城市居民活动韧性——新冠肺炎疫情期间轨道客流恢复的实证

doi:10.12141/j.issn.1000-565X.220609

华南理工大学学报(自然科学版) ›› 2023, Vol. 51 ›› Issue (7): 109-119.doi: 10.12141/j.issn.1000-565X.220609

所属专题： 2023年交通运输工程

城市居民活动韧性——新冠肺炎疫情期间轨道客流恢复的实证

陈小鸿¹田田甜¹ 张华²

^1.同济大学道路与交通工程教育部重点实验室，上海 201804
^2.同济大学国家磁浮交通工程技术研究中心，上海 201804

收稿日期:2022-09-19 出版日期:2023-07-25 发布日期:2023-01-20
通信作者: 张华（1982-），男，博士，副研究员，主要从事复杂交通网络分析、交通行为与需求建模、交通治理现代化等研究。 E-mail:xiaohai＿hua@tongji.edu.cn
作者简介:陈小鸿（1961-），女，博士，教授，主要从事区域与城市综合交通规划、交通政策、交通可持续发展等研究。E-mail:tongjicxh@163.com
基金资助:
国家自然科学基金资助项目(71734004)

Activity Resilience of Urban Residents: Empirical Evidence Based on the Recovery of Rail Transit Ridership During the COVID-19 Pandemic

CHEN Xiaohong¹TIAN Tiantian¹ ZHANG Hua²

^1.Key Laboratory of Road and Traffic Engineering of the Ministry of Education, Tongji University, Shanghai 201804, China
^2.National Maglev Transportation Engineering R&D Center, Tongji University, Shanghai 201804, China

Received:2022-09-19 Online:2023-07-25 Published:2023-01-20
Contact: 张华（1982-），男，博士，副研究员，主要从事复杂交通网络分析、交通行为与需求建模、交通治理现代化等研究。 E-mail:xiaohai＿hua@tongji.edu.cn
About author:陈小鸿（1961-），女，博士，教授，主要从事区域与城市综合交通规划、交通政策、交通可持续发展等研究。E-mail:tongjicxh@163.com
Supported by:
the National Natural Science Foundation of China(71734004)

摘要/Abstract

摘要：

居民活动韧性是社会韧性的重要体现。文中从社会韧性概念出发，定性验证新冠肺炎疫情期间居民活动韧性的存在性，定量分析其演进机制。首先，收集了我国境内28个城市在新冠肺炎疫情发生前后近两年的轨道交通逐日客流数据，定义并测度了居民活动韧性，引入逻辑函数对客流恢复过程进行建模分析；其次，从政策调整与行为适应角度建构并分析政府、公众等多元主体的行动调节和学习适应过程。结果显示，轨道交通网络规模越大的城市，居民活动韧性越高；相较于人口小于500万的城市，人口超过1 000万的超大城市工作日客流恢复到50%、80%、90%和100%水平的时间分别提前7、15、47和95 d，越到恢复后期二者差异越大，周末也呈现出相似的规律。同时，工作日刚性出行相比周末弹性出行具有更强的活动韧性，工作日和周末客流恢复的逻辑函数拟合参数α分别为0.019和0.016，H分别为77.07和106.82 d。在首轮疫情之后的疫情再爆发期间，轨道交通客流下降幅度减小，客流日均恢复率是首轮疫情时的1~3倍，居民活动韧性显著提升。研究认为，科学防控所塑造的公信力提升了公众对管控政策的遵守，公众对风险的认知和学习能显著改善活动韧性。文中研究结果为交通需求及居民活动恢复时间估计、社会管控政策影响评估提供了新的视角。

关键词: 城市交通, 活动韧性, 新冠肺炎疫情, 轨道交通客流, 恢复能力

Abstract:

Urban residents’ activity resilience is a vital component of society resilience. Based on the concept of society resilience, this paper qualitatively verified the existence of urban residents’ activity resilience during the COVID-19 pandemic, and quantitatively analyzed its evolution mechanism. Firstly, by using the daily rail transit ridership data of 28 cities in China in the two years before and after the outbreak of COVID-19, residents’ activity resilience was defined and measured, and a logistic function was introduced to model the ridership recovery process. Secondly, from the perspective of policy adjustment and behavior adaptation, this paper constructed and analyzed the action adjustment and learning adaptation process of plural subjects such as the government and the public. The results show that the larger the scale of rail transit network, the higher the residents’ activity resilience. As compared with the cities with a population of less than 5 million, the time for megacities with a population of more than 10 million to recover to 50%, 80%, 90% and 100% of the weekday ridership is 7 days, 15 days, 47 days and 95 days earlier, respectively. The later the recovery period, the greater the difference, and the weekend also shows a similar pattern. Rigid weekday activities have better resilience than flexible weekend activities, and the logistic function fitting parameters α of ridership recovery on weekdays and weekends are 0.019 and 0.016, respectively; H are 77.07 and 106.82 d, respectively. During the second outbreak after the first round of pandemic, the decline of rail transit ridership decreases, the average daily growth of ridership recovery rate in the second outbreak is 1~3 times that of the first round of pandemic, and residents’ activity resilience improves significantly. It concludes that the credibility created by accurate and effective interventions enhances the public compliance with policies, and that public awareness and learning about risks can significantly improve activity resilience. The research results provide a new perspective on how to estimate the travel demand and activity recovery and evaluate the impact of social interventions.

Key words: urban transport, activity resilience, COVID-19 pandemic, rail transit ridership, recovery ability

中图分类号:

U491

陈小鸿, 田田甜, 张华. 城市居民活动韧性——新冠肺炎疫情期间轨道客流恢复的实证[J]. 华南理工大学学报(自然科学版), 2023, 51(7): 109-119.

CHEN Xiaohong, TIAN Tiantian, ZHANG Hua. Activity Resilience of Urban Residents: Empirical Evidence Based on the Recovery of Rail Transit Ridership During the COVID-19 Pandemic[J]. Journal of South China University of Technology(Natural Science Edition), 2023, 51(7): 109-119.

图/表 9

图1

图2

图3

表1

表2

表3

表4

表5

图4

参考文献 32

1	ALEXANDER D E ．Resilience and disaster risk reduction：an etymological journey［J］．Natural Hazards and Earth System Sciences，2013，13（11）：2707-2716．
2	HOLLING C S ．Resilience and stability of ecological systems［J］．Annual Review of Ecology and Systematics，1973，4（1）：1-23．
3	JHA A K， MINER T W， STANTON-GEDDES Z ．Building urban resilience：principles，tools，and practice［M］．Washington D C：World Bank Publications，2013．
4	王思斌．社会韧性与经济韧性的关系及建构［J］．探索与争鸣，2016，1（3）：4-8．
	WANG Sibin ．Relationship and construction of social resilience and economic resilience［J］．Exploration and Free Views，2016，1（3）：4-8．
5	SERAFIMOVA T ．COVID-19：an opportunity to redesign mobility towards greater sustainability and resilience？［M］．Florence：European University Institute，2020．
6	HALLEGATTE S， RENTSCHLER J， ROZENBERG J ．Lifelines：the resilient infrastructure opportunity［M］．Washington D C：World Bank Publications，2019．
7	ZHU Y， OZBAY K， XIE K，et al ．Using big data to study resilience of taxi and subway trips for hurricanes Sandy and Irene［J］．Transportation Research Record：Journal of the Transportation Research Board，2016，2599（1）：70-80．
8	HOSSEINI S， BARKER K ．Modeling infrastructure resilience using Bayesian networks：a case study of inland waterway ports［J］．Computers & Industrial Engineering，2016，93：252-266．
9	MIRZAEE S， WANG Q ．Urban mobility and resilience：exploring Boston’s urban mobility network through twitter data［J］．Applied Network Science，2020，5：1-20．
10	叶建红，梁源，张宇飞，等．重大突发公共卫生事件下交通运输应对策略——新型冠状病毒肺炎疫情的回顾性分析［J］．城市交通，2020，18（3）：71-79．
	YE Jianhong， LIANG Yuan， ZHANG Yufei，et al ．Transportation strategies under public health emergency：a review of COVID-19 pandemic［J］．Urban Transport of China，2020，18（3）：71-79．
11	罗炯，黄靖翔，周溶伟，等．疫情下的地铁客流特征分析及管控——以深圳地铁为例［C］∥2020年中国城市交通规划年会论文集．北京：［出版者不详］，2020．
12	赵卫华．新冠肺炎疫情之下居民“生活韧性”分析：一个理论框架及实证检验［J］．江苏社会科学，2021（3）：78-89．
	ZHAO Weihua ．Analysis of residents’“life resilience”under the COVID-19 pandemic：a theoretical framework and empirical test［J］．Jiangsu Social Sciences，2021（3）：78-89
13	ADGER W N ．Social and ecological resilience：are they related？［J］．Progress in Human Geography，2000，24（3）：347-364．
14	WALKER B， HOLLING C S， CARPENTER S R，et al ．Resilience，adaptability and transformability in social-ecological systems［J］．Ecology and Society，2004，9（2）：5．
15	FERNÁNDEZ-PRADOS J S， LOZANO-DÍAZ A， MUYOR-RODRÍGUEZ J ．Factors explaining social resilience against COVID-19：the case of Spain［J］．European Societies，2021，23（Sup1）：S111-S121．
16	ALOI A， ALONSO B， BENAVENTE J，et al ．Effects of the COVID-19 lockdown on urban mobility：empirical evidence from the city of Santander （Spain）［J］．Sustainability，2020，12（9）：3870．
17	GAO J， WANG J， BIAN Z，et al ．The effects of the COVID-19 pandemic on transportation systems in New York City and Seattle，USA［EB/OL］．（2020-05-03）［2022-11-06］．．
18	EISENMANN C， NOBIS C， KOLAROVA V，et al ．Transport mode use during the COVID-19 lockdown period in Germany：the car became more important，public transport lost ground［J］．Transport Policy，2021，103：60-67．
19	TAN L， MA C ．Choice behavior of commuters’ rail transit mode during the COVID-19 pandemic based on logistic model［J］．Journal of Traffic and Transportation Engineering （English Edition），2021，8（2）：186-195．
20	BRUNEAU M， CHANG S E， EGUCHI R T，et al ．A framework to quantitatively assess and enhance the seismic resilience of communities［J］．Earthquake Spectra，2003，19（4）：733-752．
21	CONTRERAS D， BLASCHKE T， TIEDE D，et al ．Monitoring recovery after earthquakes through the integration of remote sensing，GIS，and ground observations：the case of L’Aquila （Italy）［J］．Cartography and Geographic Information Science，2016，43（2）：115-133．
22	李亚，翟国方．我国城市灾害韧性评估及其提升策略研究［J］．规划师，2017，33（8）：5-11．
	LI Ya， ZHAI Guofang ．China’s urban disaster resilience evaluation and promotion［J］．Planners，2017，33（8）：5-11．
23	中华人民共和国国家卫生健康委员会．疫情通报［EB/OL］．［2022-11-26］．．
24	CHEN X， TIAN T， ZHANG H，et al ．Recovery patterns and heterogeneity of rail transit under impact of COVID-19 pandemic［C］∥Proceedings of the Transportation Research Board 101st Annual Meeting．Washington D C：Transportation Research Board，2022．
25	PARKER K， HOROWITZ J， MINKIN R ．COVID-19 pandemic continues to reshape work in America［R］．［S. l.］：［s. n.］，2022．
26	张品立，姚瑶．疫情下的上海市公共交通及运行管理思考［J］．交通与港航，2021，8（3）：79-84．
	ZHANG Pinli， YAO Yao ．Study on the public transport and operation management in shanghai under the pandemic situation［J］．Communication & Shipping，2021，8（3）：79-84．
27	胡松，翁剑成，林鹏飞，等．重大疫情对乘客公共交通依赖性的影响［J］．交通信息与安全，2021，39（3）：17-24．
	HU Song， WENG Jiancheng， LIN Pengfei，et al ．Impacts of major epidemic on passengers’ dependence on public transport［J］．Journal of Transport Information and Safety，2021，39（3）：17-24．
28	赵婉．疫情防控常态化下市级政府应对突发公共卫生事件精准治理研究［D］．太原：山西财经大学，2022．
29	刘民，梁万年．提升城市突发疫情防控能力——以首都新冠肺炎疫情防控为例［J］．前线，2022（10）：28-31．
	LIU Min， LIANG Wannian ．Improving the city’s ability to prevent and control sudden pandemic——taking the prevention and control of the COVID-19 pandemic in the capital as an example［J］．Qianxian，2022（10）：28-31．
30	王新林．大连市政府突发公共卫生事件应急处置能力研究［D］．大连：东北财经大学，2021．
31	汤龙．大连疫情防控24小时［EB/OL］．（2020-07-23）［2022-11-26］．．
32	张宇．社会动员、政府公信力与政策遵从：风险社会韧性治理的合作逻辑［J］．温州大学学报（社会科学版），2022，35（1）：72-80．
	ZHANG Yu ．Social mobilization，government credibility and policy compliance：the cooperative logic of resilient governance in risk society［J］．Journal of Wenzhou University （Social Science Edition），2022，35（1）：72-80．

恢复率/%	工作日客流恢复时间/d				周末客流恢复时间/d
恢复率/%	所有城市	超大城市	特大城市	其他城市	所有城市	超大城市	特大城市	其他城市
50	60	57	59	64	90	79	92	95
80	155	140	164	155	200	186	206	202
90	207	181	196	228	237	212	219	265
100	210	189	199	284	247	251	254	299

城市类别	α			H/d
城市类别	所有客流	工作日客流	周末客流	所有客流	工作日客流	周末客流
所有城市	0.018	0.019	0.016	87.10	77.07	106.82
超大城市	0.023	0.026	0.019	77.23	65.54	96.62
特大城市	0.018	0.019	0.017	85.22	78.27	107.63
其他城市	0.016	0.017	0.015	93.60	81.85	111.26

城市	α			H/d
城市	所有客流	工作日客流	周末客流	所有客流	工作日客流	周末客流
国内28个城市	0.018	0.019	0.016	87.10	77.07	106.82
纽约	0.007	0.006	0.007	307.97	322.91	277.93
伦敦	0.012	0.011	0.013	236.09	245.23	216.62

城市	疫情阶段	持续时间	累计确诊病例	最低点客流占2019年同期客流的比例/%		平均日增恢复率/%		α	H/d
城市	疫情阶段	持续时间	累计确诊病例	工作日	周末	工作日	周末	α	H/d
北京	首轮疫情	2020-01-19—2020-03-06	419	7	7	0.45	0.43	0.023	100.31
北京	二轮疫情	2020-06-11—2020-07-04	335	40	23	0.48	0.51	0.025	74.61
大连	首轮疫情	2020-01-22—2020-04-02	27	10	7	0.56	0.43	0.024	69.53
大连	二轮疫情	2020-07-22—2020-08-05	92	28	16	1.40	1.44	0.034	36.41
武汉	首轮疫情	2019-12-26—2020-04-03	50 333	0	0	0.41	0.35	0.014	106.53
武汉	二轮疫情	2021-08-02—2021-08-11	40	36	26	2.11	1.91	0.100	24.07
深圳	首轮疫情	2020-01-19—2020-04-28	462	7	6	0.37	0.35	0.024	59.64
深圳	二轮疫情	2022-02-13—2022-04-01	1 177	0	0	10.58	6.72	0.161	6.04
上海	首轮疫情	2020-01-20—2020-03-02	338	9	8	0.34	0.30	0.016	68.79
上海	二轮疫情	2022-03-01—2022-06-26	627 110	0	0	8.43	6.16	0.281	7.98

[1]	杨亚璪, 翁唐政. 时空约束对运动出行的影响[J]. 华南理工大学学报(自然科学版), 2024, 52(2): 113-123.
[2]	庄焱, 董春娇, 米雪玉, 王菁, 杨妙言. 基于改进网络核密度和负二项回归的事故黑点鉴别[J]. 华南理工大学学报(自然科学版), 2024, 52(1): 119-126.
[3]	赵小梅, 郝郭宇, 牛晓婧, 周志前. 不同降雨量下基于宏观基本图的边界控制策略[J]. 华南理工大学学报(自然科学版), 2024, 52(1): 72-82.
[4]	胡兴华, 陈兴辉, 汪然, 等. 随机特性下考虑碳排放的公交优先控制优化模型[J]. 华南理工大学学报(自然科学版), 2023, 51(10): 160-170.
[5]	许伦辉, 余佳芯, 裴明阳, 等. 基于几何路网结构和强化学习的车辆重定位策略[J]. 华南理工大学学报(自然科学版), 2023, 51(10): 99-109.
[6]	沈羽桐, 李明, 崔志勇, 等. 混合服务模式车辆资源多时段分配方法研究[J]. 华南理工大学学报(自然科学版), 2023, 51(10): 89-98.
[7]	王昊, 谢凝. 考虑有轨电车效率的干线分段绿波协调优化模型[J]. 华南理工大学学报(自然科学版), 2023, 51(1): 95-105.
[8]	赵建东, 朱丹, 刘佳欣. 基于时间序列分解与门控循环单元的地铁换乘客流预测 [J]. 华南理工大学学报(自然科学版), 2022, 50(5): 22-31.
[9]	吴娇蓉谢金宏王宇沁. 公交线路运行不稳定性画像方法及其应用[J]. 华南理工大学学报(自然科学版), 2022, 50(2): 15-22.
[10]	陈小红, 胡芳. 基于可能度的交叉口信号控制区间优化模型[J]. 华南理工大学学报(自然科学版), 2022, 50(10): 29-40.
[11]	俞礼军. 具有路段容量限制的广义系统最优交通分配[J]. 华南理工大学学报(自然科学版), 2021, 49(4): 140-148.
[12]	姚恩建卢沐阳刘宇环元凌. 考虑充电约束的电动公交区域行车计划编制[J]. 华南理工大学学报（自然科学版）, 2019, 47(9): 68-73.
[13]	刘仲波赵小辉. 基于状态判别的环形交叉口信号设置依据[J]. 华南理工大学学报(自然科学版), 2018, 46(9): 92-98.
[14]	陈小红张协奎陈诗淼. 信号交叉口周期时长区间决策模型 [J]. 华南理工大学学报（自然科学版）, 2018, 46(4): 44-50.
[15]	田晟许凯. 考虑异质出行者的拥挤收费路网流量演化模型[J]. 华南理工大学学报（自然科学版）, 2018, 46(11): 110-116.

城市居民活动韧性——新冠肺炎疫情期间轨道客流恢复的实证

Activity Resilience of Urban Residents: Empirical Evidence Based on the Recovery of Rail Transit Ridership During the COVID-19 Pandemic

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 9

参考文献 32

相关文章 15

编辑推荐

Metrics

本文评价