城市洪水通过行为与网络系统的连锁破坏影响了人们的出行方式：一项系统的证据综述

《Sustainable Cities and Society》：Urban Flooding Restructures Mobility Through Coupled Behavioral and Network Disruption: A Systematic Review of Evidence

　　阿里雷扎·埃尔马贡（Alireza Ermagun）| 法特梅·贾纳塔巴迪（Fatemeh Janatabadi）| 扎赫拉·萨法鲁（Zahra Safarloo）| 佩莱格·克雷默（Peleg Kremer）| 莎拉·林德利（Sarah Lindley）
美国乔治梅森大学地理与地理信息科学系，费尔法克斯，弗吉尼亚州22030

**摘要**
本研究通过系统综述61篇经过同行评审的研究，阐明了城市洪水如何共同重塑出行行为和交通系统性能，以及这些相互影响的变化是如何通过旅行者决策与网络中断之间的反馈机制演变的。这一研究的动机在于极端降雨与快速城市化进程的结合——这种趋势加剧了径流、提高了暴露风险，并对城市交通系统造成了持续的压力。研究发现主要有三点：
1. 洪水导致的出行中断是一个有序且时间依赖的过程，其中行为适应与系统退化同时发生。随着出行选择范围的缩小，旅行者会调整出发时间、改变路线或交通工具，同时系统性能因速度下降、行驶里程增加、绕行距离延长以及需求减少而恶化。
2. 与洪水相关的出行损失分布极不均衡，低收入人群、边缘化群体、依赖公共交通的人以及行动受限的居民承受了最大的负担；他们在步行、等待和换乘过程中的脆弱性更高，工作和上学出行的延误和取消事件尤为突出。
3. 研究证据存在方法论上的不平衡，多数研究仅关注行为反应或系统性能中的某一方面。本文提出了四个未来的研究方向：（1）跟踪洪水、行为和运营的动态变化；（2）根据实际洪水情况校准模型；（3）将公平性分析扩展到活动与空间暴露的关系；（4）在研究较少的地区以及非机动化和非正式交通方式中扩展比较分析。这些发现为理解城市洪水如何重构交通系统提供了统一的基础，有助于在气候条件恶化时加强规划和建模工作。

**引言**
随着气候变化与城市发展模式的交织，城市洪水的频率和严重程度都在增加。如今，极端降雨与快速城市化共同作用，加速了径流、提高了人口暴露风险。气候变化持续加剧强降水事件，长期观测数据显示欧洲和北美的降水量不断增加（Bl?schl等，2020；Wing等，2022）。快速的城市化通过扩展不透水表面将更多人置于洪水易发区域，增加了洪水的风险。绿地被混凝土和沥青取代后，土地的吸水能力下降（Manandhar等，2023）。低洼沿海地区和河流流域的人口增长进一步加剧了这种脆弱性，使得历史上易受淹没的地区人口更加集中（Hammond等，2015；Atta-ur-Rahman等，2016；Birhanu等，2016）。这些气候和城市变化增加了洪水影响的频率、规模和速度，给原本未针对此类复合压力设计的城市系统带来了巨大压力（Agonafir等，2023）。

城市洪水对人类出行和交通系统造成了即时且持久的压力。2024年4月，苏格兰和英格兰北部的持续降雨导致降水量达到1991-2020年平均水平的160%和176%，损坏了道路网络并中断了公共交通服务（英国气象局，2024年）。同月，悉尼的道路被淹没，当局建议居民避免非必要出行。2023年9月，纽约市的暴雨导致地铁系统部分瘫痪，数千人不得不在洪水淹没的街道和车站中通行。这些事件表明，洪水可以导致交通系统停滞，迫使人们改变出行方式（Abad和Fillone，2018）。

城市洪水改变了个人的出行行为。人们经常通过改变路线、更换交通工具、重新安排出发时间或取消行程来调整出行模式（Lu等，2014；Zheng等，2015；Tsumita等，2022）。当主要路线被洪水阻断时，旅行者会转向次级路线，但这些路线很快也会拥堵，从而延误所有交通方式的上班通勤（Abad和Fillone，2018）。人行道被淹没或交叉路口无法通行时，旅行者可能会完全避免出行，导致工作、医疗预约和学校上课的延误。这些行为反应反映了物流挑战和心理压力。即使在基础设施技术上可通行的情况下，洪水区域的不确定性也会抑制出行意愿（Plyushteva和Schwanen，2023；Xia和Yeh，2022）。这些个体调整会在更大范围内重新组织交通系统，导致行驶里程和距离的变化。大规模的行程取消和需求抑制减少了总出行量（Zahura等，2024）。平均行驶速度下降，公共交通可靠性减弱，表明系统整体性能下降。网络状况的恶化通过限制可行路线、压缩出发时间窗口和提高取消概率来影响后续决策。行为调整与网络退化之间的反复互动逐渐削弱了系统性能，限制了城市在洪水条件下保障就业、服务和日常活动的能力。

这些反复出现的中断促使研究关注交通网络对洪水中断的脆弱性（Rebally等，2021；Bashir等，2025；Dong等，2025）以及制定增强网络韧性的适应性策略（Forero-Ortiz等，2020；Watson和Ahn，2022；Lu等，2022）。这类研究大多采用以基础设施为中心的视角，侧重于脆弱性、恢复性和适应性。关于城市洪水如何重构个人出行行为（是否出行、何时出发或选择何种路线和方式）以及这些行为变化如何通过交通网络传播的知识仍然有限。这些知识至关重要，因为中断的持续时间和地理范围不仅取决于物理破坏，还取决于旅行者在洪水条件下的出行调整。

本文综合了关于城市洪水如何改变个人出行行为、这些行为反应如何累积成系统级中断，以及环境和社会结构因素如何影响这些互动的证据。研究的总体目标是建立对城市洪水如何重塑人类出行的全面理解。三个具体目标指导了研究方向：一是综合分析旅行者在洪水事件中如何调整出行决策，明确不同情境下的行为适应模式；二是探讨洪水如何影响交通系统性能，并评估行为调整与系统退化如何通过耦合反馈共同演变；三是整合关于洪水引发出行中断的环境、结构和社会人口因素的证据，包括影响暴露的不平等分布及在洪水加剧条件下维持出行的规划策略。

本文采用系统叙述方法进行综合分析，适用于整合不同类型的研究设计，支持透明且可复制的程序来识别和组织相关研究，并能够公正评估不同方法学传统中的现有知识（Brignardello-Petersen等，2025）。这一结构化的综合分析有三项主要贡献：
1. 确立了洪水引发行为反应模式的实证基础，展示了旅行者如何从调整出发时间转向选择性路线变更和交通工具替换，最终在可行移动范围缩小时选择取消行程；
2. 阐明了洪水条件下行为调整与系统退化如何共同演变的过程，说明个体决策如何响应和强化系统性能的变化（如速度下降、行驶里程增加、绕行距离延长和需求减少）；
3. 整合了影响洪水引发出行结果的环境、结构和社会人口因素的证据，并将其纳入一个框架，将行为适应、网络中断和暴露不平等联系起来。

本文余下部分分为三个部分：第一部分概述了研究方法，详细介绍了搜索策略、纳入和排除标准、信息来源、研究选择过程、数据提取方法和综合方法；第二部分根据三个核心问题展示了研究结果，探讨了洪水事件中出行行为的变化、个体适应如何影响交通系统性能，以及环境、结构和个人因素如何影响出行结果；第三部分总结了研究发现、未解决的问题，并提出了支持规划和政策的建议。

**材料与方法**
本研究遵循《系统评价和元分析 Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA)》指南，以确保识别、筛选和选择研究的透明性和可重复性（Page等，2021）。
研究的分析范围通过三个相互关联的概念预先定义：城市洪水、城市环境和出行行为。这些术语在水文、规划和交通文献中的使用存在不一致性，明确这些概念的定义对于统一搜索策略、筛选标准和后续分析至关重要。本文中的城市洪水指的是当强降雨超出城市排水系统容量时发生的雨涝或地表水淹没现象（Seneviratne等，2021）。重点关注短时间响应的表面级洪水，区别于影响范围更广的河流或沿海洪水（除非这些过程明确影响出行行为）。城市环境是指位于行政或功能定义的城市区域内的空间环境，以及受城市建成环境特征影响的过程（如不透水表面、排水设施和道路网络）（Alves等，2024）。出行行为指个人在日常城市出行中做出的可观察决策，包括交通方式选择、路线选择、出发时间和行程取消。这些定义明确了研究的洪水类型、评估影响的时空背景以及行为领域的范围。

在识别阶段，我们确定了潜在相关研究的基本框架。通过设计专门关键词组合，筛选出符合城市洪水、城市环境和出行行为概念定义的研究。核心搜索词包括“transport”和“flooding”，以及常用同义词和相关表达（图1）。Web of Science为主要数据库，Google Scholar作为补充来源，用于查找未在Web of Science中收录的相关文献。搜索范围涵盖文章标题、摘要和关键词，最终于2026年1月完成。这一过程从Web of Science获取了14,266条记录，从Google Scholar额外获取了约23,000条记录。

**图1. 文献综述流程图**
为排除与医学、生物学、大气学或地球化学研究无关的文献，查询中排除了相关术语。

纳入标准基于三个预定义的标准来界定研究的概念范围：
1. 研究需探讨城市洪水对各种出行方式（包括步行、骑行、公共交通、私人车辆、货物运输和辅助交通）的影响；
2. 研究需在城市环境中或受城市建成环境影响的框架内分析洪水影响；
3. 研究需用英语撰写并发表于同行评审期刊或会议论文集。

排除标准基于四个补充标准来维护研究的分析范围：
1. 仅关注疏散决策的研究被排除，因为本研究关注的是日常出行中断而非应急响应行为（Jin等，2025）；
2. 仅分析基础设施物理性能或脆弱性的研究被排除，未涉及行为介导的出行变化（如安全评估、洪水扩散建模、网络脆弱性和韧性研究）；
3. 未在城市环境中分析洪水影响的研究被排除；
4. 专注于长途或区域间交通（如航空和城际铁路）的研究被排除，以确保研究重点仍在日常城市出行上，因为雨涝直接影响路线选择、交通方式选择、出发时间和行程取消等决策。

研究选择过程通过多阶段筛选确保方法学的严谨性和一致性。标题首先被审查以排除明显不相关的记录，随后进行摘要评估和全文评价，以确认其符合预定义的资格标准。通过检查所包含研究的参考列表和引用链接，进行了向后和向前的滚雪球式分析，这一迭代过程持续进行，直到不再发现符合条件的文章。两位作者独立进行了筛选，在每个阶段都记录了纳入和排除的决定，然后比较结果。在无法达成共识的情况下，由第三位作者裁决争议。筛选各阶段之间的评分者一致性很高（Cohen’s κ = 0.97），表明几乎完美一致（Landis & Koch, 1977）。这一过程产生了61篇符合所有资格标准的研究，包括52篇期刊文章和9篇会议论文（表1）。

表1. 61篇被审查文章的摘要。

研究 | 国家 | 分析层次 | 交通方式 | 个体系统 | 机动交通 | 公共交通 | 私人汽车 | 出租车和拼车 | 步行 | 货运车辆 | 两轮车 |
| ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- |
| 1 | Talpur等人（2025） | 巴基斯坦 | × | × | × | × | × | × | × | × | × |
| 2 | Luan等人（2025） | 中国 | × | × | × | × | × | × | × | × | × |
| 3 | de Araújo等人（2025） | 巴西 | × | × | × | × | × | × | × | × |
| 4 | Mamuyac等人（2025） | 菲律宾 | × | × | × | × | × | × | × | × | × |
| 5 | Andreasen等人（2025） | 加纳 | × | × | × | × | × | × | × | × | × |
| 6 | Zahura等人（2024） | 美国 | × | × | × | × | × | × | × | × | × |
| 7 | Borowska-Stefańska等人（2024） | 波兰 | × | × | × | × | × | × | × | × | × |
| 8 | Chen等人（2024） | 中国 | × | × | × | × | × | × | × | × | × |
| 9 | Li等人（2024） | 美国 | × | × | × | × | × | × | × | × | × |
| 10 | Du等人（2024） | 中国 | × | × | × | × | × | × | × | × | × |
| 11 | Tsumita等人（2024） | 泰国 | × | × | × | × | × | × | × | × | × |
| 12 | Balc?等人（2024） | 土耳其和菲律宾 | × | × | × | × | × | × | × | × | × |
| 13 | Yao等人（2024） | 中国 | × | × | × | × | × | × | × | × | × |
| 14 | Rajput等人（2023） | 美国 | × | × | × | × | × | × | × | × | × |
| 15 | Hauer等人（2023） | 美国 | × | × | × | × | × | × | × | × | × |
| 16 | Bacero & Fillone（2023） | 菲律宾 | × | × | × | × | × | × | × | × | × |
| 17 | Umali等人（2023） | 菲律宾 | × | × | × | × | × | × | × | × | × |
| 18 | Amankwaa & Gough（2023） | 加纳 | × | × | × | × | × | × | × | × | × |
| 19 | Takano等人（2023） | 泰国 | × | × | × | × | × | × | × | × | × |
| 20 | Moller-Jensen等人（2023） | 加纳 | × | × | × | × | × | × | × | × | × |
| 21 | Zhao等人（2022） | 中国 | × | × | × | × | × | × | × | × | × |
| 22 | Liu等人（2022） | 中国 | × | × | × | × | × | × | × | × | × |
| 23 | Tsumita等人（2022） | 泰国 | × | × | × | × | × | × | × | × | × |
| 24 | Andreasen等人（2022） | 加纳 | × | × | × | × | × | × | × | × | × |
| 25 | Han等人（2021） | 美国 | × | × | × | × | × | × | × | × | × |
| 26 | Cole斯 & Walker（2021） | 美国 | × | × | × | × | × | × | × | × | × |
| 27 | Wi?niewski等人（2021） | 波兰 | × | × | × | × | × | × | × | × | × |
| 28 | Morelli & Cunha（2021） | 巴西 | × | × | × | × | × | × | × | × | × |
| 29 | Liu等人（2021） | 中国 | × | × | × | × | × | × | × | × | × |
| 30 | Kasmalkar & Suckale（2021） | 美国 | × | × | × | × | × | × | × | × |
| 31 | Bo等人（2021） | 中国 | × | × | × | × | × | × | × | × | × |
| 32 | Tsumita等人（2021） | 泰国 | × | × | × | × | × | × | × | × | × |
| 33 | Abad等人（2020） | 菲律宾 | × | × | × | × | × | × | × | × | × |
| 34 | Kasmalkar等人（2020） | 美国 | × | × | × | × | × | × | × | × | × |
| 35 | Abad & Fillone（2020） | 菲律宾 | × | × | × | × | × | × | × | × | × |
| 36 | Sharma & Chandel（2020） | 印度 | × | × | × | × | × | × | × | × | × |
| 37 | Akyelken（2020） | 菲律宾 | × | × | × | × | × | × | × | × |
| 38 | Vajjarapu等人（2020） | 印度 | × | × | × | × | × | × | × | × |
| 39 | Evans等人（2020） | 西班牙和英国 | × | × | × | × | × | × | × | × |
| 40 | Zhang等人（2019） | 中国 | × | × | × | × | × | × | × | × |
| 41 | Borowska-Stefańska等人（2019） | 波兰 | × | × | × | × | × | × | × | × | × |
| 42 | Tuan & Huong（2020） | 越南 | × | × | × | × | × | × | × | × | × |
| 43 | Umeda等人（2019） | 日本 | × | × | × | × | × | × | × | × |
| 44 | Ji & Shao（2019） | 中国 | × | × | × | × | × | × | × | × |
| 45 | Pyatkova等人（2019） | 西班牙 | × | × | × | × | × | × | × | × |
| 46 | Zhu等人（2019） | 中国 | × | × | × | × | × | × | × | × |
| 47 | Pyatkova等人（2015） | 加勒比地区 | × | × | × | × | × | × | × | × |
| 48 | Borowska-Stefańska等人（2018） | 波兰 | × | × | × | × | × | × | × | × |
| 49 | Abad和Alexis（2018） | 菲律宾 | × | × | × | × | × | × | × | × |
| 50 | Borowska-Stefańska & Wi?niewski（2018） | 波兰 | × | × | × | × | × | × | × | × | × |
| 51 | Li等人（2018） | 中国 | × | × | × | × | × | × | × | × | × |
| 52 | Saadi等人（2018） | 比利时 | × | × | × | × | × | × | × | × | × |
| 53 | Fereshtehpour等人（2018） | 美国 | × | × | × | × | × | × | × | × |
| 54 | Abad等人（2017） | 菲律宾 | × | × | × | × | × | × | × | × | × |
| 55 | Shabou等人（2017） | 法国 | × | × | × | × | × | × | × | × |
| 56 | Lu等人（2017） | 孟加拉国 | × | × | × | × | × | × | × | × |
| 57 | Ibasco & Fillone（2016） | 菲律宾 | × | × | × | × | × | × | × | × |
| 58 | Zheng等人（2015） | 澳大利亚 | × | × | × | × | × | × | × | × |
| 59 | Mitsakis等人（2014） | 希腊 | × | × | × | × | × | × | × | × |
| 60 | Fujita等人（2011） | 日本 | × | × | × | × | × | × | × | × |
| 61 | Chang等人（2010） | 美国 | × | × | × | × | × | × | × | × |

注：“机动交通”类别在交通方式中表示该研究仅将交通方式统称为“机动道路使用者”，而没有区分公共交通、私人乘客车辆或货运车辆。

数据提取的结构化确保了研究特征的系统性记录，并保持了证据基础分析组织的透明度。开发了一个标准化数据库来记录 bibliographic 信息，包括作者和出版年份，以及地理背景、方法设计、分析技术和考察的交通方式。还捕获了实质性变量，包括分析的洪水驱动因素类型、评估的具体旅行行为维度以及报告的主要行为结果。此外，还记录了与流动性反应相关的个人特征和在洪水条件下影响决策的建成环境属性。编译的信息被综合起来，以检测文献中的重复模式，并根据与研究目标一致的三分析维度进行组织：（i）个体层面应对城市洪水的行为适应；（ii）与这些适应相关的系统层面的性能变化；（iii）塑造这些互动的环境和社会结构因素。

关于城市洪水和旅行行为的实证证据在地理上集中在少数几个国家。中国占研究的最大份额，共有12篇出版物（19.6%），其次是菲律宾和美国，各贡献了10篇研究（16.3%）。波兰贡献了5篇研究（8.2%），而加纳和泰国各贡献了4篇（6.5%）。来自澳大利亚、孟加拉国、比利时、加勒比地区、法国、希腊、巴基斯坦、西班牙、土耳其、英国和越南的单一研究贡献各占1.7%。这种分布表明，近一半的实证证据来自三个国家，而欧洲的许多地区和许多低收入地区的代表性不足。因此，地理模式反映了区域研究强度的差异以及全球覆盖的显著差距。证据的学科构成进一步影响了洪水-流动性关系的研究方式。近一半的研究（46%或28篇出版物）发表在交通和工程期刊上，重点关注基础设施性能和系统响应。环境科学和地理学期刊占了38%（23篇研究），经常突出危险动态和空间暴露。剩余的16%（10篇研究）出现在跨越技术和社会视角的多学科期刊上。排除会议论文的敏感性分析产生了一致的主题模式和发现，表明它们的纳入没有实质性影响整体结论。因此，综合的证据基础反映了不同出版类型之间的稳定模式，而不是由出版物选择驱动的变异。

本综述显示，文献通过三个分析视角探讨了城市洪水对旅行行为的影响：个体层面、系统层面和综合多层次方法（图2）。这些层面的覆盖并不均衡。

下载：下载高分辨率图片（682KB）
下载：下载全尺寸图片

图2. 被审查研究在个体层面、系统层面和多层次视角上的分析分布。面板（a）展示了文献中考察的行为和系统性能指标的相对份额及其在分析层面上的共现情况。面板（b）展示了所包含研究的国家分布。面板（c）展示了按分析层面划分的出版物的时间分布。

个体层面的研究考察了旅行者如何通过改变交通方式、旅行时间、路线选择、出发时间或取消行程的决定来应对洪水。这一研究方向有17项研究，其中行为维度的关注程度不均等。旅行方式和旅行时间的变化各在13项研究中得到探讨（例如，Luan等人，2025年；Mamuyac等人，2025年）。路线调整和出发时间变化各在11项研究中得到分析（例如，Saadi等人，2018年；Andreasen等人，2025年）。行程取消在14项研究中得到探讨（例如，Chen等人，2024年）。目的地变化在6项研究中得到探讨（例如，Lu等人，2017年）。

系统层面的研究评估了城市洪水如何通过可观察到的车辆行驶小时数、行驶距离、平均速度和旅行需求的变化来影响交通网络和运营。这一研究方向有39项研究。车辆行驶小时数在26项研究中得到探讨（例如，Zahura等人，2024年；Li等人，2024年）。行驶距离在24项研究中得到探讨（例如，Chen等人，2024年；Hauer等人，2023年）。平均速度在18项研究中得到探讨（例如，Takano等人，2023年；Han等人，2021年）。旅行需求在17项研究中得到探讨（例如，Evans等人，2020年；Mamuyac等人，2025年）。尽管VHT和VDT捕捉了密切相关的累积网络负担维度，有时可以互换使用，但为了保持对原始研究的忠实度，每个指标分别报告。

将个体层面和系统层面的响应联系起来的多层次研究很少。这一研究方向仅有5项研究（Bacero & Fillone，2023年；Bo等人，2021年；Tsumita等人，2021年；Zhu等人，2019年；Ibasco & Fillone，2016年）。这种模式也是碎片化的。每项研究都结合了不同的个体层面和系统层面指标，阻碍了形成连贯的实证框架。两项研究将路线变化与VDT联系起来（Bacero & Fillone，2023年；Tsumita等人，2021年）。两项研究将模式变化与旅行需求联系起来（Zhu等人，2019年；Ibasco & Fillone，2016年）。一项研究报告了模式选择和VHT的同时变化（Bo等人，2021年）。另一项研究同时考察了路线变化、行程取消和VHT及平均速度（Bacero & Fillone，2023年）。结果不是趋同，而是在分析配对上的分散，其中关系是孤立探讨的，而不是整合成累积的证据体。

个体层面的适应遵循一致的行为逻辑。行为适应通常从低成本调整开始，随着约束的加剧而转向更高成本的替代方案，并在活动链无法维持时以行程取消告终。这种模式受到基础设施中断（Zhao等人，2022年；Fujita等人，2011年）、产生局部封闭的洪水深度和范围（Mamuyac等人，2025年；Han等人，2021年）、决定可行绕行的网络 elevations 和冗余（Tsumita等人，2024年；Liu等人，2022年；Yao等人，2024年）、影响模式和时间选择的危险感知和空间知识（Luan等人，2025年；Talpur等人，2025年）以及限制低收入和少数群体灵活性的家庭和收入约束（Amankwaa和Gough，2023年；Li等人，2024年；Umali和Fillone，2023年；Andreasen等人，2025年）的影响。因此，相同的水文冲击在不同资源、时间表和车辆使用权的旅行者之间产生了不同的结果。这些约束将适应反应塑造成可识别的模式，包括出发时间的变化、旅行方式的变化以及在什么条件下采用路线变化。

出发时间的变化是主要的行为反应，因为它比改变旅行方式或路线带来的成本更低。在马尼拉大都会，一半的调查者在暴雨期间改变了他们的出发时间，这些因素在不同城市和社会群体中差异很大，导致了模型预测的理性适应与实际观察到的受限适应之间存在差距。从个体层面的流动性变化中可以得出两个重要发现：(i) 适应活动遵循一定的模式；(ii) 人们的调整能力并不平等。当空间熟悉度允许时，旅行者经常会改变出发时间或路线；而当交通网络逐渐恶化时，他们可能会取消旅行。这些模式在不同大洲都有出现，并与文献中记录的总体情况一致。适应能力取决于基础设施的可用性、信息获取的便利性、就业的稳定性以及家庭资源。那些能够捕捉到这些限制并量化各种反应规模的研究为预测洪水期间的需求以及设计帮助灵活性较低人群的干预措施提供了更现实的基础。

城市洪水和交通系统中断

系统层面的中断遵循一种一致的结构逻辑。洪水的影响并不表现为孤立的单个指标变化，而是由于通行能力受限、需求变化以及流量在网络中的重新分配所导致的综合结果（Liu等人，2017年）。诸如车辆行驶时间（Zahura等人，2024年；Li等人，2024年）、车辆行驶距离（Chen等人，2024年；Hauer等人，2023年）、平均行驶速度（Han等人，2021年；Takano等人，2023年）和总需求（Mamuyac等人，2025年；Evans等人，2020年）等性能指标，在基础设施受限的情况下与严重淹没时呈现出不同的反应。这种系统响应受到水文强度、封闭路段的空间集中度、网络冗余性以及可行绕行路径的可用性的影响，同时也受到旅行者累积行为变化的影响（Zhao等人，2022年；Zhu等人，2019年）。因此，同一场洪水可能在某些交通走廊造成拥堵，在其他走廊则抑制活动，并在不同路段之间重新分配交通压力。这些相互作用机制产生了可识别的中断模式，包括速度下降、基于上下文的变化的影响、总需求的减少以及因绕行而导致的延误增加。当通行能力受限时，平均行驶时间会增加；但在严重洪水期间该时间会减少，这使其解释具有情境依赖性。例如，在马尼拉大都会地区，根据洪水深度和时段的不同，平均行驶时间的变化范围从14分钟到超过650分钟不等（Han等人，2021年）。基于视频的交通监控和路段封闭分析也表明，封闭路段会降低每车道通行能力并加剧走廊内的延误（Mamuyac等人，2025年）。当活动完全停止时，则会出现相反的情况。在武汉，一次五十年一遇的洪水事件导致的通行能力下降足以使大约三分之二的通勤行程取消，从而导致平均行驶时间减少（Chen等人，2024年）。因此，仅凭平均行驶时间无法区分拥堵情况与交通完全停止的情况，只有结合需求和速度数据才能准确判断系统的真实状况。

平均行驶速度的下降是洪水中断的一个普遍特征，且在各种情况下的损失幅度都很大。据报道，由于深度、排水系统和个人驾驶技能的限制，行驶速度平均下降了5.2至38.9公里/小时（Tsumita等人，2024年）。在马尼拉大都会地区，随着洪水加深，交通流量和平均行驶速度都会下降，每车道公里的流量减少了约40%至70%（Mamuyac等人，2025年）。在上海，由于路段封闭和绕行，即使有效通行能力下降，平均行驶速度也会大幅下降（Yao等人，2024年）。因此，仅凭平均行驶时间无法区分拥堵状态和完全没有交通的状态，只有结合需求和速度数据才能明确系统的实际状况。

总需求的减少是洪水中断的一个持续特征。报告中的减少幅度因环境条件的不同而异。研究表明，随着水深的增加、排水系统的改进以及街道几何形状的优化，行驶速度的下降幅度有所差异（Tsumita等人，2024年）。在马尼拉大都会地区，随着洪水加深，交通流量和平均行驶速度都会下降，每车道公里的流量减少了约40%至70%（Mamuyac等人，2025年）。在上海，由于路段无法通行和绕行路线的出现，即使在洪水影响区域之外，行驶速度也会大幅下降（Yao等人，2024年）。影响的方向是普遍的，但具体幅度取决于模型中的深度-速度函数、合规性假设以及高水位和低洼地区的网络控制情况。

总需求的变化反映了在通行能力恶化、不确定性增加或封闭路段累积时活动崩溃的速度。火车站的关闭迫使乘客更换上下车站点、增加换乘次数、面临站台拥挤等问题，从而导致整体乘客数量的减少（Zhao等人，2022年；Pyatkova等人，2019年；Umeda等人，2019年；Chen等人，2024年）。公路交通的行为模式与通勤、上学和医疗出行相似。不同群体之间的活动损失程度也有所不同。混合方法的研究指出，在灵活性受限且选择有限的情况下，人们的出行行为变化更为显著，受访者通常会推迟出行、放弃某些活动或在工作场所关闭期间承担收入损失（Amankwaa和Gough，2023年）。共享单车系统的使用率下降最为明显。在2024年5月的洪水期间，阿雷格里港的共享单车系统有十一个全天未使用的日子，而在周末和休闲时段，虽然常规出行减少，但仍有一定数量的骑行发生（de Araújo等人，2025年）。

车辆行驶时间（VHT）的变化反映了绕行路径如何重新分配交通流量，尤其是在网络冗余性低或地形不连续的情况下，这种影响可能会加剧（Liu等人，2022年；Tsumita等人，2024年）。当采取措施加强主要交通干线时，情况会有所不同。在河滨地区提高优先级道路的通行能力可以将单次行程的时间减少约30至50分钟，在中心城区则减少约5至10分钟，从而缩短绕行距离并在高水位期间保持通行（Tsumita等人，2024年）。因此，车辆行驶时间的变化取决于物理限制和替代路线的质量。

从系统层面的记录中可以得出两个重要发现：(i) 系统指标不足以用于评估福利或公平性；(ii) 洪水中断是一个相互作用的过程，而不仅仅是一个静态状态。平均行驶时间的减少可能意味着活动完全停止，而非效率提高；车辆行驶时间的增加可能反映了那些通行能力有限的社区所承受的额外负担。系统性能和乘客的选择会随时间共同演变。能够捕捉这种相互作用的分析为我们提供了更有力的指导，帮助我们确定哪些路段需要优先升级、如何安排公交桥梁的建设、何时发布警告信息，以及在选择有限时哪些社区会面临更大的损失。

城市洪水期间出行行为变化的驱动因素

城市洪水期间的出行行为变化是由洪水特征、建成环境特征和个人特征之间的相互作用共同决定的，而不仅仅是由单一因素单独引起的。这些因素构成了一个耦合系统：水文条件限制了物理上的可行移动方式，建成环境决定了这些限制如何在网络中传播，个人和出行特征则影响了不同乘客可能采取的行为变化（图3）。直接研究个体和系统变化的研究证实了这种相互依赖性，表明出行行为的变化是通过个体和系统中断之间的反馈机制实现的，而非孤立事件（Chen等人，2024年；Zhao等人，2022年；Hauer等人，2023年；Bacero和Fillone，2023年；Zhu等人，2019年）。

**图3. 城市洪水期间出行行为变化的驱动因素。** 该框架综合了现有研究的证据，说明了洪水特征（如深度、持续时间和位置）如何触发出行行为和交通系统性能的变化。这些变化受到个人特征（如年龄、收入、性别、车辆拥有情况）、出行特征（如通勤距离、所需换乘次数）以及建成环境条件（如网络结构、绿色基础设施）的影响。系统中断会改变个人的后续决策，从而体现了文献中记录的洪水引发出行变化的相互性和多尺度特性。

洪水特征通过定义路段何时何地失效来施加第一层限制。图4显示，在61项研究中，洪水深度（70%）、持续时间（49%）和空间位置（54%）是最常被关注的水文变量，且这些变量主要通过系统层面的分析得出。这些变量决定了路段关闭、换乘中断和出行不再可行的临界点。由于少数深度敏感的路段对交通功能起着关键作用，因此水位的轻微上升就可能引发严重的通行能力损失和大量行程取消。例如，在武汉，一次五十年一遇的洪水事件中，关键路段的关闭导致大约三分之二的通勤行程被取消，这说明了水文阈值如何决定了从受限通行到完全停止过渡的过程（Chen等人，2024年）。这些阈值限定了乘客尝试适应的初始范围。

建成环境特征决定了这些水文阈值如何转化为全系统的中断。图4显示，交通基础设施（36%）、网络拓扑（25%）和城市形态（18%）也主要通过系统层面的分析来评估。这些特征影响了延误的总累积量以及绕行路径的可行性。低洼或连接不足的街道会遭受更大的损失，而选择性的地形抬高和网络冗余性可以减轻这些影响。运营控制进一步调节了这些效应，例如关于关闭路段的决策、信号发送时机以及临时替代方案（如公交桥梁或货运限制）决定了延误是集中在少数站点还是分散到其他路线（Takano等人，2023年；Tsumita等人，2024年；Zhao等人，2022年；Mamuyac等人，2025年；Hauer等人，2023年）。通过这种方式，建成环境结构和管理措施既可能放大也可能是抑制洪水引发的中断影响范围。

个人和出行特征决定了在这些物理和操作限制下可行的适应措施。年龄（23%）、性别（23%）和收入（21%）是文献中最常研究的个人属性。车辆拥有情况（8%）、就业状态（10%）、房屋拥有情况（10%）和洪水经历（2%）的研究较少。出行特征在分析中的关注程度更为均衡。通勤距离（30%）、出行方式（33%）和出行目的（30%）在个体和系统层面都受到了研究。这些属性决定了乘客是否可以重新安排出行时间、改变路线、更换出行方式或取消行程。长距离通勤和需要多次换乘的出行方式限制了灵活性，而私人车辆的可用性则扩大了可行的应对方案范围。当火车站关闭时，乘客会改变出发或目的地站点、增加换乘次数、在开放的车站排队或干脆放弃出行，导致总体乘客数量减少（Zhao等人，2022年；Pyatkova等人，2019年；Umeda等人，2019年；Chen等人，2024年）。自行车共享系统的使用率下降最为明显。在2024年5月的洪水期间，阿雷格里港的共享单车系统有十一个全天未使用的日子，整体使用量主要集中在周末和休闲时段（de Araújo等人，2025年）。

车辆行驶时间的变化反映了绕行路径如何重新分配交通流量，尤其是在网络冗余性低或地形不连续的情况下，这种影响可能会加剧（Liu等人，2022年；Tsumita等人，2024年）。当采取措施加强主要交通干线时，情况会有所改变。在河滨地区提高优先级道路的通行能力可以将单次行程的时间分别减少约30至50分钟，在中心城区减少约5至10分钟，从而缩短绕行距离并在高水位期间保持通行（Tsumita等人，2024年）。因此，车辆行驶时间的变化取决于物理限制和替代路线的质量。这些数字指的是表1中列出的研究编号。

**独立变量**
**子因素**
**个体层面**
**系统层面**
**多层面**

**城市洪水**
深度：5, 18, 24, 26, 33, 35, 37, 42, 49, 56, 58
数量：3, 4, 6, 7, 8, 11, 13, 15, 20, 21, 22, 23, 25, 27, 28, 29, 36, 38, 39, 45, 47, 48, 50, 51, 52, 53, 59
时间持续：16, 31, 32, 46, 57

**位置**
12, 17, 24, 33, 35, 37, 42, 56
数量：8, 9, 14, 15, 22, 25, 27, 28, 29, 30, 34, 38, 39, 40, 45, 47, 48, 50, 51, 52, 53, 55, 61

**其他因素**
**概率**：27, 8, 9, 13, 22, 25, 27, 29, 36, 38, 39, 41, 45, 48, 50, 51, 53, 55, 61
**频率**：12, 17, 24, 33, 42, 49, 54, 56
**建筑环境**：5, 12, 18, 33, 54
数量：3, 6, 7, 8, 13, 19, 20, 21, 22, 25, 27, 28, 30, 34, 38, 50, 53, 59
**城市形态**：37
数量：3
**交通基础设施**：35, 42, 60
**网络拓扑**：24
数量：7, 8, 10, 13, 14, 21, 22, 28, 29, 30, 34, 38, 47, 53
**出行特征**：
- 出行距离：2, 18, 54
- 出行目的：18, 33, 35, 37, 60
- 出行方式：2, 35, 37, 42, 54
- 出行频率：12, 17, 24, 33, 42, 49, 54
- 旅行模式：2, 35, 37, 42, 54
- 旅行目的：18, 33, 35, 37, 60
- 个体特征：
- 年龄：1, 2, 5, 12, 18, 24, 26, 33, 35, 42, 49, 54, 56, 58
- 性别：1, 2, 5, 12, 18, 24, 26, 33, 35, 37, 42, 49, 54, 58
- 收入：1, 2, 12, 18, 26, 33, 35, 37, 42, 49, 54, 56
- 教育水平：1, 2, 12, 18, 26, 33, 35, 37, 42, 49, 54
- 拥有汽车情况：1, 2, 12, 24, 33, 35, 56, 58
- 就业状态：2, 24, 33, 42, 49
- 房屋所有权：2, 5, 12, 33, 49
- 洪水经历：2, 24, 33, 42, 49
- 信息获取：26

**研究结论**
本综述表明，城市洪水对旅行者、出行活动和交通模式的影响并非均匀分布。证据显示，在受影响程度、受干扰的出行目的以及最脆弱的交通模式方面存在明显差异，同时表明在这些维度上的实证基础仍不均衡。

证据一致表明，社会经济限制、边缘化以及身体能力受限是导致脆弱性的主要因素。在61项研究中，只有大约三分之一包含了社会人口统计数据，且很少有研究将不平等作为核心分析焦点。在这些研究中，低收入、低教育水平和非正式就业的旅行者是最容易受到出行不便影响的群体。来自马尼拉、阿克拉、塔马莱和哈戈诺伊的证据表明，这些旅行者经常推迟、临时改变出行计划或取消行程，并且在高水位期间更容易被困在工作或学校（Ibasco和Fillone, 2016; Abad和Fillone, 2018; Amankwaa和Gough, 2023; Mamuyac等人, 2025）。在高收入地区，种族和少数民族及其他边缘化群体也面临更高的风险。在美国沿海县，亚洲裔、低收入和低教育水平的人群每日出行所受影响高于单纯基于洪水地图的预测（Li等人, 2024），曼谷和上海也报告了类似的空间分布（Takano等人, 2023; Yao等人, 2024）。老年人、行动不便的旅行者以及需要照顾他人的人取消行程、被困及依赖援助的比例更高，尤其是在需要穿越洪水区域或服务中断的情况下（Fujita等人, 2011; Bo等人, 2021; Andreasen等人, 2025）。

研究表明，通勤和上学受到的影响最为系统化，而休闲出行受到的影响则首先被忽视且较少被量化。由于大多数模型将需求视为同质化的，出行目的的分类也较为少见。通勤在分析关注度和测量影响中占主导地位。来自布里斯班、武汉、上海和美国沿海地区的研究表明，高峰时段的洪水导致了最大的延误、绕行和上班通勤的出行障碍（Zheng等人, 2015; Liu等人, 2022; Chen等人, 2024; Hauer等人, 2023; Yao等人, 2024）。上学通勤同样非常敏感，马尼拉地铁和阿克拉的多项证据显示，洪水期间学生需要长时间等待、改道或被迫在校园内避难（Ibasco和Fillone, 2016; Abad和Fillone, 2018; Amankwaa和Gough, 2023）。休闲和非必要的出行最有可能被取消，但很少被明确测量。多项研究指出，在洪水条件下，休闲和非必要的出行会首先被限制，而与健康和护理相关的出行虽然被视为关键，但在分析上仍不够充分（Lu等人, 2017; Zhu等人, 2019; Borowska-Stefańska和Wi?niewski, 2018）。

研究表明，最脆弱的交通模式包括机动车辆交通（性能迅速下降）、铁路系统（易受干扰）以及非机动和非正式交通方式（高身体暴露风险）。几乎所有研究都分析了机动车辆交通，约一半研究涉及铁路或正式公共交通，不到四分之一的研究分析了步行或骑行。在亚洲、欧洲和北美的城市中，洪水导致机动车交通速度大幅下降，等待时间和行程延误显著增加（Chang等人, 2010; Mitsakis等人, 2014; Li等人, 2018; Han等人, 2021; Takano等人, 2023; Yao等人, 2024）。铁路系统对站点故障特别敏感，站点被淹时会导致服务突然中断、站台拥挤和行程延误（Fujita等人, 2011; Zhao等人, 2022）。非正式和辅助交通方式在洪水期间面临高风险，因为它们依赖于相同的受淹道路，但在正式服务中断时往往能起到缓冲作用，尽管通常成本更高且用户安全风险更大（Amankwaa和Fillone, 2023; Abad和Fillone, 2018; Umali和Fillone, 2023; de Araújo等人, 2025）。步行和骑行受到的关注最少，但却是身体暴露风险最高的交通方式，有证据显示在洪水期间行人需要徒步穿越水面，骑行系统几乎完全中断（Fujita等人, 2011; de Araújo等人, 2025）。

**应对策略**
研究建议采取四种互补策略来增强城市洪水事件中的出行韧性：
1. **增强个体适应能力**：创造条件，使旅行者在洪水加剧时能够安全有效地采用适应策略。
2. **强化关键网络元素并协调运营**：通过综合管理来协调旅行者和交通系统的行为与运营。
3. **促进公平和监测**：将公平性和监测作为明确的规划目标。

在个体层面增强韧性需要为旅行者提供安全有效的适应环境。实证研究表明，旅行者通常会先调整出发时间，然后改变路线或取消行程；当主要通行路线被中断时，短距离出行和本地服务变得尤为重要。错峰工作和灵活的日程安排可以减少高峰期的暴露风险（Abad和Fillone, 2018）。设置专人值守的通道、提供微型班车和清晰的导向信息可以将临时的冒险行为转变为有组织的出行方式，从而维持日常通勤（Amankwaa和Gough, 2023; Fujita等人, 2011）。指导旅行者选择可行选项的信息系统对于减少不确定性和支持在轻度至重度洪水下的安全决策至关重要（Luan等人, 2025; Zheng等人, 2015）。

在系统层面增强韧性需要针对性的物理升级和操作控制，以维持水位上升时的网络连通性。案例研究表明，提升优先级主干道的等级或加强深度敏感路段能显著缩短单次出行时间（Tsumita等人, 2024）。控制替代路线（如临时限制货运和精心管理的路边交通）也有助于避免绕行路线的超负荷（Bacero和Fillone, 2023）。铁路系统可以通过预判性操作受益，例如通过公交桥、管理的换乘和提前启动的人群控制来减少站台拥堵（Zhao等人, 2022）。将旅行者行为与系统运营相结合的综合方法可以为适应性规划提供最连贯的路径。研究表明，提前取消行程可以缓解后续拥堵，排队和延误会影响出发时间决策，提升的路段和重新安排的绕行路线可以重新分配流量（Chen等人, 2024; Hauer等人, 2023; Zhu等人, 2019）。

**建议措施**：
- 提升个体适应能力，创建安全有效的适应环境。
- 强化关键网络元素并协调运营。
- 促进公平性和监测作为规划目标。

**实施挑战**
实施具有洪水韧性的交通策略面临结构性障碍，如数据环境限制（高分辨率洪水和出行数据的可用性不足、数据集整合不足）和机构障碍（交通机构、洪水管理人员和应急机构的职责分散，协调能力有限）。行为不确定性增加了复杂性（旅行者对洪水的反应不一，难以仅用汇总指标设定干预阈值）。此外，公平性策略还面临制度和财政障碍（资金有限、机构职责不明确、缺乏监测机制）。这些挑战表明，增强出行韧性不仅仅是工程适应或行为分析的问题。这同样依赖于数据整合、跨机构治理、运营准备情况以及机构对分配责任的承诺。如果没有加强这些要素，即使设计良好的韧性策略也可能只是偶尔发生，而无法形成系统性改变。

**结论与未来方向**

本研究为理解城市洪水如何通过相互依存的行为和系统响应重塑出行方式建立了连贯的实证和概念基础。它阐明了随着洪水情况加剧，旅行者会采取哪些行为适应措施，展示了这些适应措施如何累积为可测量的系统干扰，并汇集了关于洪水、建成环境和个人因素如何共同影响出行结果的证据。这些动态在不同人群和活动中的表现并不统一。综合研究表明，在适应行为、适应方式以及受影响最大的出行方式和活动方面存在明显的不平等。这些发现突破了仅关注旅行者行为或系统性能的孤立研究，为理解洪水引发的出行中断提供了清晰的理论基础。

首先，证据表明，洪水引发的出行中断是一个有序且随时间发展的过程，其中个人适应行为与系统退化是同步进行的。旅行者从调整出发时间开始，逐渐转变为选择不同的路线和出行方式，最终在洪水深度增加、交通网络破碎化和运力下降的情况下取消出行计划（Andreasen等，2025；Bacero和Fillone，2023；Tsumita等，2021；Chen等，2024）。系统性能也随之恶化，表现为速度下降、通勤时间增加（VHT）和绕行距离延长，同时由于交通封闭在空间和时间上蔓延，出行需求减少（Chen等，2024；Han等，2021；Mamuyac等，2025；Tsumita等，2024）。这些发现共同表明，出行中断既不是突然发生的，也不是随机的，而是受水文阈值、网络结构、运营决策和有限的空间选择所影响的（Bacero和Fillone，2023；Hauer等，2023；Zhao等，2022；Zhu等，2019）。

其次，洪水相关的出行损失分布极不均衡。最严重的冲击集中在低收入群体、边缘化群体、依赖公共交通的人群以及身体行动不便的人群中，这些群体的灵活性受限，导致他们在步行、等待和转移过程中面临更高的风险。机动道路网络和铁路系统的系统级损失最为严重，而非机动出行方式虽然遭受物理上的冲击，但相关研究较少。这种不平等现象出现在社会约束与深度敏感的基础设施以及高峰时段需求重叠的区域。

第三，当前研究方法存在持续的不平衡。大多数研究要么只关注行为响应，要么只关注系统性能，只有少数研究将两者结合在一个统一的分析框架内进行探讨。这种割裂导致了对系统指标的解释不一致，特别是当通勤时间减少或流量降低被视为效率提高时，尽管有证据表明这些变化实际上反映了活动减少和通行受阻（Chen等，2024；Hauer等，2023）。此外，模型往往假设出行者能够灵活绕行，但实证证据显示在不确定性下，出行者更倾向于重新安排时间或直接取消出行（Zhao等，2022；Abad & Fillone，2018；Zheng等，2015）。这些不一致性凸显了需要统一实证设计的需求，也指出了未来研究的方向。

为了推动该领域的发展，需要针对本研究揭示的方法论和实证缺口进行专门的研究。以下四个方向将有助于提升洪水-出行研究的解释深度和实践相关性：

- **方向一**：必须将洪水引发的出行中断视为一个时间演变的过程，而不仅仅是离散的瞬间。目前的研究很少能够将出行轨迹、水体深度变化、交通封闭记录和运营状态在事件窗口内进行同步分析。未来研究需要追踪出行中断的起始、加剧、高峰和恢复过程，以明确旅行者何时从重新安排时间转变为绕行，系统何时从受限运营转变为完全停止（Han等，2021；Mamuyac等，2025；Zheng等，2015）。通过记录这些变化过程，可以了解中断如何传播以及恢复后出行方式如何重新组织。
- **方向二**：模型需要基于实际观察到的适应阈值来构建行为假设。目前大多数模拟模型假设旅行者能够广泛绕行或更换出行方式，但这掩盖了实际决策的局限性。实证研究表明，调整出发时间是早期的主要反应，绕行行为范围有限且经常不可行；在不确定性或空间熟悉度较低的情况下，出行取消率会迅速上升（Abad & Fillone，2018；Ibasco & Fillone，2016；Zheng等，2015；Talpur等，2025）。模型应纳入这些阈值，并通过实际取消情况、排队动态和延误时间来进行验证，而不仅仅是基于平均速度或流量（Chen等，2024；Zhao等，2022；Bacero & Fillone，2023；Zhu等，2019）。这样做可以消除模型与实际行为之间的差异，从而提高政策制定的相关性。
- **方向三**：公平性评估应从居住区的暴露情况转向涵盖所有活动空间中的暴露情况。在受限条件下，步行、等待和依赖交通工具的过程中，风险会不断累积（Li等，2024；Umali和Fillone，2023；de Araújo等，2025）。然而，社会人口统计数据和出行目的的分类在现有研究中仍存在差异，这限制了我们对出行损失分布的量化。未来的研究需要考虑步行绕行、等待条件、转移过程中的不便、出行方式的稀缺性以及与就业或学业的关联，以准确反映实际的风险分布。这种转变将使公平性分析更贴近人们实际面临的洪水影响。
- **方向四**：比较研究和多模式分析应扩大研究范围，超越当前主要集中在少数城市和交通方式上的局限性。目前的研究往往集中在少数城市，且过度强调机动交通。比较研究表明，排水系统、网络拓扑、交通方式多样性以及工作时间等因素会改变不同城市（如马尼拉大都会、上海、武汉、阿莱格里港、阿克拉和塔马莱）的出行中断模式（Bacero和Fillone，2023；de Araújo等，2025；Fujita等，2011；Hauer等，2023；Umeda等，2019）。有必要将研究范围扩展到不同气候条件、治理体系和交通组合中，以区分普遍存在的现象和特定情境下的响应，尤其是对于工作、上学和医疗相关的出行。

这些方向有助于将洪水-出行研究从孤立的行为或基础设施分析发展为一种综合性的科学体系。城市洪水通过相互依存的水文、基础设施和行为因素影响出行方式，要深化理解这一现象，需要实现时间上的对应关系、行为真实性的考量、活动空间的公平性评估以及更广泛的比较分析。这将增强城市在气候变化加剧的情况下规划、运营和调整交通系统的能力。

**未引用的参考文献**
Tang等，2023

**CRedI作者贡献声明**
Alireza Ermagun：负责撰写初始草稿、监督工作、资源协调、项目管理和资金争取、数据分析及概念构建。
Fatemeh Janatabadi：负责撰写初始草稿、数据可视化、方法论设计、数据分析及数据管理。
Zahra Safarloo：负责审稿与编辑、数据分析及数据管理。
Peleg Kremer：负责审稿与编辑、概念构建及资金争取。
Sarah Lindley：负责审稿与编辑及概念构建。