合异质性指标。拓扑分析，一种专注于网络结构的经典方法，也被应用于研究交通网络和节点间依赖性。

随着信息技术的进步，数据驱动的方法和模拟方法变得越来越普遍。高分辨率的历史运营数据，如出行行为记录和时间分段的交通流量，越来越多地用于数据驱动的方法来评估系统抗灾能力。模拟方法通过虚拟环境对研究对象进行建模，并在不同情景下比较结果，产生可操作的决策支持输出，包括实时应急响应计划和长期基础设施升级建议。传统的综合评估模型也变得更加复杂和精确；融合模糊性和随机性的混合技术（如云模型）现在被使用，这反映了对不确定性处理方法的深入。

然而，回顾的研究往往面临几个限制：1）缺乏多灾种视角：现有抗灾研究通常侧重于基础设施或运营恢复后的广泛影响，或仅处理单一类型的灾害，缺乏针对多种灾害情景的有针对性和具体的评估；2）方法论侧重：大多数现有研究依赖于模拟和运营数据，虽然这些对于评估很有价值，但无法完全取代对物理建筑环境的现场评估；3）缺乏权衡考虑：抗灾能力被孤立评估，未考虑可能的权衡，即增强某些抗灾指标的策略可能损害日常功能或运营效率。

#### 2.2 站点城市一体化

中国已建成世界上最大的高速铁路网络。高速铁路站点已成为区域高质量发展的关键引擎。在这种背景下，站城一体化已成为中心发展范式。

站城一体化的概念与以公共交通为导向的发展（TOD）模式密切相关，该模式倡导紧凑、混合功能开发和公共空间规划。它特指将铁路站的运输功能与城市功能战略耦合，支持多中心城市结构的形成。与传统交通枢纽相比，基于这一范式的高速铁路站点不仅提供乘客服务，还实现无缝的多模式连接，并在步行范围内整合商业、办公、零售、娱乐、住宅和公共用途。研究和实践已从早期以功能为导向的概念演变为更系统的理论发展，目前则向多样化探索发展，强调综合效益、治理反思和以人为本的价值。

在第一阶段，关注的是将多种城市功能整合到区域中，并在结果运营压力下增强区域服务能力。例如，站点与城市吸引点（如商业中心和大学）之间的协同联系可以刺激当地发展。关于运营压力，一个代表性的案例是马尔加莱港口：Grindlay和Hornos量化估计了港口扩建计划引发的额外交通需求，并使用道路网络模型模拟其影响。除了容量保证，研究还涉及改善用户体验，例如评估现有城市区域中从站点到城市中心的步行路线质量。

在第二阶段，注意力转向系统化和深化理论框架。经济规划策略、换乘流设计和城际或城内连通性被整合到一个连贯的嵌入框架中。同时，更加强调相应的空间尺度：例如，Liu等人提出了一个在城市、站点区和站点建筑层面上的分析框架，并确定了每个尺度的相关优先系统。

在第三阶段，当前和新兴研究趋势的特点是更加整合、以人为本的方法。在空间和环境尺度上，研究变得更加细致，考察站点建设如何响应特定的生态、水文和地质条件，并更加关注地下空间的开发潜力。在社会经济和治理层面，研究评估站点在刺激地方活力中的作用，并常规性地纳入政策分析以评估治理效果；综合社会影响，如土地价值提升和绅士化潜力也引起了关注。研究也在扩展到包括历史和文化维度：例如，分析了佛罗伦萨的圣玛丽亚诺瓦拉和马德里的阿托查站的建筑、社会、文化和景观视角。这表明，关于站城一体化的讨论已深入到对城市背景的更深层次考虑。

尽管抗灾能力和一体化都是高速铁路站点可持续发展的关键，但现有研究往往将其视为独立的问题。抗灾研究通常集中在灾害和工程系统上，而一体化研究则强调日常运营和城市规划。很少有研究将两者整合到一个统一的分析框架中。

### 3. 方法论

本研究的方法论流程如图1所示。我们系统评估了八个长三角高速铁路站的多灾种抗灾能力和站城一体化程度。首先，我们通过综合国际指南和国内标准，构建了包括（a）一个涵盖“基本抗灾能力”和八个灾种维度的抗灾评估框架，以及（b）一个涵盖城市、环境和社会三个维度的站城一体化评估框架。其次，我们对每个站点进行了现场调查，以验证所需设施的存在与否。第三，专家小组为每个指标分配了分数。第四，我们应用了层次分析法（AHP）和基于灾害概率的权重计算，将原始分数转化为加权的子维度和综合分数。最后，这些综合分数接受了统计分析，包括描述性排序、斯皮尔曼相关性和K-means聚类，以揭示性能模式并为有针对性的设计策略提供信息。

图1：评估高速铁路站抗灾能力和一体化水平的方法流程。

#### 3.1 研究区域和样本选择

本研究涵盖了八个高速铁路站，它们都位于中国最经济发达的长三角地区。这些站点包括上海站、上海虹桥站、上海南站、苏州站、苏州北站、杭州东站、杭州西站和南京南站。每个站点都是国家干线（如北京-上海、上海-杭州、南京-杭州走廊）上的主要节点，直接连接多个城市交通系统，并处理中国最高乘客吞吐量之一。这些站点位于主要和超大型城市，占据相对较大的用地面积，并受益于现代基础设施，它们是在过去15年内建成或全面改造的。从地理上讲，这些站点分布在长三角的东、西、南和北，反映了该地区的空间等级和铁路拓扑。2023年，这一核心地区包含约3610公里的高速铁路线路，占地92,000平方公里，网络密度为39.2公里/100平方公里，这显著超过了全国平均的22.5公里/100平方公里。研究区域的气候风险特征为：每年平均有24个极端热日、8次强降雨事件（每日降雨量≥50毫米）和2次台风侵袭，基于2020-2023年国家气象局的数据。这一密集、先进的铁路基础设施与频繁的极端天气灾害的结合，为我们对站城一体化和多灾种抗灾能力的评估提供了必要的背景。这种战略位置、城市一体化和对频繁极端天气事件的暴露，使它们成为抗灾能力和站城一体化评估的极具代表性的案例研究。

#### 3.2 指标框架开发和数据来源

评估框架的开发是本研究的基本方法论步骤，旨在提供分析铁路站抗灾能力和一体化的结构化工具。鉴于抗灾能力和一体化概念的复杂性和多维性，有必要定义两个不同的框架。我们通过分层模块化框架，采用三级结构来分解灾种类别和一体化维度，包括类别、子类别和指标。以下部分将详细介绍通过这一过程开发的两个框架：抗灾评估框架和一体化评估框架。

#### 3.2.1 抗灾评估框架

在这个框架中，抗灾能力是根据灾种类别进行评估的，然后是根据灾后管理阶段进行评估。框架的概念结构基于广泛的国际指南和学术来源。这些包括《减灾风险减少框架》（联合国减灾风险减少办公室，2015）以及世界卫生组织和泛美卫生组织的《公共卫生机构灾害应急管理指南》。此外，我们还参考了Arup和洛克菲勒基金会开发的城市抗灾框架，以及众多关于城市抗灾能力的科学研究。此外，借鉴《医院安全指数：评估指南》，我们首先评估了不同灾种类型的相对重要性。然后，我们应用了经典的灾害风险管理周期，也称为PPRR周期（预防/缓解、准备、响应和恢复），以评估每个灾种在不同城市中的全管理阶段。对于每个阶段，我们系统地检查了结构安全、非结构安全和应急与灾害管理的相关方面。

#### 3.2.2 一体化评估框架

一体化框架采用分层和模块化结构，分为三个主要类别，即城市一体化、环境一体化和社会一体化，每个类别进一步分解为实证基础的子类别和可衡量的指标。框架的概念结构基于《站城一体化工程规划与设计标准》。城市一体化通过三个相互关联的维度进行评估。首先，多模式可达性通过检查使乘客能够无缝转换公交车、地铁、有轨电车、出租车、自行车和高速铁路的设施来衡量，如换乘节点、导向系统和覆盖的等待区，因为高效的多模式转换不仅提高了日常出行时间，还提供了紧急情况下的冗余。其次，行人和人流管理通过分析入口和出口布局、走廊的宽度和数量、排队区的设计、票务检查过程的效率以及疏散路线的清晰度来评估，因为良好的行人组织在正常运营下减少了拥堵，并在紧急情况下实现了有序疏散。第三，土地利用和景观一体化通过相邻土地地块的功能混合、绿色走廊的连续性、公共开放空间与站点建筑之间的界面以及行人路径的渗透性来确定，这些因素创造了生态缓冲区，并为危机期间的集结或避难提供了额外区域。

环境一体化同样通过三个子类别进行评估。可持续设计和能源效率通过站点是否安装了屋顶太阳能板、雨水收集系统、被动通风方案、自然采光和高效HVAC措施来评估，这些措施降低了碳足迹，并在电力中断时维持关键服务。材料和自然资源利用通过低碳或生物基材料的使用比例、结构组件的可回收性和耐久性以及本地采购程度来衡量，这些因素改善了生命周期可持续性和供应链脆弱性。环境控制和污染管理通过空气过滤单元、噪声屏障安装、污水处理设施和系统化废弃物分类来验证，这些措施提供了对二次健康灾害的保护，并实现了灾后快速恢复。

社会一体化通过特殊需求用户的设施和站点与周围社区的连接性来评估。特殊需求设施通过确认坡道、触觉标志、电梯、家庭卫生间、护理室和无障碍座椅的可用性来评估，这些设施确保了脆弱人群在任何情况下都能安全地在站点内通行。社区空间连接性通过站点相邻的公共广场、安全的自行车停放、全面的导向标志、街道层面的零售和聚集区激活以及社区公告区的建立来评估，这些措施加强了社区联系，并在紧急情况下提供了非正式的避难所和资源分配点。

#### 3.3 评估指标的计算

抗灾框架和一体化框架各自产生一个最终分数。计算过程对于两者是相同的：每个指标如果站点满足标准则得分为1，否则为0。子类别分数随后计算；例如，如果一个子类别包括10个指标，而站点满足其中6个，则分数为（6/10）×100=60。最后，子类别分数的加权和得出整体分数。这些权重的确定方法将在以下小节中详细说明。

#### 3.3.1 抗灾分数计算

抗灾分数（总分100分）由基本抗灾分数（权重为40%）和八个灾种类型的抗灾分数（合计权重为60%）组成。计算如下：

基本分数在任何站点评估中始终具有固定的40%权重。它基于10个指标。如果一个站点满足五个或更少的这些指标，则被视为未达到最低安全标准，并被排除在进一步的抗灾评估之外。

鉴于每个城市不同的地理、气候和社会文化背景，不同灾种类型的相对重要性也有所不同。对于每个城市（上海、南京、苏州和杭州），我们考虑了八个灾种类型：地震、火灾、强风、水位上升、公共卫生事件、热浪、环境污染和干旱。使用表5，我们首先为每个城市分配灾种等级分数。然后，计算每个城市的灾种权重，即该城市灾种等级分数与该城市所有灾种等级分数的总和的比例。这种方法借鉴了公共卫生机构在自然灾害应急管理系统中的风险等级评估方法。

表6：四个城市的灾种权重。权重反映了每种灾种类型的相对可能性。对于每个城市，所有权重总和为60%，因为其余40%分配给强制性的“基本抗灾能力”类别。

| 类别 | 上海 | 苏州 | 杭州 | 南京 |
|------|------|------|------|------|
| 地震 | 3.3% | 5.0% | 3.8% | 3.9% |
| 火灾 | 6.5% | 5.0% | 3.8% | 7.8% |
| 强风 | 10.9% | 10.0% | 7.7% | 7.8% |
| 水位上升 | 10.9% | 10.0% | 12.8% | 13.0% |
| 公共卫生 | 10.9% | 10.0% | 7.7% | 7.8% |
| 热浪 | 10.9% | 10.0% | 12.8% | 7.8% |
| 环境污染 | 3.3% | 5.0% | 3.8% | 3.9% |
| 干旱 | 3.3% | 5.0% | 7.7% | 7.8% |

#### 3.3.2 一体化程度计算

一体化程度总分（最高100分）由城市一体化、环境一体化和社会一体化三个类别组成。每个类别包括三到四个子类别，如表7所示。子类别的权重分布也如表7所示，总权重加总为100%。子类别的权重计算方法如下：

表7：一体化评估框架中子类别的权重。

| 类别 | 子类别 | 权重 |
|------|--------|------|
| 城市一体化 | 多模式可达性 | 26% |
| 行人和人流管理 | 15% |
| 土地利用和景观一体化 | 21% |
| 环境一体化 | 可持续设计和能源效率 | 6% |
| 材料和自然资源 | 3% |
| 环境控制和污染 | 7% |
| 社会一体化 | 社区空间 | 9% |
| 环境控制和污染 | 13% |

通过层次分析法（AHP），八位熟悉站城一体化概念的专家独立地在统一的尺度上评估了每个子类别的相对重要性。八位专家的平均权重被用作一体化评估框架中每个子类别的最终权重。

最终一体化得分通过方程（2）计算。

#### 3.4 数据统计分析

#### 3.4.1 相关性分析

有许多方法可以研究多个因素之间的相关性，如皮尔逊、斯皮尔曼和肯德尔。我们希望研究站城一体化与抗灾子维度之间是否存在单调关系。初步的视觉检查表明，总抗灾能力与每个一体化维度（城市、环境和社会）之间存在非线性关联。此外，斯皮尔曼方法对极端值不太敏感，这使得它更适合我们的数据集，确保了在一体化特征与抗灾能力结果之间识别出的关联在统计上具有意义，且不受异常值的过度影响。因此，我们采用了斯皮尔曼等级相关性分析。对于每个站点，原始的一体化子类别和抗灾子类别分数被转换为等级排名，从而减少异常值和非正态分布的影响。斯皮尔曼等级相关性系数ρ通过根据方程（3）计算配对等级的皮尔逊相关性来得出。

#### 3.4.2 K-means分析

为了揭示八个高速铁路站之间的潜在性能范式，我们使用结合抗灾能力和一体化得分的基于数据驱动的聚类分析。主要目标是将站点分组为连贯的类别，如高一体化和高抗灾能力或中等一体化和中等抗灾能力，从而实现差异化政策建议。我们首先通过应用肘部方法计算从1到5的k值的组内平方和（WSS），确定k=3的拐点。然后，我们执行k=3的K-means聚类，将站点分成三个组，并计算它们在一体化-抗灾能力空间中的质心。最后，我们将行政区域标签（上海、苏州、杭州和南京）叠加在聚类分配上，以检查同一行政区域内的站点是否表现出一致的性能范式或跨越多个聚类。

### 4. 结果

在本节中，我们首先分别介绍抗灾评估结果和站城一体化评估结果。然后，我们通过斯皮尔曼等级相关性探索它们之间的相互关系，识别出哪些一体化特征与特定的抗灾能力结果最为相关。最后，我们通过K-means聚类和区域叠加综合这些发现，将站点分组为性能范式，并检查地理模式以提供差异化的提升策略。

#### 4.1 抗灾评估结果

八个站点的总体抗灾能力评分如图3(a)所示，从上海南站的64.1分（最高）到上海站的46.1分（最低）。基本评分（最高可能为40分）从上海南站、上海虹桥站和苏州北站的32分（表示有八个设施到位）到杭州东站的24分（最低），显示出所有站点都达到了最低代码要求，但在部署基本安全系统的全面性方面有所不同。

图3：(a) 八个站点的总体抗灾能力评分和基本抗灾能力评分；(b) 八个站点的灾种特定抗灾能力评分。较长的花瓣表示对这种灾害的抗灾能力更强；(c) 八个站点的灾种特定抗灾能力评分已根据灾害概率进行加权。

表8：八个站点的抗灾能力评分。

| 类别 | 杭州西站 | 南京南站 | 上海虹桥站 | 上海站 | 苏州北站 | 上海南站 | 杭州东站 | 苏州站 |
|------|----------|----------|------------|--------|----------|----------|----------|--------|
| 基本 | 28.0 | 28.0 | 32.0 | 32.0 | 32.0 | 32.0 | 24.0 | 32.0 |
| 地震 | 1.3 | 1.3 | 1.1 | 0.4 | 1.7 | 1.1 | 1.3 | 1.7 |
| 火灾 | 3.1 | 7.8 | 5.2 | 5.2 | 4.0 | 5.2 | 3.1 | 3.0 |
| 强风 | 1.5 | 0.0 | 2.2 | 0.9 | 4.0 | 4.4 | 1.5 | 0.0 |
| 水位上升 | 2.1 | 0.0 | 3.6 | 1.8 | 3.3 | 3.6 | 6.4 | 0.0 |
| 公共卫生 | 3.8 | 5.9 | 2.7 | 0.7 | 0.0 | 5.5 | 1.9 | 2.5 |
| 热浪 | 1.6 | 0.0 | 6.8 | 3.4 | 7.5 | 8.2 | 11.2 | 1.3 |
| 环境污染 | 7.7 | 6.5 | 2.2 | 1.5 | 3.3 | 3.3 | 1.3 | 8.3 |
| 干旱 | 3.8 | 3.9 | 0.8 | 0.2 | 1.3 | 0.8 | 1.9 | 1.3 |
| 总分 | 52.9 | 53.4 | 56.6 | 46.1 | 57.1 | 64.1 | 52.6 | 50.1 |

八个站点的雷达条形图（图3(b)）清楚地展示了它们的灾害响应设施配置。站点在火灾、热浪和环境污染方面表现最强。火灾安全措施平均占每个站点抗灾能力组合的23.3%，平均得分为82.5分；上海站和南京南站达到了满分100分，表明它们完全部署了所有必要的防火系统。热浪防御措施平均占19.6%，其中苏州站的24.4%得益于战略性设计的遮阳结构、双层幕墙、天窗和专用通风管道，以及高客流区域的全面空调。环境污染控制占总体的17.3%，在上海南站达到峰值22.9%，通过在结构和幕墙元素上使用耐腐蚀材料、安装空气净化单元和密集的室内绿化实现。考虑到每个地点不同的灾害概率（图3(c)），长三角地区的八个站点应优先考虑热浪、水位上升和强风的设施，而干旱和地震，由于其较低的概率，对总体抗灾能力评分影响相对较小。

总体而言，三个得分最高的站点，包括上海南站、苏州北站和上海虹桥站，表现出