《Journal of Urban Mobility》：Spatial network autoregressive propagation (SNAP): An innovative GIS model for probabilistic road network failure in urban areas
编辑推荐：
新的空间网络自回归传播（Spatial Network Autoregressive Propagation, SNAP）模型整合了空间、网络和韧性数据；两级分析在区域（zone）和路段（segment）尺度上表征相对脆弱性；模型应用于科威特的139个区域和8
新的空间网络自回归传播（Spatial Network Autoregressive Propagation, SNAP）模型整合了空间、网络和韧性数据；两级分析在区域（zone）和路段（segment）尺度上表征相对脆弱性；模型应用于科威特的139个区域和86,273个路段；该框架将规划从被动恢复转向主动韧性，并适用于水文城市（hydro-urban）、地震（seismic）及多灾种环境。
SNAP模型：城市道路网络概率失效的空间自回归传播建模
城市基础设施韧性受工程网络与地形框架的相互依赖影响，道路系统尤为突出，地形制约着链接的建造与连通方式，并影响失效的传播。传统风险评估通常将观测视为空间独立，忽视相邻和互联设施的溢出效应；在干旱城市，地形和排水变量在韧性模型中代表性不足，且常规评估多依赖静态地图，难以捕捉级联失效。因此，需要整合空间自回归技术、网络理论和韧性数据的模型，以量化地形、结构和社会经济因素对道路基础设施韧性的影响。为此，研究人员提出了空间网络自回归传播（Spatial Network Autoregressive Propagation, SNAP）模型。
SNAP模型集成了地理溢出、网络交互和经济韧性三种机制，通过迭代空间自回归过程计算路段失效概率。模型应用于科威特六个省，包括139个区域和86,273个路段。主要结论表明，城市脆弱性是空间涌现属性，东北走廊和中心区域呈现高风险，地形和网络应力是关键驱动因素；经济韧性可缓解传播，但区域差异显著。该框架将规划从被动恢复转向主动韧性，并适用于水文城市、地震及多灾种环境。论文发表在《Journal of Urban Mobility》。
在技术方法上，研究人员构建了三种空间权重矩阵：地理权重矩阵（W
g）、网络权重矩阵（W
n）和经济权重矩阵（W
e），分别利用高斯距离衰减和功能性相似性刻画传播；采用指数阈值失效概率函数（P
f,i=1?exp(?λ·max(S
i?τ,0))）；使用蒙特卡洛模拟（10,000次迭代）量化不确定性；采用多项式回归和LOESS平滑识别空间趋势；通过K-means聚类分类路段类型；运用留一交叉验证（LOOCV）和空间分区验证模型稳健性。数据来源包括SRTM DEM、WorldPop人口数据、OpenStreetMap（OSM）道路和设施数据，以及科威特公共民用信息管理局（PACI）行政边界。
研究结果如下。3.1 空间结构与输入参数交互：地图分析显示人口密度呈单中心布局，主要道路集中于中心向外辐射，设施分布呈多中心，地形高程从南部低地向北部高地上升。人口、设施和道路之间的空间错位为失效传播提供了条件。3.2 路段级空间结构与网络脆弱性：描述统计和空间分布图表明，失效概率在中央和东部走廊显著聚集，运营速度在西部及东南部较高，而中央与东部较低；交通流主要集中在主干道。多项式回归和LOESS平滑揭示东北-西南向风险梯度，K-means聚类将路段分为五类，从低风险到高风险不等。3.3 区域级城市网络动态脆弱性模式：系统风险呈现南北梯度，北部和东北部失效概率高，东南部韧性增强；经济脆弱性呈东-西梯度；交通流沿中轴线集中；环境风险呈东-西二分。地理溢出呈距离衰减，经济韧性在中心及西北部较强，南部和东部较弱，从而调节了风险。3.4 统计分布、不确定性与战略优先排序：概率密度分析和Q-Q图显示失效概率近似正态分布，交通流和经济韧性呈偏态。蒙特卡洛模拟的汇总分布接近正态，标准差图识别出认知不确定性较高的区域，收敛分析确认估计稳定。复合风险评分将区域分成五类，并给出Q1～Q4优先排序。3.5 模型内部校准与空间稳健性：一致性验证表明区域聚合与式(1)的解析值平均偏差为?0.0038，标准差0.0091，符合詹森不等式。参数敏感性分析显示λ和ρ是主要驱动参数。LOOCV的RMSE为0.0423，Spearman ρ为0.695，表明邻居传播能保留风险排序；残差Moran's I=0.2469，残余空间自相关有限。空间分区交叉验证的R2=0.992，RMSE=0
