基础设施韧性评估研究的知识图谱可视化分析

2021-04-01李灵芝

复旦学报（自然科学版） 2021年1期

李灵芝，陈东，申玲

(南京工业大学土木工程学院，南京 211800)

近年来，我国对城市基础设施的投资不断提升，2017年全国基础设施投资已超过固定资产投资总额的22%，已建成基础设施总体体量巨大[1].作为保障社会生产和供给公共服务的物质载体，我国城市基础设施势必要走向深度运营时代.在当代高风险社会，运营期基础设施处于自然灾害、恐怖袭击、设施老化等多重扰动环境之中，极具脆弱性，常常出现系统性的管理失控问题，如预警能力差、应急资源不足、承灾能力差、自我修复力差等，容易导致设施功能失灵，造成重大的安全事故，甚至演变成公共危机，社会影响巨大[2].

在高度不确定性的多重扰动影响下，导致基础设施系统紊乱、生命财产损失等灾难性的事件频繁发生.2008年，“5·12”汶川大地震造成了毁灭性打击，建筑物大规模倒塌，交通市政道路中断，造成巨大的生命和财产损失；2010年，“8·7”甘肃舟曲特大泥石流造成了重大损失，县城交通、电力和通信中断，死伤千余人；2012年，“7·21”北京特大暴雨造成了严重后果，全市道路、桥梁、水利工程多处受损，民房多处倒塌，近百人遇难.“基础设施如何响应扰动事件”引发了社会广泛关注.研究发现，在应对当代高度不确定性的高风险社会扰动事件下，传统的预测式风险管理方法已无法满足需求，只有那些具有韧性的系统或设施才能保持自身的良性发展[3-5].“韧性”原意为“恢复到原始状态”，由最初的工程材料领域拓展应用至心理学、生态学以及社会-经济系统中[6].当前，基础设施韧性研究已成为学界的研究热点，美国国家基础设施顾问委员会(National Infrastructure Advisory Committee, NIAC)将基础设施系统的韧性定义为其预测，吸收、适应和快速从自然灾害等破坏性事件中恢复的能力[7].诸多学者对基础设施韧性的内涵与评估方法展开了系列研究，以探索提升基础设施韧性的策略[8-10].对此，本文运用科学知识图谱分析法，客观揭示基础设施韧性研究领域的现状、热点及前沿，系统归纳基础设施韧性评估方法，为后续理论研究和实践探索提供重要参考.

1 研究方法及数据收集

科学知识图谱分析是对已发表的文献进行知识图谱可视化分析的一种定量方法[11].本文以基础设施韧性评估为研究对象，利用科学知识图谱软件CiteSpace开展文献计量分析：1)以WoS核心合集为数据来源筛选相关文献；2)通过文献分布、共现分析、共被引分析对基础设施韧性评估相关研究进行可视化图谱分析，梳理研究现状、热点及前沿；3)系统归纳、分析基础设施韧性评估方法.本文的技术路线图如图1所示.

Web of Science核心合集数据库涵盖了最具声誉和影响力的期刊[12-13]，本文以此权威数据库作为文献数据来源.通过布尔运算符构建文献检索公式：TS=(resilien*)AND TS=(infrastructure or asset* or “built environment” or “building portfolio” or facility or facilities or lifeline)AND TS=(evaluat* or measur* or assess* or quantify* or “resilience index*” or “resilience indicat*”).其中，“*”表示模糊搜索，“TS”表示主题.将待搜索文章的时间跨度设定为2000—2018年，初步检索出2050篇期刊论文，经精读文献摘要后删除与本主题明显无关的文献，如心理学韧性、供应链韧性、社会-生态系统韧性等相关研究，最终筛选出符合主题研究的544篇文献，时间跨度为2003—2018年.

本文选用CiteSpace(5.3.R4.8.31.2018)作为文献可视化分析工具，相关参数设置包括：时间分区设置(Time Slicing)为2003—2018年,每4年为一个分区，节点强度(Strength)设置为Cosine，范围(Scope)设置为Within Slice，阈值选择TOP 50，网络裁剪功能区参数为Pathfinder和Pruning sliced networks.

2 知识图谱可视化分析

2.1 文献分布

2.1.1 时间分布

发文数量是衡量一个研究领域发展态势的重要指标，基础设施韧性评估相关研究始于2003年，经历了起步探索阶段(2003—2009年)，平稳发展期(2010—2014年)和快速增长期(2015—2018年)3个显著阶段，其研究热度将持续攀升，研究体系正在逐步构建.如图2所示，蓝色柱状图表示每年发表的文献数量，红色曲线图表示累计发表的文献数量.

2.1.2 空间分布

基础设施韧性评估研究的地区共现网络如图3(第16页)所示，该网络包含38个节点和52条连接.这表明有38个国家(地区)在基础设施韧性评估领域发表了具有一定影响力的文献(发文量1篇及以上)，节点越大表明该国家(地区)发表的文献数量越多，排在前3名的分别为美国(267篇)、英国(66篇)、中国(41篇)，可见美国在此领域的研究实力遥遥领先，我国的相关研究在全球产生了一定影响力.节点之间的连线表明该研究领域的跨国(地区)合作现象较普遍，连接线越粗则表明合作次数越多.

图3 国家(地区)共现网络图

2.1.3 期刊分布

本文筛选后的554篇文献共来源于202个期刊，10大TOP来源期刊的发文量仅132篇，不足文献总数的1/4(见表1)，期刊分布相对分散，其中刊载数量较多的期刊是ReliabilityEngineeringandSystemSafety(20篇)和JournalofInfrastructureSystems(19篇)，相关研究主题集中于系统安全可靠性与基础设施领域.

表1 十大来源期刊

2.2 共现分析

2.2.1 主题共现分析

主题类别共现网络如图4所示，该网络由55个节点和86个连接组成，表明基础设施韧性评估研究涵盖了55个主题类别，具有跨学科性质.节点大小表示每个类别中的文章数，3大主题分别为Engineering(316篇)，Engineering,Civil(172篇)，Environmental Sciences & Ecology(96篇).节点连接表示2个主题在同一篇文章中同时出现，连接线越粗表示共现频次越大，其中Environmental Sciences & Ecology与Environmental Studies这2大主题之间的共现频次最大，其具体研究方向较为一致.

图4 主题共现网络

2.2.2 关键词共现分析

WoS数据库中含有作者提供的“关键词”和期刊提供的“关键词”.两组关键词共同生成关键词共现网络，如图5所示.该网络包含112个节点和231个连接，表明存在112个关键词，而节点大小表示关键词的出现频率，排名前3位的高频关键词分别是“resilience”(206篇)，“system”(102篇)，“vulnerability”(91篇)，关键词之间的连线错综复杂，表明多个关键词在同一篇文章中共现的频次较高，相互之间关系较为紧密.

图5 共现关键字网络

2.3 共被引分析

2.3.1 聚类分析

共被引文献聚类如图6所示，该网络的Modularity Q(模块度)是0.7872，表明这一共被引聚类可以清楚地界定基础设施韧性评估的各个研究领域.而Mean Sihouette(平均轮廓值)为0.2581，相对较低，主要是因为有较多小聚类的存在[14].而大聚类的Sihouette均超过0.7(表2，第18页)，反映出网络同质性较高，因此聚类结果信度较高[15].

表2 10个聚类汇总

图6 共被引文献聚类

参考自动生成的聚类标签，查阅有代表性的被引文献和活跃的施引文献，本文对聚类标签归纳总结，将生成的10个聚类分为以下6大知识域.

(1)知识域“城市基础设施系统”=聚类#0“urban infrastructure system”.本知识域重点研究适用于城市基础设施系统的韧性评估框架.引用最多的文献为文献[16]，作者构建了韧性评估框架，并将其应用于地震灾害下的医疗机构的韧性评估，对受灾损失进行无量纲化处理.在所有施引文献中，文献[17]引用了聚类#0中74%的文献，文章介绍了随时间动态变化的城市基础设施系统韧性评估方法，以评估灾前韧性、灾时韧性和灾后韧性.另外，文献[18]提出了城市基础设施系统韧性的3阶段分析框架，以定量方式分析受灾系统的抵抗能力、吸收能力和恢复能力.诸多学者在对城市基础设施系统的评估研究中，不断加强创新，城市基础设施系统的韧性评估框架正逐步完善[19].

(2)知识域“相互依赖的基础设施网络韧性”=聚类#1“waterway network resilience”+聚类#3“network resilience”+聚类#8“interdependence”.本知识域重点研究相互依赖的基础设施间复杂关系的韧性，其中包括水路运输网、货物运输网等.基础设施系统往往是由多个组件构成且相互依赖的，组件之间存在诸多联系，对单一基础设施韧性的研究已不能满足现实需求，研究关联基础设施的韧性势在必行.引用最多的文献为聚类#3中的文献[20]，作者强调复杂的网络系统由于同时受到外部和内部的袭击，处于永久动态状态，并以此探讨提高复杂系统韧性的重要性.此外，文献[21]构建了网络韧性指标体系，以量化多式联运货物运输网络的恢复能力.文献[22]提出了一个评估相互依赖的基础设施系统韧性的框架，并以美国德克萨斯州休斯顿市飓风灾害下相互依赖的电力和天然气系统为例，寻找最优的联合修复策略.在高施引文献中，文献[23]等诸多学者开发了不同基础设施系统的韧性优化方法，并应用于复杂运输网络系统的韧性定量评估中.

(3)知识域“多重事件攻击下的韧性”=聚类#2“multi-event attack”+聚类#7“multi-event resilience”.突发事件往往具有多重性，在一个扰动的产生、传播、消散过程中，又可能触发新的扰动，因此，多重突发事件下的基础设施韧性研究引起了学界广泛关注.引用最多的文献为聚类#2中的文献[18],也是所有被引文献中引用次数最多的文献，作者提出的3阶段韧性框架适用于单一攻击和并发多事件攻击下的基础设施韧性分析，以美国德克萨斯州哈里斯县的输电网为例，量化原始电网模型在随机灾害和飓风灾害下不同阶段的韧性.在高施引文献中，文献[24]介绍了多事件攻击下，基础设施网络系统韧性的通用评估方法，在量化系统所受损失的同时，捕获攻击事件的强度和系统恢复时间.

(4)知识域“电力系统韧性”=聚类#4“electric power system”.本知识域重点研究电力系统的韧性.电力系统作为基础设施重要的组成部分，对经济繁荣、国家安全、公共卫生安全至关重要，提升其韧性意义重大.引用最多的文献[25]，作者综述了相互依赖的基础设施系统建模与仿真的6大类方法，并将其应用于电力系统研究中.在高施引文献中，文献[18]提出的3阶段方法应用于电力系统，该框架可以为电力基础设施的韧性设计提供基础.而后文献[26]又介绍了一种量化电力系统抗飓风能力的概率建模方法，包括飓风危害模型、系统脆弱性模型、电力系统性能模型和系统恢复模型，这些耦合的4个模型能够量化飓风恢复能力并估计其经济损失.

(5)知识域“韧性提升措施”=聚类#5为“functionality”+聚类#9“resiliency”.基础设施韧性评估的最终目的是探究强化韧性的路径与措施.在所有被引文献中较为经典的文献为聚类#5的文献[27]，文章提出定义社区地震韧性的概念框架以及韧性提升措施，从受灾社区呈现的“鲁棒性、冗余性、快速性、智慧性”等韧性要素视角提炼韧性提升措施，并将措施分为技术、组织、社会和经济等4个方面.在高施引文献中，文献[28]提出的韧性框架可用作决策支持工具，以增强医疗保健设施系统的韧性，减少灾害下的脆弱性和损失.此外，文献[29]提出了基于风险防御孤岛算法的韧性提升措施，旨在减轻恶劣气候灾害下电力系统可能发生的级联效应，超越了传统上的恶劣天气防御措施.

(6)知识域“DIIM方法”=聚类#6为“input-output”.本知识域重点研究利用动态不可操作性输入输出模型(Dynamic Inoperability Input-output Model，DIIM)分析突发事件对基础设施所造成的影响.DIIM是分析复杂动态突发事件下风险的有效工具，将自然或人为造成的故障输入DIIM，可量化突发事件造成的后果或损失[30].其中，引用最多的文献为文献[31]，作者模拟了库存DIIM政策在基础设施应对突发事件的应对效果.在高施引文献中，文献[32]和[33]分别利用DIIM量化电力中断、飓风突发事件对基础设施带来的经济影响与后果.

2.3.2 时间线视图分析

如图7(第20页)中所示Timeline(时间线可视化图).在Timeline中可以清晰地得到各个聚类中文献的数量情况，聚类中文献越多代表该聚类领域越重要，其所含文献的时间跨度进一步反映各个聚类的时间演化特征.可以看出，知识域“韧性提升措施”出现时间最早(2003年)，而后其余5大知识域相继于2007年左右出现，其中，知识域“多重事件攻击下的韧性”、“相互依赖的基础设施网络韧性[31]”及“韧性提升措施”在2016年左右依然处于热点状态.根据Timeline中被引文献数量、被引频次、被引时间等可判断，“多重事件攻击下的韧性”及“相互依赖的基础设施网络韧性”既为热点研究又为前沿研究，而“韧性提升措施”为前沿研究.

尽管图7能够一定程度地反映演进过程，但受到被引频次的影响，一些被引频次不高但中介中心性很高的热点被引文献难以体现出来，中介中心性作为研究前沿转变的关键点，需要进一步对其进行分析，表3中列出具有高中介中心性的10篇文献.其中，最早的文献为聚类#7的文献[61]，最高中介中心性的文献为聚类#2的文献[18]，表明2007年基础设施韧性大量研究转向为“多重事件攻击下的韧性”.具有高中介中心性的近期文献为聚类#2的文献[32]和聚类#3的文献[20]，表明2013年侧重于“多重事件攻击下的韧性”和“相互依赖的基础设施网络韧性”等研究.

表3 高中介中心性文献

图7 时间线视图

2.3.3 突发性检测分析

利用突发性检测算法发现在短时间内引用频率显着增加的文献，以探究该领域的学术前沿[22].如表4所示，被引文献持续增加大致分为2个阶段.第1阶段为2007—2011年，文献[27]被大量引用，表明知识域“韧性提升措施”是当时的热点研究.第2阶段为2012—2016年，文献[49]和[62]被大量引用，表明知识域“多重事件攻击下的韧性”是当时的研究前沿.该结论与时间线视图综合分析结论基本一致，具有一定的合理性与可信性.

表4 突发性检测

3 基础设施韧性评估方法

基础设施韧性评估对提高基础设施韧性起着至关重要作用，本文通过系统文献综述，归纳了基础设施韧性评估方法(图8)，包括定性评估和定量评估两大类.

图8 基础设施韧性评估方法

3.1 定性评估方法

3.1.1 概念框架式分析

概念框架式分析是最主要的定性评估方法，多以概念框架作指导，构建评估指标体系.Cimellaro等[28]提出了一个综合的韧性概念模型，包括损失估计模型和恢复模型，可应用于复杂的结构系统和基础设施网络.Kahan等[63]提出了一个广泛的韧性概念框架，采用8个指导原则：1)风险评估；2)鲁棒性；3)后果缓解；4)适应性；5)风险告知规划；6)风险告知投资；7)目的协调；8)综合审视.Labaka等[64]提出了一个与管理层密切合作的整体韧性框架，他们提出的框架包括内部韧性和外部韧性，两种韧性类型及相关的韧性政策和子政策.

3.1.2 半定量式评估方法

半定量式评估是在定性评估的基础之上，考虑经济层面的投入.Vugrin等[34]提出了一个评估基础设施和经济系统韧性的一般框架.该框架由3个主要组成部分组成：1)针对基础设施系统的韧性定义；2)通过评估对系统性能和恢复成本的影响来定量系统的韧性；3)评估基础设施吸收能力、适应能力和恢复能力的定性方法.Vugrin等[65]进一步提出降低韧性提升所投入的成本，其中，系统的损失(SI)代表在突发事件下系统机能的降低，总的恢复策略(TRE)代表恢复策略所利用的资源支出，并探讨不同TRE对SI有不同的影响.

3.2 定量评估方法

3.2.1 系统效能指标法

系统效能指标法即选取可量化的系统效能指标来表征基础设施的韧性，应用较为广泛的为以下4个指标.

(a)曲线下面积

曲线下面积指标的量化起源于地震韧性测算，需要大量数据的支撑.Bruneau等[66]通过系统机能曲线描述了当基础设施面对突发事件时的状态.而后，Cimellaro等[16]提出韧性可以通过图9表示为系统机能曲线与横纵坐标轴所围成的面积.

图9 灾害韧性示意图

Q(t)表示系统机能水平，是一个关于时间t的连续分段函数，具有随机性.对单一的灾害事件，韧性R可以表示为[16]：

(1)

Q(t)=[1-L(I,TRE)][H(t-tOE)-H(t-(tOE+TRE))]×fRec(t,tOE,TRE)，

(2)

其中，式(1)、式(2)中：L(I,TRE)表示系统所失去的机能；fRec(t,tOE,TRE)表示恢复的机能；H表示函数；TLC表示系统控制时间；TRE表示系统从灾害E中恢复的时间；tOE表示灾害E发生的时间.

(b)扰动前后系统性能比值

工程韧性通常与系统的性能损失有关，量化韧性的方法之一是衡量韧性在中断前后系统性能的比值，该系统效能指标可在宏观上直观地反映系统性能损失程度，但同样需要大量数据支撑.在性能损失期间，从td到tn，韧性φ可通过采用破坏性事件后组织或技术层面发生变化曲线AP(t)以下面积与正常机能水平曲线BP(t)以下面积之比来量化[8,18]：

(3)

(c)可靠性与恢复性

对于不确定性扰动事件，引入条件概率，韧性φ可根据系统的可靠性和恢复性之和来量化韧性[67]：

φ≜Reliability(R)+Recovery(ρ),

(4)

其中，Reliability表示系统的可靠性，Recovery表示系统的恢复性，R表示系统可靠性的概率，ρ表示系统恢复性的概率.

(d)韧性量值

除了计算值之外，韧性经常用来判断基础设施中有多少韧性已经获得或失去.设定韧性量值介于0和1之间，或者以百分比(0～100%)表示.韧性量值取值范围设定的原因有两个：1)由于韧性可以被视为系统性能标准之一，因此韧性被量化为干扰前和干扰后的系统性能水平比率；2)当韧性量化中包含不确定性时，韧性是一个概率值，例如，韧性等级为0.9的基础设施可解释为对特定干扰有90%的韧性[68-70].

3.2.2 结构模型式评估

结构模型式评估是通过模拟基础设施系统特性，研究系统结构对韧性的影响.结构模型式评估主要分为以下3种方法.

(a)目标优化模型：建立目标优化模型，旨在提高系统韧性.Faturechi等[71]提出了评估和优化机场韧性的数学模型，旨在最大限度地提高机场跑道和滑行道网络的韧性.Faturechi等[72]引入了一个多目标、3阶段随机数学模型来量化和优化道路网络中的行驶时间韧性，其模型的目标函数旨在对所有可能中断情况下道路网络恢复能力的期望实现最大化，并同时使得总行程时间最小化.Khaled等[73]提出了评估关键铁路基础设施的数学模型和解决方法，以最大限度地提高铁路网络的韧性.

(b)仿真模型：建立仿真模型，旨在动态模拟、预测基础设施在扰动事件下的性能响应，可利用多种指标来衡量韧性，如故障组件数量、组件修复时长等[74].Winkler等[75]以水、电、天然气系统为例，以基于网络的拓扑模型模拟飓风危害及随机事件下不同策略的有效性.Adjeteybahun等[76]使用一个时间相关的模型来评估铁路运输系统的韧性.

(c)模糊逻辑模型：建立模糊逻辑模型，旨在研究系统韧性影响因素.Muller等[77]提出了一种用于评估关键基础设施韧性的模糊体系结构.Azadeh等[78]通过模糊认知图(Fuzzy Cognitive Map, FCM)评估石油化工厂韧性的影响因素.

3.3 评估方法对比分析

基础设施韧性评估有多种方法，由于评估对象、评估角度等各方法存在一定的差异，每种方法都有特定的适用场景，具体方法的选择与数据可获得性、基础设施类型、突发事件类型等紧密相关.其中，定性评估多以概念框架为指导，构建评估指标体系，结合知识经验量化韧性，在此基础上可考虑经济方面的投入，属于静态半定量化方法.定量评估主要分为“系统效能指标”与“结构模型式评估”两种，均可实现动态评估.前者较少考虑基础设施的系统结构，以宏观显现的系统效能变化来表征韧性，较为直观，但需要大量数据作为支撑；后者以构建结构模型的方式，解析基础设施系统结构，探究韧性发挥机理，以微观层面的系统结构属性值变化来间接表征韧性，其优势为可直接应用于韧性提升研究.

从现有评估方法中看，未来基础设施韧性评估方法仍需从以下4大方面加以完善：① 多种评估方法需大量数据支撑，应强化实证数据收集与应用，提高评估准确性；② 韧性评估方法的选择需考虑基础设施内部结构、系统效能与运营组织的适宜性；③ 对基础设施韧性的评估还应综合考虑社会、经济等外部影响因素，以全面探究基础设施韧性提升策略；④ 对单一扰动下单一基础设施韧性评估应转向多重扰动下相互关联的基础设施网络韧性评估.