EN中文

Journal of Geo-information Science >

2023 , Vol. 25 >Issue 12: 2303 - 2314

DOI: https://doi.org/10.12082/dqxxkx.2023.230208

An Evaluation Method of Community Supply Support and Resilience Based on Complex Network

  • HUANG Hao , 1, 2 ,
  • WANG Junchao 1, 3 ,
  • WANG Chengfang , 1, 4 ,
  • XIE Yuanyi 1, 5 ,
  • ZHANG Wenchu 1
Expand
  • 1. School of Architecture, South China University of Technology, Guangzhou 510640, China
  • 2. School of Architecture, Tsinghua University, Beijing 100084, China
  • 3. Guangzhou Urban Planning & Design Survey Research Institute, Guangzhou 510600, China
  • 4. State Key Laboratory of Subtropical Building and Urban Science, Guangzhou 510640, China
  • 5. College of Architecture and Urban Planning, Tongji University, Shanghai 200433, China
*WANG Chenfang, E-mail:

Received date: 2023-04-19

  Revised date: 2023-10-04

  Online published: 2023-12-05

Supported by

National Natural Science Foundation of China(52078217)

State Key Laboratory Foundation of Subtropical Building and Urban Science(2022KA01)

Fold

Abstract

The assurance of a consistent supply of daily necessities in megacities is pivotal in fortifying community supply resilience. It is axiomatic that a community system is not an insular entity; rather, it intricately intertwines with various elements of urban systems. As a foundational unit of urban governance, the urban community is instrumental in facilitating a congruent nexus between supply and demand, thereby augmenting urban resilience. This study proposes an exploratory evaluation method for the urban community supply support and resilience based on complex network theory, attempting to achieve a breakthrough in the underlying theoretical framework of resilience assessment from "single system assessment" to "multi-system correlation assessment". Taking the six districts in the central city of Guangzhou as an example, we build a supply-demand network based on citizens' spatio-temporal behaviors using multi-source data such as mobile phone signaling data and other data. The attacking strategies of network are based on five community resilience indicators. Besides, the cascade failure mechanism is introduced to evaluate the network resilience, and the entropy-weighted method is employed to obtain resilience evaluation results. The influence mechanism of community resilience on the supply system is further analyzed by studying the factors affecting community node failure at different stages of supply network. The findings are as follows: (1) The proposed evaluation model of the community supply support and resilience can effectively simulate urban community supply-demand networks and evaluate the resilience of communities. Low-resilience communities are mainly categorized into three spatial types: old blocks, urban villages, and suburban blocks; (2) Through the analysis of network resilience under five different attack strategies, it is found that the dominant influencing factors are different, with the population density being the primary factor; (3) There exists a complex bidirectional relationship between community resilience and supply security, including the obvious vulnerability of low-resilience communities. And the community self-organization ability, the supply facility layout, and the linkage scheduling between supply points all affect the overall community resilience.

Key words： complex network; community resilience; supply support; network invulnerability; cascading failure; supply-demand correlation; bidirectional influence

Cite this article

HUANG Hao , WANG Junchao , WANG Chengfang , XIE Yuanyi , ZHANG Wenchu . An Evaluation Method of Community Supply Support and Resilience Based on Complex Network[J]. Journal of Geo-information Science, 2023 , 25(12) : 2303 -2314 . DOI: 10.12082/dqxxkx.2023.230208

1 引言

城市社区韧性，是指社区在内外部复杂环境系统中充分调动可利用资源，快速应对和适应风险灾害的冲击，并恢复居民生活稳态的能力。由于现代城市风险灾害的不确定性，社区韧性被引入城市防灾治理领域[1]，也逐步被纳入到全球风险治理的核心话语体系[2-3]。社区作为城市诸多系统之一，其韧性与供应系统高度关联。突发公共卫生事件时，社区作为城市基本单元与神经末梢，对物资需求变化极其敏感，常导致城市局部地区物资需求的迅速增 长[4]，低韧性社区往往面临更大的生活必需品供应匮乏风险，也容易成为非常时期城市供应保障的薄弱环节而触发一系列严重问题。供应保障涉及突发公共事件下居民基本生存问题，显著影响社区系统韧性，因此，构建城市社区韧性评估模型、识别低韧性社区并探索社区韧性针对性提升策略，对提升现代化城市治理能力与保障居民福祉具有重要意义。
社区韧性评估研究较为丰硕，前人学者曾提出如社区灾害韧性框架、4R模型、社区韧性框架[5⇓-7]等模型，为社区韧性深入研究提供了一定参考，但研究大多局限于社区单一系统韧性的讨论，对多系统关联或网络视角介入社区韧性相关研究关注较少。国外学者多关注突发公共事件下城市空间韧性提升或社区保健系统构建等[8⇓⇓-11]，国内学者近年多关注社区防疫规划与策略及基层医疗配套等[12-13]。未来城市存在若干各自发展又相互关联的系统,这与作为单一系统的城市有着根本的区别[14]，社区系统无法孤立存在，其与城市供应体系等外部资源环境紧密交互，构成动态的复杂体系。传统关注社区内部功能结构与社区事务管理的社区治理[15]，已不能满足当今社区供应保障管理需求。本研究结合复杂网络理论解析城市网络中社区与供应关系，并以特大城市社区生活物资供应为例开展实证研究，尝试测度城市供应保障下的社区动态韧性，从而探索提出基于复杂网络理论构建社区韧性评估方法框架，实现从“单系统评价”走向“多系统关联评价”的社区韧性评估底层理论思维突破。
当前国内城市供需体系包括“原产地-批发市场-农贸市场或前置仓-社区”等多个层级，其中“市场-社区”层级最切中居民在突发事件下的基本生存问题。从“体系韧性”的概念共识走向理论实践尤为重要，复杂网络（Complex Network）为研究城市供需网络中的社区韧性提供了路径，其是由节点与节点间的相互关联组成的复杂系统。有学者结合复杂网络方法挖掘人流时空行为模式、构建多灾种时空耦合网络[16⇓-18]等。在突发公共事件情境下，受灾地区物资需求迅速变化从而影响城市基础设施网络。在物资供应保障研究方面，大多研究从供给端出发，容易忽视与市民日常生活直接关联的“市场-社区”生活必需品物资供应这一层级，而该层级最能反映突发情况下社区需求与设施网络动态变化[19]，对剖析基层社区供应保障的影响因素举足轻重。在研究方法上，主要包括抗毁性算法、多智能体、遗传算法、结构方程模型[20⇓-22]等，其中抗毁性算法可模拟城市真实情况，蓄意攻击现实薄弱节点，有效衡量物资供应保障与社区韧性之间的关系。
因此，本研究采用复杂网络方法研究“市场-社区”层级的生活物资供应网络，选取抗毁性算法模拟供需网络中的社区韧性与供应关系，解析供应系统与社区系统的关联机制，识别潜在供应保障不足的低韧性社区，关注低韧性社区居民物资需求与物资供应网络的动态响应，以期为基层应急预案决策与生活物资保障提供科学依据，为城市社区管理与供应设施建设提供参考借鉴。

2 研究设计

2.1 研究思路

本研究聚焦与市民生活密切相关的生活物资供应网络（本文中生活物资主要指蔬菜、粮油、方便食品及日常生活用品等生活必需品），基于“市场-社区”供应网络层级构建社区韧性评估模型，如图1所示。
图1 研究思路框架

Fig. 1 Research framework

首先，借助手机信令、POI（Point of Interest）、OSM（Open Street Map）等多源数据构建城市生活物资供需网络和供应网络，同时基于社区韧性不同影响因子制定供应网络制定攻击策略；其次，利用抗毁性分析方法模拟社区韧性影响因子对整体供应网络的影响，结合熵权法确定各因素权重，识别突发事件下潜在的低韧性社区；最后，通过解析不同社区韧性影响因素对网络的影响，探究社区韧性与供应保障的双向影响机制，为完善提升社区人居环境与供应保障供量化依据。

2.2 模型构建

模型构建有2个前提假设：① 假设同层级的城市内部社区级供应点间能够自由进行物资调配； ② 假设城市外部供应与内部运力充足。

2.2.1 构建供需网络与供应网络

城市生活物资网络分为供需网络和供应网络，其中供需网络是供应点与需求点之间的网络，供应网络是供应点之间的网络，分别用于计算供应点的常态服务量与供应点间的联系程度。
（1）供需网络的构建
因手机信令数据包含用户所在地理位置及驻留时长信息，可作为研究城市居民出行行为的基础数据，包含职住、娱住等日常出行信息，故采用手机信令轨迹数据模拟城市真实的供需关系。研究根据居民的时空间对应关系识别其采买范围和居住空间，操作方法如下:
① 通过GIS平台将供、需点空间数据与500 m×500 m网格进行空间链接，使其带有网格ID信息；
② 通过信令数据停留时长识别出居民的稳定停留地，将通勤类交通出行量数据（Origin-Destination Data，OD）排除；并从手机信令数据的单向非通勤OD中进一步筛选出供、需网格间的OD，即为前往市场等供应点购物物资的市民的出行轨迹；
③ 将数据转换为供需网格间的OD矩阵，利用ArcGIS构建基于真实人群轨迹的供需网络空间 模型。
供应点x的服务能力 P x即常态服务人口量的计算公式如下：
P x = P b · σ · α · θ
式中： P b为采买人员的OD数量； σ为校正系数，用于校正数据源人口总量与第七次人口普查总量的差距； α为平均家庭人数指标； θ为前往供应点出行中购买生活必需品类物资的比例。其中，根据供应栅格ID对各市场采购人员数量求和，通过平均家庭人数指标对服务人数进行扩样，根据年鉴数据进行校准。
（2）供应网络的构建
突发事件中，供应点间的物资调配机制受到两个供应点间联系度的影响。设定供应点x和y的生活物资服务联系度为 C x y，计算公式如下：
C x y = P x P y D x y 2
式中： P x为供应点x的服务能力； P y为供应点y的服务能力； D x y为供应点x和供应点y之间的距离，由基于路网的OD成本分析计算得到。其中，研究选取与社区级物资配送紧密相关的3个道路等级（主干路、次干路和支路）计算基于实际路网的供应点间距离 D x y；由供需网络计算得到各供应点常态服务人口量 P x，结合引力模型计算任意供应点x与y间的生活物资服务联系度矩阵。
此外，由于现实生活中距离较远或生活物资储备量较小的供应点难以对其他供应点提供物资调配，故研究设定生活物资联系度门槛值 C 0=1。当 C x y <   C 0时，认为供应点x和y之间不存在物资调度关系，将 C x y设为0（无联系），其他值保留不变，得到供应点间的关系矩阵。

2.2.2 基于社区韧性的网络攻击模型构建

（1）基于社区韧性的供应网络攻击策略
本研究从社区人口构成、社区基础设施、社区自组织能力3个维度衡量社区韧性，并扩展为5个指标作为供应网络攻击策略设定的依据（表1）。经评估得到社区韧性排序并识别出低韧性社区后，对供需网络中的主要供应点依次进行蓄意攻击，以此模拟城市突发公共事件下对社区与市场的打击，从而来评估整个生活物资网络的抗毁性。
表1 社区供应保障与韧性评估指标体系

Tab. 1 Influencing factor framework of community resilience evaluation

韧性评估维度 指标要素 对韧性的影响 数据来源及计算方法
社区人口构成 人口密度 正向影响 手机信令；网格单元总人口/单元面积(%)
老年人比例 正向影响 手机信令再校准；大于60岁人口/总人数(%),并根据广州统计年鉴进行校准（校准系数为1.214）
人均消费能力 负向影响 手机信令数据；综合话费与手机型号进行分级
社区基础设施 商超密度 负向影响 POI；计算方法：供应点POI数量（网格单元商场、超市等）/单元面积(%)
社区自组织能力 非通勤人流比例 正向影响 手机信令；非通勤人数/总人数(%)
其中，社区人口构成包括人口密度、老年人比例、人均消费能力3个指标。已有研究表明：单位大院、胡同社区等典型老旧社区具有流动人口多、老龄化突出等灾害脆弱性特征[1]；话费和手机型号可侧面反映人均消费能力；社区基础设施的系统性、网络化特征可体现社区抵御灾害的能力[23]，而商超密度可体现设施布局的合理性及完备性；同时，社区自组织能力是社区自治能力和居民抵抗风险能动性的体现，本研究以非通勤人流比例作为参考指标，考虑到对城市社区来说，非通勤人员在时空间行为上具有较高的灵活性，在突发情况下具有较好的社区自组织能动性。
（2）考虑级联失效的供应网络抗毁性评估
复杂网络中的微小变动都将对其他节点产生影响[24]，级联失效是供应链中断的根本原因之一。级联失效是指在复杂网络中局部的失效可能导致关联部分的接连性失效，最后导致整体网络的失效。突发事件中，需求端居民时空行为变化会导致物资需求变化，例如受灾供应点失效后居民需求会转向其他供应点等。居民需求不是一个宏观的静态数字，更关系到突发事件下社区中个体的受灾情况与真实需求变化。
因此，社区居民的动态反馈应被给予充分重视,本研究制定针对基于社区韧性的攻击策略时，将受灾社区物资需求的级联失效与级联传播纳入考虑。主要包括以下几个方面：
① 蓄意攻击下节点失效
根据上文提到的5个指标分别制定攻击策略，通过Matlab软件模拟灾害攻击供应点。被攻击节点失效后，其物资负载量转由附近供应点承担。设定每个供应点能承载的最大负载量为 L i m a x，当供应点i的负载超过容量的一定倍数时，节点超载而成为失效节点，缺失服务量为 S i：
L i m a x = L i · α
S i = L r - L i m a x
式中： α为超载系数，参考前人研究[25] ，系数取1.4时供应网络具有较强的物资储备容量且贴近现实情况； L i为供应点i的常态节点服务量； S i表示供应点i的缺失服务量； L r为供应点i的突发事件下的实际负荷量。
② 负载重分配
当供应点i受到攻击失效时，其缺失服务量将按照一定的重分配规则由周围供应点承担。现有研究证明，按剩余容量比例重分配负载最为有效[26⇓-28]。本研究按节点j剩余容量与超载节点周围所有关联节点剩余容量总和之比，将失效的供应点i的负载疏散给相邻节点j。
重分配负载公式为：
L i j = R j ∑ k ∈ I ( R k ) S i
式中： L i j表示供应点i分配给节点j的负载； S i表示供应点i的缺失服务量，即传递给相邻节点的负载； R j表示节点j的剩余容量； R k表示节点k的剩余容量； I表示与供应点i关联供应点的集合。
③ 全局网络效率评价
当供应点i过载且周围节点均过载时，供应点i上的超额负载将无法分配，划定为缺失服务量。当网络中缺失服务量不再增加，网络级联效应结束。采用全局网络效率来评价供应网络受到蓄意攻击后韧性变化，其通常用于反应整个网络中节点间连接的难易程度，公式如下：
E = 1 n ( n - 1 ) ∑ i ≠ j 1 d i j
式中： E为全局网络效率；根据Dijkstra算法，分别算得 d i j为从节点vi到节点vj的最短距离； n为初始供应网络中节点的总数。

2.2.3 利用熵权法确定社区韧性权重

熵权法通过各指标变异离散程度来进行权重计算，即关注各指标熵值提供的信息量大小。采用5种方式蓄意攻击后供应网络的全局网络效率变化斜率作为指标，计算社区韧性指标权重。
首先，计算各社区主要供应点受攻击后全局网络效率曲线变化斜率：
K = | y n - y 1 x n - x 1 |
式中： K为斜率； y为全局网络效率；共有 n个供应点。
接着，通过对标准化后的数据计算信息熵，并得到社区韧性指标权重：
N i j = K i j - m i n ( K j ) m a x ( K j ) - m i n ( K j )
T i j = N i j ∑ j = 1 n N i j
E i = - 1 l n m ∑ i = 1 m T i j l n T i j
W i = 1 - E j ∑ j = 1 n ( 1 - E j )
式中： N i j为标准化后的斜率数据； T i j为归一化后的斜率数据； E i为计算的信息熵； W i为指标权重。
最后，根据熵权法得到的权重，综合评价社区韧性，公式如下：
F = ∑ i = 1 5 w i × f i
式中： F表示社区韧性评价值； W i表示指标权重； f i表示指标值（  根据指标对韧性的正负影响取对应＋/-）。

3 实证研究

3.1 研究区概况

研究选取广东省广州市中心六区作为研究 区域（图2），研究区面积约1 605 km2，常住人口约 1 275万人。作为人口基数庞大的特大城市，广州供需网络层级复杂且不同类型的社区数量众多，社区供应保障能力在应对突发公共事件时尤为重要。社区供应保障韧性是民生底线，以广州作为实证案例能为特大城市社区韧性提升与供应设施配备提供参考。
图2 研究区域范围

Fig. 2 Research scope

3.2 数据来源与处理

如表2所示，本研究采用的数据主要包括3类：① 社区位置点数据；② 用于构建城市供需网络的数据：手机信令OD数据、POI（生活物资供应点、需求点等）、道路网与行政区划数据；③ 微博签到数据：包含2021年6月广州新冠疫情时的签到位置与文本数据，用来校验低韧性社区识别结果。
表2 数据来源

Tab. 2 Data source

数据类型 数据说明 数据来源 年份
手机信令数据 包括非通勤OD、社区人口数、老年人比例、人均消费能力等信息，共
63 577条		 中国联通智慧足迹 2021
需求点POI 包括住宅区、宿舍等，共31 263个 百度地图开放平台API 2022
生活物资供应点POI 肉菜市场、前置仓、社区商超、购物中心等，共20 945个 百度地图开放平台API 2022
交通道路路网 都市高速路 、高速公路 、省道 、县道 、乡镇道路 、行人道路 、其他道路 OpenStreetMap 2022
行政区划数据 后处理为500 m×500 m网格 国家地理信息公共服务平台 2022
社交媒体数据 微博签到与文本数据，共16.3万条 新浪微博 2021

注：① 手机信令数据于2021年9月采集，在此期间广州市几乎无新增境内确诊病例和境内无症状感染者，为常态化时期的人流OD信息，用于建立正常情况的供需网络；② 微博签到数据为2021年6月采集，该时期广州芳村与海珠中部等多地爆发疫情，从16万条数据中识别市民情感，将其作为实际案例检验低韧性社区识别结果。

数据处理主要包括如下4个方面：
（1）数据清洗：对重复数据进行清洗。
（2）OD数据扩样：根据联通运营商市场占有率扩样至全市人口。① 扩样常住人口=移动常住人口×扩样系数；② 扩样系数=1/（运营商市场占有率×移动电话普及率）。
（3）道路网数据处理：主要包括Arcpy单线化处理与GIS的OD成本分析。
（4）社交媒体数据处理：筛选包含“疫情”、“物资”等关键词的文本数据，进行数据清洗与自然情感倾向判断。

3.3 城市供需网络构建与分析

研究发现，供需网络构建结果与广州“十四五”时期供需网络特征、规划发展方向基本一致。如图3所示，广州中心六区供需网络整体呈现以中心城区为核心，向北、东、南部延伸的供应格局；供需网络最密集的区域集中在荔湾-越秀-海珠-天河东西走向，整体发展态势较好，东部供需网络联系相对最为紧密。同时，分析主要供需联系通道可知：在车陂-棠下街道、天河-石牌街道、瑞宝-南州街道等呈现小组团分布特征；在赤岗-凤阳街道呈现大组团分布。社区-市场联系主要以500~2 000 m中短距离为主。
图3 广州市中心六区供需网络及供应点服务能力分析

Fig. 3 Analysis of supply-demand network and service volume of supply nodes in six central districts of Guangzhou

研究发现（图4），广州中心城区生活物资网络供应点联系较为密集，重大公共事件突发时，供应点能通过物资调度有效疏散服务量，满足周边城市居民的需求；中心城区服务量较大，存在多个核心供应点，其联系范围广且与周边供应点联系度高；番禺区与白云区供应点分布较为零散，点与点之间联系较弱，存在多个孤立供应点，疫情发生时物资调度易有阻碍，网络受到攻击时难以通过周围供应点疏散服务量。
图4 广州市中心六区供应网络及生活物资服务联系度分析

Fig. 4 Analysis of supply network and service connection degree of daily necessities in six central districts of Guangzhou

3.4 社区韧性评估结果与校验

通过上文2.2节提出的网络抗毁性评估与熵权法综合评定后，得到人口密度、老年人比例、人均消费能力、商超密度、非通勤人流比例的权重结果分别为0.48、0.11、0.06、0.08、0.27。如图5所示，基于复杂网络理论的社区韧性综合评价和识别分析发现：潜在供应保障缺失的低韧性社区整体呈局部成片聚集、少数分散分布，主要集中分布在越秀区中部、海珠区中部、荔湾区东北部及天河区南部，呈东西向块状分布，其他低韧性社区散布在番禺区与白云区的边缘地带；高韧性社区主要分布在天河区中部与东部、番禺区北部、海珠区南部等区域，相对完善的设施配套与住区规划使供应保障韧性较强。通过结合卫星影像、街景图片及实地考察进一步分析发现，低韧性社区主要分为3种空间类型（表3）：老旧街区、城中村、城郊街区，分别选取典型样本地区进行指标细化评估，限于篇幅不再赘述。
图5 基于复杂网络的社区韧性评估结果

Fig. 5 Community resilience results based on complex network method

表3 低韧性社区3种空间类型示例

Tab. 3 Three cases of spatial types of low resilience communities

为检验社区韧性评估结果的准确性，选取城市重大公共事件下的公共情绪感知进行检验。通过突发事件时期微博语义分析可以侧面反映当时公众感知情况，与社区韧性评估结果进行对比分析（图6），可发现通过本文提出的评估方法识别的低韧性社区与微博负面情感空间分布典型区域基本耦合。
图6 微博负面情感空间（生活物资供应缺失公众情绪感知）与低韧性社区评估结果对比分析

注:虚线圈代表负面情绪重点区域。

Fig. 6 A comparative analysis of Weibo negative emotional space and the evaluation results of low resilience communities

3.5 社区韧性与供应网络的双向影响解析

通过针对社区韧性的5个不同指标进行攻击的全局网络效率变化（图7），可以发现：① 社区人口密度是网络供应韧性的主要影响因素，基于人口密度的攻击在第120次左右就降低至一个稳定低值，侧面也反映了人口是设施规划布局需要关注的核心问题； ② 在供应网络全局网络效率降低的不同阶段，社区韧性主要影响因素不同。其中，在供应网络级联失效前期阶段，商超密度和非通勤人流比例是影响供应网络的重要因素，因社区商超类设施可保障社区居民的基本生活需求，面临突发公共事件时可根据需求量变动调整物资储配从而保障供应网络的持续运转；在失效中期阶段，非通勤人流比例是影响供给网络的重要因素，在公共突发事件下，居委会或业委会等与社区机动人员能否在短时间内形成较好的协作关系，相互援助应急物资与灾害资讯，对供应网络也会产生重要影响；在失效后期阶段，老年人比例和商超密度成为影响供给网络的重要因素。
图7 基于社区韧性的5种蓄意攻击下的全局网络效率变化

Fig. 7 Changes in global network efficiency under five deliberate attacks based on community resilience

综上可以发现，社区韧性系统与供应网络之间存在动态双向影响，如图8所示。
图8 社区韧性与供应网络的双向影响解析

Fig. 8 The bidirectional influence between community resilience and supply system

对于社区韧性而言，一方面，低韧性社区在面对城市突发事件时存在明显脆弱性，并导致供应端压力迅速增。突发事件下社区部分设施被破坏且应急物资需求迅速增长，导致市场等部分供应点超负荷运转，甚至产生基本生活物资供不应求，影响片区的整体韧性。另一方面，社区内生力量的缺乏将加剧突发事件下供应缺失的问题。Helm[29]认为，人口变化与对基础设施系统的过度依赖等将给复杂网络带来韧性风险，安全将越来越依赖于社会资本、非正式通信网络和组织文化等社区属性。社区自组织能力体现着社区自治能力和居民抵抗风险的能动性，复杂网络中日益紧密的连通性使社区能够自我组织[12]、参与并和其他社区建立联系从而提高整体适应能力。
对于供应网络而言，供应设施的合理布局与供应点之间的物资调度是影响社区韧性的2个主要传导路径。一方面，社区基础设施是系统韧性的物质基础，设施的合理布局和完备性能提高社区抵御和应对灾害的能力。农贸市场、社区商超等不同层级的生活物资供应设施均需合理配置。因此，除了考虑设施物资服务能力外，还需考虑可预见灾害下的物资预储备，提升供应节点在复杂网络中的韧性。另一方面，复杂网络中供应端的高度联动将进一步提升社区层面的供应韧性。社区与市场都不是“孤岛”，彼此孤立考虑会过于放大某个供应点失效对某社区的影响[29]，网络结构中的权衡与调整十分重要[30]，因此，突发事件下区域内部社区超市、肉菜市场等供应点间有必要建立物资调度预案机制，物资补供与有效分配有利于纾解社区可能面临的物资匮乏困境，上述基于复杂网络抗毁性分析的社区韧性动态评估方法为之奠定良好的基础。

4 讨论

基于复杂网络的社区韧性评估方法从方法论角度呼应了复杂城市的“体系思维”。“体系思维”强调城市不只作为各子系统的集合，而是包括系统实体与系统间的关系。在方法论层面，已有传统韧性评估研究常根据不同研究视角与研究场景得到不同的指标体系[31⇓-33]，科学评估取得一定进展，但大多数研究本质仍是针对单一系统进行指标选取与权重确定。
本研究提出的方法框架本质上是通过双系统的关联来进行评估，是基于体系思维的方法推导与实证尝试，具有较好的方法论价值与推广意义。以供应网络与社区为研究对象，基于复杂网络尝试解析城市子系统间的作用机理，也为其他城市子系统间的量化研究提供思路参考。在韧性评估结果层面，不同的韧性评估指标体系得到不同结果准确与否，评估“数值”是否能真实反映社区面临灾害冲击时的韧性变化，尚未得到明确的学界共识，本评估框架创新性通过城市多源数据反馈供应动态，并预判社区面临突发情况时的物资保障效果，除了能提供结合社区评估提出完善设施、提升治理等建议外，还能有效评估突发事件下哪些社区存在多少物资供应缺口，可为落实应急管理、物资输送与规划决策等提供量化支撑与科学参考。
社区作为城市治理基本单元，对推动供需联动与增强城市韧性具有关键作用。首先，政府重视社区基础设施更新，强化供应设施物理韧性。由于低韧性社区基础设施相对欠缺、人口基数大、流动人口多或人口老龄化等问题，网络失效风险相对较高[30]，建议通过新增、扩容等方式逐步完善供应网络，增强设施稳定性、配送及时性。其次，应重视数据与技术整合，提升社区应急技术韧性。在多源数据所构建的韧性评估模型基础上整合需求及相关设施数据，搭建社区应急智能化信息系统，实现物资供应的“风险识别-风险评估-监控预警”的信息共享交互。最后，优化社区组织结构，提升社区治理韧性。给予基层政府充分的自治职能，组织社区队伍有序参与社区应急实践，提升社区工作方案精细度，在社区之间建立远程支助网络，使其在应对突发危机以及风险管理规划方面相互联系，夯实社区应急组织的整合性和自治力。

5 结语

本研究以广州中心城区为例，基于复杂网络分析供应保障下的社区韧性并构建社区韧性评估框架，从“自下而上”视角解析城市生活物资供需网络，结合级联失效机制对供应网络进行抗毁性分析评估，进一步提炼影响社区供应保障的核心影响因素，研究解析突发事件下不同因素对供需网络的影响程度，并尝试解析社区韧性与供应网络之间的双向影响机理和针对性提出优化提升策略。研究发现：① 基于复杂网络的供应保障低韧性社区空间分布以局部成片聚集、少数分散为主，大致分成老旧街区、城中村及城郊街区3种空间类型；② 在供应网络全局网络效率降低的不同阶段，社区韧性的主要影响因素不同。其中，人口密度为首要考虑因素，非通勤人流比例一定程度上可测度社区自组织能力； ③ 社区韧性与供应保障存在复杂的双向影响关系。低韧性社区更易出现突发公共事件，导致局部供应网络崩溃；供应设施布局与供应点间的物资调度也会影响社区整体韧性。
供需端物资信息的迅速传递与供应点间的高度联动才能更有效地提升城市供应体系韧性与社区韧性，本研究可为未来城市管理搭建实时更新的数字供需网络平台提供参考借鉴。本研究侧重方法框架的讨论，采用精度较高的人群轨迹数据，并结合市民“生活物资”相关需求情感、实地调查验证韧性评估结果和现实情况较为符合，但研究选取的韧性指标体系有待进一步优化，指标测度的数据质量也待进一步提升。需要补充说明的是：① 研究虽针对老年人口比例等数据进行整体校正，但因采用手机信令数据不包含部分无现代通讯工具人群，存在误差不可避免，未来随着城市地区电子支付普及化，该部分人群对采购行为识别的影响相对较小； ② 在特大城市中各区域早晚时段人口分布差异较大，导致物资分配存在一定差异，未来研究中建议考虑结合日夜不同时空供应动态对社区韧性进行深入解析； ③ 建议未来研究构建定量模型对社区韧性与供应网络的双向影响机理进一步探索，或根据规划决策方案对提升后的低韧性社区进行模拟攻击，以期校核方案的科学性与可靠性。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
段进, 杨保军, 周岚, 等. 规划提高城市免疫力——应对新型冠状病毒肺炎突发事件笔谈会[J]. 城市规划, 2020, 44(2):115-136.

[ Duan J, Yang B J, Zhou L, et al. Planning improves city’s immunity: A written conversation on covid-19 breakout[J]. City Planning Review, 2020, 44(2):115-136. ] DOI:10.11819/cpr20201601

[2]
Romero-Lankao P, Gnatz D, Wilhelmi O, et al. Urban sustainability and resilience: From theory to practice[J]. Sustainability, 2016, 8(12):1224. DOI:10.3390/su8121224

[3]
Blagojević N, Hefti F, Henken J, et al. Quantifying disaster resilience of a community with interdependent civil infrastructure systems[J]. Structure and Infrastructure Engineering, 2022:1-15. DOI:10.1080/15732479.2022.2052912

[4]
李江川, 张健钦, 杨木, 等. COVID-19智能体模型及城市疫情封控措施评价研究[J]. 计算机工程与应用, 2022, 58(10):283-291.

DOI

[ Li J C, Zhang J Q, Yang M, et al. Research on COVID-19 agent model and evaluation of urban epidemic siege measures[J]. Computer Engineering and Applications, 2022, 58(10):283-291. ] DOI:10.3778/j.issn.1002-8331.2011-0305

[5]
Peacock W G, Ragsdale A K. Social systems, ecological networks and disasters: Toward a socio-political ecology of disasters[J]. Hurricane Andrew: Ethnicity, Gender and the Sociology of Disasters, 2012:20-35. DOI:10.4324/9780203351628-11

[6]
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. DOI:10.1193/1.1623497

[7]
Cutter S L, Barnes L, Berry M, et al. A place-based model for understanding community resilience to natural disasters[J]. Global Environmental Change, 2008, 18(4):598-606. DOI:10.1016/j.gloenvcha.2008.07.013

[8]
De Iuliis M, Kammouh O, Cimellaro G P. Measuring and improving community resilience: A fuzzy logic approach[J]. International Journal of Disaster Risk Reduction, 2022, 78:103118. DOI:10.1016/j.ijdrr.2022.103118

[9]
范蕴玉. 国外社区韧性研究的知识图谱与热点前沿——基于Web of Science(2001―2020年)的可视化分析[J]. 温州大学学报(社会科学版), 2022, 35(1):81-95.

[ Fan Y Y. Knowledge graph, hot topics and frontiers of community resilience studies abroad—Visual analysis based on web of science database(2001-2020)[J]. Journal of Wenzhou University (Social Science Edition), 2022, 35(1):81-95. ] DOI:10.3875/j.issn.1674-3555.2022.01.010

[10]
Cutter S L, Burton C G, Emrich C T. Disaster resilience indicators for benchmarking baseline conditions[J]. Journal of Homeland Security and Emergency Management, 2010, 7(1):7-15. DOI:10.2202/1547-7355.1732

[11]
Howarth M, Griffiths A, da Silva A, et al. Social prescribing: A ‘natural’ community-based solution[J]. British Journal of Community Nursing, 2020, 25(6):294-298. DOI:10.12968/bjcn.2020.25.6.294

[12]
周霞, 毕添宇, 丁锐, 等. 雄安新区韧性社区建设策略——基于复杂适应系统理论的研究[J]. 城市发展研究, 2019, 26(3):108-115.

[ Zhou X, Bi T Y, Ding R, et al. The construction strategy of resilient communities in Xiong’an new area: Based on the theory of complex adaptive system[J]. Urban Development Studies, 2019, 26(3):108-115. ] DOI:10.3969/j.issn.1006-3862.2019.03.021

[13]
沈睿熙, 谭俊杰, 袁媛. 常态化防控要求下城市基层医疗设施规划研究 ——以广州为例[J]. 南方建筑, 2020(4):1-5.

DOI

[ Shen R X, Tan J J, Yuan Y. Research on the planning of medical facilities at the sub-district level under the requirements of regular epidemic prevention and control: A case study of Guangzhou[J]. South Architecture, 2020(4):1-5. ] DOI:10.3969/j.issn.1000-0232.2020.04.001

[14]
武廷海, 宫鹏, 李嫣. 未来城市体系:概念、机理与创造[J]. 科学通报, 2022, 67(1):18-26.

[ Wu T H, Gong P, Li Y. Future Cities as a system of systems: Its concept, mechanism and creation[J]. Chinese Science Bulletin, 2022, 67(1):18-26. ] DOI:10.1360/TB-2021-0647

[15]
魏玺, 甄峰, 孔宇. 社区智慧治理技术框架构建研究[J]. 规划师, 2023, 39(3):20-26.

[ Wei X, Zhen F, Kong Y. A technical framework of community smart governance[J]. Planners, 2023, 39(3):20-26. ] DOI:10.3969/j.issn.1006-0022.2023.03.003

[16]
张文佳, 季纯涵, 谢森锴. 复杂网络视角下时空行为轨迹模式挖掘研究[J]. 地理科学, 2021, 41(9):1505-1514.

DOI

[ Zhang W J, Ji C H, Xie S K. Pattern mining of spatio-temporal behavior trajectories by complex network analysis[J]. Scientia Geographica Sinica, 2021, 41(9):1505-1514. ] DOI:10.13249/j.cnki.sgs.2021.09.002

[17]
Zhang W J, Thill J C. Detecting and visualizing cohesive activity-travel patterns: A network analysis approach[J]. Computers, Environment and Urban Systems, 2017, 66:117-129. DOI:10.1016/j.compenvurbsys.2017.08.004

[18]
何锦屏, 李双双. 多灾种时空耦合网络构建:从多维网到单顶点网[J]. 地理研究, 2021, 40(8):2314-2330.

DOI

[ He J P, Li S S. Spatiotemporal network modeling of multi-hazard: From bipartite to single point network[J]. Geographical Research, 2021, 40(8):2314-2330. ] DOI:10.11821/dlyj020200894

[19]
Comes T. Designing for networked community resilience[J]. Procedia Engineering, 2016, 159:6-11. DOI:10.1016/j.proeng.2016.08.057

[20]
牟能冶, 程驰尧. 面向突发事件的粮食铁水联运网络抗毁性研究[J]. 安全与环境学报, 2023, 23(3):713-723.

[ Mu N Y, Cheng C Y. Study on the invulnerability of rail-water intermodal transportation network of grain for emergencies[J]. Journal of Safety and Environment, 2023, 23(3):713-723. ] DOI:10.13637/j.issn.1009-6094.2021.1920

[21]
冯瑛杰, 谢庆红. 基于遗传算法的应急物流设施选址与调度[J]. 科技和产业, 2021, 21(9):102-106.

[ Feng Y J, Xie Q H. Location and scheduling of emergency logistics facilities based on genetic algorithm[J]. Science Technology and Industry, 2021, 21(9):102-106. ] DOI:10.3969/j.issn.1671-1807.2021.09.018

[22]
Ali I, Arslan A, Chowdhury M, et al. Reimagining global food value chains through effective resilience to COVID-19 shocks and similar future events: A dynamic capability perspective[J]. Journal of Business Research, 2022, 141:1-12. DOI:10.1016/j.jbusres.2021.12.006

PMID

[23]
Therrien M C, Jutras M, Usher S. Including quality in Social network analysis to foster dialogue in urban resilience and adaptation policies[J]. Environmental Science & Policy, 2019, 93:1-10. DOI:10.1016/j.envsci.2018.11.016

[24]
Tang L, Jing K, He J, et al. Robustness of assembly supply chain networks by considering risk propagation and cascading failure[J]. Physica A: Statistical Mechanics and Its Applications, 2016, 459:129-139. DOI:10.1016/j.physa.2016.04.030

[25]
Chen C Y, Zhao Y, Gao J X, et al. Nonlinear model of cascade failure in weighted complex networks considering overloaded edges[J]. Scientific Reports, 2020, 10:13428. DOI:10.1038/s41598-020-69775-5

[26]
徐漫辰. 适灾韧性理念下的社区灾害脆弱性实证研究[J]. 规划师, 2019, 35(5):94-98.

[ Xu M C. A positive study on disaster vulnerability of urban community based on disaster resilience theory[J]. Planners, 2019, 35(5):94-98. ]

[27]
Liang H J, Lu J Y, Chen N. Invulnerability analysis and optimization strategy of sector network using cascading failure model[J]. Complexity, 2022, 2022:1-12. DOI:10.1155/2022/5388630

[28]
郝羽成, 李成兵, 魏磊. 考虑节点过载的复杂网络级联失效模型[J]. 系统工程与电子技术, 2018, 40(10):2282-2287.

[ Hao Y C, Li C B, Wei L. Cascading failure model of complex networks considering overloaded nodes[J]. Systems Engineering and Electronics, 2018, 40(10):2282-2287. ] DOI:10.3969/j.issn.1001-506X.2018.10.19

[29]
Helm P. Risk and resilience: Strategies for security[J]. Civil Engineering and Environmental Systems, 2015, 32(1/2):100-118. DOI:10.1080/10286608.2015.1023793

[30]
Galvan G, Agarwal J. Community detection in action: Identification of critical elements in infrastructure networks[J]. Journal of Infrastructure Systems, 2018, 24(1): 04017046-1-04017046-11. DOI:10.1061/(asce)is.1943-555x.0000400

[31]
王兰, 胡沾沾, 赫磊. 基于疫情分析的上海社区韧性影响因素研究[J]. 城市发展研究, 2023, 30(4):60-66.

[ Wang L, Hu Z Z, He L. Research on the influencing factors of community resilience in Shanghai based on analysis of the pandemic situation[J]. Urban Development Studies, 2023, 30(4):60-66. ] DOI:10.3969/j.issn.1006-3862.2023.04.009

[32]
孙鸿鹄, 甄峰. 面向日常活动与环境供需矛盾的城市韧性综合评估及空间特征研究——以南京为例[J]. 地理研究, 2022, 41(10):2697-2711.

DOI

[ Sun H H, Zhen F. Comprehensive evaluation and spatial characteristics of urban resilience under the scenario of supply-demand contradictions between daily activities and the environment: A case study of Nanjing City[J]. Geographical Research, 2022, 41(10):2697-2711. ] DOI:10.11821/dlyj020211186

[33]
钟鸣, 肖璐, 张倩, 等. 山洪视角下社区韧性影响因素及其定量分析[J]. 地理科学进展, 2022, 41(3):423-436.

DOI

[ Zhong M, Xiao L, Zhang Q, et al. Influencing factors and quantitative analysis of community resilience to flash floods[J]. Progress in Geography, 2022, 41(3):423-436. ] DOI:10.18306/dlkxjz.2022.03.006

Options
Outlines

/

〈 〉