评估铁路对气象多重灾害的抵御能力：一种综合方法论

《RELIABILITY ENGINEERING & SYSTEM SAFETY》：Assessing Railway Resilience to Meteorological Multi-Hazards: An Integrated Methodology

　　

摘要

铁路系统作为推动国家互联互通与经济增长的重要力量，在气候变化背景下日益面临多种气象灾害的威胁。尽管人们越来越重视多灾害影响分析，但气象灾害如何具体影响铁路系统的运行，其机制仍不甚明了。本研究提出了一种综合方法，用于评估铁路系统对多种气象灾害的抵御能力，该方法结合了数据驱动的方法来系统地识别与铁路相关的多灾害事件，以及一种能够同时量化物理损失和运营中断情况的韧性模型。以中国的高速铁路系统为研究对象，通过分析寒潮暴风雪事件和风雨复合事件的时空影响，验证了这一方法的有效性。对2000年至2024年间的高速铁路数据进行分析后发现，87.8%的影响铁路系统的气象事件都发生在多灾害并发期间。多灾害事件造成的年度列车延误程度远远高于单一灾害事件，某些年份的损失甚至可达由降雨引发的单一灾害事件的8.72倍。从空间分布来看，沿海铁路线主要受风雨灾害影响，而北方和西北部的铁路线则更易遭受寒冷相关灾害的侵袭。这些研究结果表明，需要在铁路系统的韧性规划与运营管理中纳入多灾害评估指标以及针对不同地区的气候适应策略。

引言

2023年7月28日，超强台风“杜苏芮”袭击了中国东南部沿海地区，给福建带来了强烈的风雨和暴雨，同时广东和浙江也遭遇了大量降雨。在随后的几天里（7月29日至8月3日），其残余环流在中国北方引发了极端降雨，导致北京、天津、河北以及中国东北部分地区出现严重洪水[1]。这类天气现象可被视为多灾害事件，根据联合国减灾办公室的定义，多灾害事件是指“危险事件可能同时发生、依次发生或随着时间累积发生，并且需要考虑它们之间可能的相互作用”的特定情况[2]。随着气候变化，各种气象灾害的频率、强度和复杂性都在增加，近年来，科学界和国际组织如IPCC、联合国减灾办公室以及世界卫生组织越来越重视多灾害问题[3]；Utsumi和Kim在2022年也对此进行了研究[4,5]。IPCC第六次评估报告和《仙台减少灾害风险框架》都明确要求采用综合方法，以便更好地了解和减轻这类多灾害事件的系统性影响[6,2]。

在面临日益复杂的灾害威胁的各种基础设施中，铁路系统因其覆盖广泛的地理区域和多样的气候条件而尤为脆弱[[7], [8], [9]]。例如，在中国，铁路线贯穿从热带到寒温带的不同气候区，因此要面对台风、暴雨以及低温冰雪灾害等[10,11]。这些灾害可能导致铁轨被淹没、桥梁和隧道受损，进而迫使列车减速或暂停运行，从而威胁到铁路的正常运营以及它所支撑的社会和经济功能[[12], [13], [14]]。重要的是，气象灾害很少单独出现，它们往往以复合、同时或连续的形式相互影响，给铁路系统带来更大的、非线性的破坏[15]。比如2018年欧洲出现的“东方野兽”天气现象，就是强寒潮与大雪的结合，导致英国及欧洲大陆部分地区的交通陷入瘫痪，铁路和公路长时间关闭。这些事件凸显出迫切需要评估多灾害事件对铁路系统的影响，以便在气候变化的背景下制定有效的适应和减缓策略[16]。

尽管人们越来越意识到有必要开展多灾害影响评估，但气象灾害如何具体转化为对铁路系统运营的影响，其内在机制仍不清楚[17,14]。首先，已有许多研究通过历史记录识别出多灾害事件，并运用统计方法（如基于copula的模型）或数值模拟方法来计算这些事件同时发生的概率[[18], [19], [20]]。不过，这些方法很少针对铁路系统的特殊需求进行优化，因为不同的灾害类型和运营阈值可能会显著改变所识别的多灾害模式[11,21]。其次，虽然已有针对单一灾害的成熟铁路资产脆弱性及恢复模型，比如HAZUS-MH中的洪水相关模块，但这些模型无法直接应用于多灾害场景，因为在多灾害情况下，多种灾害会共同决定损害程度、运营中断情况以及恢复进程[[22], [23], [24], [25]]。目前关于铁路系统韧性的研究要么只关注降雨、洪水、地震等单一灾害，要么仅侧重于概念性的多灾害影响框架[[26], [27], [28]]，这就限制了对气象多灾害情景下铁路系统韧性进行系统化的定量评估。

鉴于全球气象数据的日益丰富——例如，中国的气象数据已发布到第五批——本研究提出了一种综合方法，用于评估铁路系统在多种气象灾害条件下的韧性。该方法包括一种数据驱动的技术，用于系统地识别和分类影响铁路系统的多灾害事件，同时还有一种韧性评估模型，能够量化多灾害条件下铁路系统的物理损失和运营中断情况。该框架被应用于2000年至2024年中国的高速铁路系统，旨在分析气象多灾害事件在铁路网络上的时空分布情况，进而揭示不同地区和不同类型灾害下的韧性特征。这些研究结果为了解大规模铁路网络在日益复杂的气候灾害面前的脆弱性与韧性提供了新的实证依据。本文的其余部分结构如下：第二部分回顾了多灾害建模与影响评估的相关研究；第三部分介绍了所提出的多灾害韧性评估方法；第四部分将该方法应用于中国高速铁路系统；第五部分总结了主要研究结果，分析了结果的可靠性，并提出了政策建议；第六部分指出了当前研究的局限性，并提出了未来的研究方向。

章节概要

文献综述

铁路系统多灾害韧性评估通常涉及多灾害事件建模、资产层面的脆弱性与恢复能力建模，以及系统层面的功能损失与韧性评估。本节将综述这三个方面的最新研究成果。

方法论

本节介绍了一种综合方法，用于识别影响铁路系统的多种气象灾害事件，并评估其在这些条件下的铁路系统韧性。整体工作流程如图1所示，具体内容将在后续小节中详细阐述。

案例研究

本节将所提出的方法应用于2000年至2024年的中国高速铁路系统，识别与铁路相关的多灾害事件，并评估该系统的韧性。通过案例研究，可以直观地了解气象多灾害事件的时空分布特征及其对高铁运营的影响。

结论与讨论

本研究提出了一种方法，用于评估铁路系统在多种气象灾害条件下的韧性。该方法通过结合高分辨率的气象观测数据与详细的铁路运营数据，系统地识别和分类与铁路相关的多灾害事件（包括复合型、同时型和连续型灾害），并通过针对不同灾害的脆弱性与恢复模型，将这些灾害与铁轨及列车层面的运营中断联系起来，进而评估铁路系统的功能演变情况。

局限性与未来研究方向

当前的研究也存在一些局限性，但这些局限性也为未来的研究指明了方向。首先，所提出的框架目前仅涵盖了四种主要的气象灾害类型，且使用的脆弱性函数较为简单，若能将其扩展到其他相关灾害类型（如热害、山体滑坡、泥石流等其他地质灾害），并进一步完善资产层面的数据以优化脆弱性模型，将有助于提高该框架的实用性[76]。尤其是，若能将热害带来的影响，如铁轨变形等问题纳入考量，将会更加完善该框架。

未引用参考文献

[[77], [78], [79]]

CRediT作者贡献说明

张辉：原文撰写、可视化分析、方法设计、概念构建。徐敏：原文撰写、可视化分析、方法设计、概念构建。李涛：正式分析、数据整理。杜崇阳：正式分析、数据整理。李端腾川：研究指导、软件应用。岳一洲：文章审阅与编辑、可视化分析。欧阳敏：研究指导、资金筹集。

Hui Zhang|Min Xu|Tao Li|Chongyang Du|Duantengchuan Li|Yizhou Yue|Min Ouyang