《Systems》：Integrating Heterogeneous Stakeholder Interests into Resilience Optimization of Socio-Technical Infrastructure Systems: A Gain-Oriented Perspective Using Fuzzy-Evidential Bayesian Network
编辑推荐：
摘要：
自然灾害与技术故障风险持续上升，凸显了基础设施韧性（resilience）在维持系统运行和减少损失方面的关键作用。既有研究已推进韧性优化，但对于韧性提升如何转化为面向不同利益相关者的收益，以及这些异质性收益如何指导策略优先级排序，仍缺乏充分解释。本
摘要：
自然灾害与技术故障风险持续上升，凸显了基础设施韧性（resilience）在维持系统运行和减少损失方面的关键作用。既有研究已推进韧性优化，但对于韧性提升如何转化为面向不同利益相关者的收益，以及这些异质性收益如何指导策略优先级排序，仍缺乏充分解释。本研究旨在构建一种收益导向的基础设施韧性优化框架，明确连接韧性策略、韧性增量、利益相关者特定收益、利益相关者群体与聚合系统层收益之间的关系。该框架以模糊—证据贝叶斯网络（fuzzy-evidential Bayesian Network, FEBN）为核心，并结合三角模糊数（triangular fuzzy numbers）、Dempster–Shafer 证据理论（Dempster–Shafer evidence theory）和 Noisy-Or 模型（Noisy-Or model）进行参数化，同时辅以动态贝叶斯网络（Dynamic Bayesian Network, DBN）分析，以模拟长期优化动态。以南京地铁7号线为案例验证表明，该框架具有可操作性。结果显示，前瞻性策略，尤其是组件可靠性设计（RS 1-1）与应急响应规划（RS 4-1），是提升聚合收益的高杠杆干预措施。失效情景、参数扰动和基线比较分析表明，主要优先排序结果在不确定性下总体保持稳定，并与非证据贝叶斯网络基线一致。DBN结果进一步表明，以运营方为中心的优化能够随时间提升聚合收益，但可能产生非对称分配效应。总体而言，该框架支持社会技术基础设施系统中透明、面向利益相关者的韧性策略优先级排序。
论文解读：
基础设施是现代城市运行的骨架，承担交通出行、公共服务与经济活动支撑功能。随着自然灾害、技术故障、网络—物理扰动及连锁中断频发，基础设施管理已由传统可靠性与安全导向逐渐转向韧性导向。然而，既有韧性优化研究多聚焦系统性能提升，较少回答“韧性提升最终让谁受益、以何种方式受益、这些收益如何反过来指导资源配置”这一关键问题。对于具有显著社会技术属性的基础设施而言，韧性并非仅由技术部件决定，还取决于设备投资、人员投入、应急能力、组织协同与资金支持等多类资源，而这些资源分别受运营方、政府、乘客、供应商、应急机构、保险机构及沿线商业主体等多元利益相关者影响。因此，开展将异质利益相关者利益纳入韧性优化的研究，具有明确的现实必要性。
本研究围绕“韧性收益（resilience gain）”这一概念展开，试图把韧性增量与利益相关者可感知、可获得的具体收益连接起来，从而把韧性优化从单纯的性能改进转向面向价值创造的决策过程。研究人员提出一个收益导向的韧性优化框架，并以南京地铁7号线这一GoA4级（Grade of Automation 4）城市轨道交通系统为案例，结合静态FEBN分析与动态DBN分析，对韧性策略优先级、收益生成链条及长期优化过程进行刻画。研究结论表明，前瞻性与预防性策略最具杠杆效应，系统层面的聚合收益在不确定性下保持较强稳健性，而长期优化则呈现明显的阶段偏置与收益分配非对称特征。该研究的重要意义在于，为复杂社会技术基础设施提供了一个可追踪、可解释、面向利益相关者的韧性资源配置框架，有助于提升策略选择的透明度与决策合理性。
方法上，研究主要采用五层贝叶斯网络建模、模糊证据参数化、Dempster–Shafer 证据融合、Noisy-Or 条件概率构建、灵敏度分析、前向/后向推理以及动态贝叶斯网络模拟。数据主要来自文献整理与8位专家咨询；案例为南京地铁7号线。
**结果**
**4.1 Case Selection and Data Collection**
研究选取南京地铁7号线作为信息型单案例，原因在于其为南京唯一GoA4线路，具备高自动化、系统耦合强、多利益相关者参与等特征。由于运营数据保密，模型参数主要由专家判断获得。
**4.2 BN Structure Development**
研究构建五层BN结构，依次包括韧性策略、韧性增量、韧性收益、利益相关者群体与聚合收益。基于文献与专家验证，识别出18项韧性策略、6类韧性属性增量、12类利益相关者特定收益和7类利益相关者群体，并建立层间因果弧线。
**4.3 Results of Baseline BN Model Development**
通过三角模糊数、D-S证据融合和Leaky Noisy-Or模型，研究完成了条件概率表构建，并建立基线BN模型，为后续情景分析与韧性评估提供参照。
**4.4 Results of Prioritizing Strategies Through Static BN Analysis**
灵敏度分析显示，提升聚合收益的高优先级策略主要包括组件可靠性设计（RS 1-1）、应急响应规划（RS 4-1）、应急资源动员（RS 3-3）、轨道侵入防护（RS 5-1）等，说明前瞻性和准备性干预最关键。
前向推理表明，关键策略失效会使目标节点概率下降，但聚合收益总体降幅有限，约6%，说明系统层收益由多条策略路径共同支撑，并非依赖单一措施。
后向推理识别出一条关键因果链：计划性维护（RS 1-2）→鲁棒性增量（RI 1）→减少乘客延误（P2）→乘客收益（P）→韧性收益（RG）。这表明策略不仅是技术防护手段，也会转化为乘客感知的实际收益。
参数扰动分析显示，在±5%、±10%和±20%扰动下，聚合收益的中心趋势基本稳定，策略排名也具有较好稳健性；Top-5策略在轻中度不确定性下保持较高一致性。
与非证据BN基线比较表明，FEBN在系统层结果和策略排序上与简化模型大体一致，但更充分保留了专家意见的不确定性与分歧。
**4.5 Results of Simulating Optimization Through DBN Analysis**
DBN模拟表明，在运营方主导、资源约束与奖惩机制共同作用下，策略强化呈现路径依赖特征。长期演化中，准备、吸收、响应阶段提升更明显，而恢复阶段提升较小；运营方、政府和乘客相关收益增长较快，应急机构相关收益增长较慢；技术与经济收益高于组织与社会收益，说明以运营方为中心的优化可能形成技术效率较高但社会维度较弱的韧性收益结构。
**讨论与结论**
研究从理论上把韧性优化推进到“策略→韧性→收益→利益相关者→聚合收益”的闭环框架，突破了以往仅关注性能指标的做法。该框架的核心贡献在于：一是以韧性收益作为连接韧性提升与利益相关者利益的桥梁；二是用FEBN和DBN同时描述收益生成机制与长期动态演化；三是为复杂社会技术基础设施提供可迁移的分析范式。
结论部分明确指出：第一，前瞻性策略是提升系统层韧性收益的高杠杆措施，尤其是组件可靠性设计（RS 1-1）与应急响应规划（RS 4-1）；第二，主要优先级结果在不确定性下保持稳健；第三，鲁棒性增量与乘客相关收益是实现系统层韧性收益的核心因果环节；第四，长期DBN优化呈现结构性非对称，偏向准备、吸收与响应，且更偏重技术与经济收益。总体而言，论文证明了将异质利益相关者利益纳入韧性优化具有方法论和实践价值，可为城市轨道交通及其他社会技术基础设施的韧性规划提供透明、可解释的决策支持。
