基于情景模擬的城市內澇對道路交通的影響評估

梅 超，陳宇楓,2,3，劉家宏,4，王 浩,4，王 東，邵薇薇

(1.中國水利水電科學研究院流域水循環模擬與調控國家重點實驗室，北京 100038；2.北京大學建筑與景觀設計學院，北京 100080； 3.中國長江三峽集團有限公司長江生態環境工程研究中心，北京 100038； 4.水利部水資源與水生態工程技術研究中心，北京 100044)

近年來，極端天氣事件頻繁發生，許多城市發生嚴重內澇，“城市看?！爆F象幾乎每年都出現，造成重大社會影響和經濟損失，引起各界高度關注[1-2]。2021年，我國發生了多起造成人員傷亡的城市內澇事件。7月20日，鄭州最大1 h降水量達到201.9 mm，城市大范圍嚴重積水，部分低洼路段發生人員傷亡；8月16日晚，北京遭遇局地強降雨，一路段嚴重積水，致2名駕車涉水被困人員不幸遇難；9月4日，天津市強降雨短時導致一路段嚴重積水，致使1名駕駛員不幸遇難。頻發的城市內澇災害和人員傷亡事件造成了巨大損失，使得城市管理者和廣大民眾進一步認識到加強城市內澇管理的必要性和重要性[3]。

大量城市內澇事件和災害損失分析表明，城市內澇致災的原因之一是內澇破壞了城市交通系統[4]，特別是城市道路交通。因此，緩解城市內澇災害的關鍵之一，在于有效降低內澇對道路交通系統的影響[5-6]。針對城市內澇對交通的影響相關研究較少，近幾年逐漸受到更多關注，如賴雯潔[7]開展了基于人口和交通動態模擬的暴雨內澇影響下城市應急服務可達性評價；張麗佳[8]開展了城市道路交通系統內澇災害韌性測度研究；易嘉偉等[9]基于大數據分析了極端暴雨事件下城市道路交通時空響應；Singh等[10]開展了城市洪澇下的城市路網脆弱性評估；Yin等[11]分析了不同暴雨情景下城市內澇對路網的影響。有關研究主要聚焦內澇下道路風險評估和脆弱性評價等方面[12-13]，相關研究對于城市內澇條件下的交通管理具有重要意義。

本文基于上海市內澇和交通情景模擬及其疊加分析，評估城市內澇對道路交通的影響，以期通過評估加深城市內澇對于道路交通影響的規律性認識，為優化城市內澇下道路交通管理及降低城市內澇災害損失提供科學參考。

1 研究區概況與研究數據

1.1 研究區概況

上海市位于長江入?？冢w地勢低洼且平坦，平均海拔2.19 m，城市總面積約為6 340.5 km2，截至2020年底，常住人口2 487萬人，城市化率約為88%。上海市多年平均降水量約1 200 mm，其中約70%集中在汛期，洪澇災害較為嚴重。本文研究區為上海市中心城區，其范圍根據《上海市城市總體規劃(2017—2035年)》確定，面積約為667 km2。研究區承載著上海市主要的經濟社會活動和密集的人口，對高質量交通需求迫切，優化該區域內澇條件下的城市交通管理，開展城市內澇對道路交通的影響評估，具有一定的典型性和重要意義。

1.2 數據收集與處理

a.城市路網數據。城市道路矢量數據在開放地圖公開數據中獲取，經裁剪、校準和調整后，得到研究區城市路網數據如圖1(a)所示。由于原始路網較復雜，在建模過程中采用簡化的城市路網數據，只保留快速路和主干道，簡化后的路網如圖1(b)所示。

(a) 原始路網

b.城市排水管網數據。由于大范圍城市排水管網數據難以獲取，本文采用類比概化的方法生成管網數據，將研究區的快速路和主干道按照一定規則概化為主干排水管網和節點[14]。研究區排水管網系統一共概化為1 086個節點、1 749條管道和143個排水口。根據《室外排水設計規范》等規范，結合研究區實際情況，賦予管網管徑、坡度和埋深等屬性數據，并構建拓撲管網關系。

c.高程和土地利用數據。高程數據主要用于構建地表淹沒模塊，來源于2019年發布的ASTER GDEM v3開放數據，數據分辨率為30 m，如圖2(a)所示。土地利用數據來源于文獻公開發布的數據[15]，如圖2(b)所示，主要用于確定模型下墊面參數。

2 研究方法

2.1 城市內澇淹沒模型構建

2.1.1SWMM與地表淹沒模塊耦合模型

SWMM(storm water management model)[16-18]是城市暴雨洪澇模擬中廣泛應用的一款模型，該模型具有城市地表產匯流模擬和地下管網匯流模擬功能。由于SWMM無法直接進行地表淹沒過程模擬，為了拓展模型在城市內澇模擬中的應用，需開發SWMM與地表淹沒模塊耦合模型[19]。

(a) 高程

城市內澇模擬中管網與地表耦合模擬方法較為成熟[20]，其中，地表二維水動力淹沒模擬中采用完全的水動力學方法具有物理機制強、計算精度高的優點，但計算效率較低[21]，在大范圍研究區應用存在一定困難。本文為提升計算效率，城市地表淹沒基于改進的地形淹沒算法進行計算[22]，其基本假設為：在地表高程網格中，允許水流流向正東、北、西和南4個方向，采用曼寧公式進行地表不同網格之間的水流交換計算，基于高程網格逐步迭代，實現水流基于高程地表淹沒過程模擬[23]。SWMM的管網水流模擬與地表淹沒模塊間的耦合采用經驗公式計算，記地面高程為Z2D，二維模擬得到的地表水位為h2D，一維節點水頭為h1D，則根據地面高程、積水深和節點水頭三者高低關系的不同，管道節點與地表水量交換分可為3種交換情況，分別采用不同的水量交換算法[24]。SWMM與地表淹沒模塊耦合模型計算流程如圖3所示，其中T為模擬時間。

2.1.2研究區城市內澇淹沒模型構建

以管網節點為基礎劃分子匯水區，經劃分、調整和合并，將研究區劃分成1 343個子匯水區。結合相關研究結果[25]和研究區特征等實際情況，根據模型手冊推薦的取值范圍，確定模型參數。基于研究區高程數據，構建城市地表淹沒模塊，結合SWMM模型，實現研究區城市內澇淹沒過程模擬。

圖3 耦合模型計算流程Fig.3 Calculation flow chart of coupling model

為驗證模型合理性，將構建的模型用于50年一遇和100年一遇設計暴雨情景模擬，得到研究區積水分布圖，將研究區范圍內的歷史易澇點位置與淹沒分布圖模擬結果疊加，結果如圖4所示。從圖4中可以看出二者重合度較高，一定程度上表明所構建的模型模擬結果與實際內澇情況較為吻合。基于合理性綜合分析表明，本文初步構建的城市內澇模型基本合理，可用于研究區情景模擬。

2.1.3設計暴雨情景

根據DB31/T—1043《上海市暴雨強度公式與設計雨型標準》，研究區暴雨強度公式為

(1)

式中：q為設計降雨強度，mm/min；P為降雨重現期，a；t為降雨歷時，min?；谑?1)，采用芝加哥雨型[26-27]，獲得50年一遇和100年一遇2 h設計暴雨過程，降水總量分別為117.6 mm和129.9 mm，雨峰系數為0.4，結果如圖5所示。

(a) 50年一遇

圖5 50年一遇和100年一遇設計暴雨過程Fig.5 Design rainstorm process with return period of 50 a and 100 a

2.2 城市路網通行狀態模擬

基于交通規劃軟件TransCAD對研究區路網通行狀態進行模擬，根據定義的數據在軟件中進行交通分配，以獲取高峰時段和平峰時段交通狀態模擬結果[19，28]。表1為模擬得到的常態下高峰和平峰期研究區路網服務水平統計結果，其中道路服務水平分級根據道路交通飽和度進行劃分。道路交通飽和度為道路實際載流量與飽和通行能力的比值[19]，根據JTGB 01—2014《公路工程技術標準》并結合實際情況，按該比值大小的不同區間，劃分為6級道路服務水平：該比值小于0.6為自由流(A)，0.6～0.8之間為穩定流(B)，0.8～1.0之間為稍有延誤的穩定流(C)，1.0～1.2之間為接近不穩定流(D)，1.2～1.4之間為不穩定流(E)，大于1.4為阻塞的交通流(F)。結果表明，模擬得到的城市道路通行速度與設計速度統計結果呈顯著的正相關關系[19]，交通狀態模擬結果可用于本研究。

表1 高峰和平峰期研究區道路服務水平統計結果Table 1 Statistical results of road service levels in study area during peak and flat hump periods

2.3 城市內澇對交通的影響評估方法

城市道路積水對行車速度有較大影響，會降低城市路網通行效率，杜磊等[29]提出了積水深度和行車速度的關系表達式：

(2)

式中：v為車輛速度，km/h；v0為該地點的設計車速，km/h；x為積水深度，cm；a為使車輛停滯的臨界積水深度的中值，cm；b為衰減彈性系數，表示車速隨水深衰減的速率，一般取3～5，b的取值越小則速度衰減越快。采用上述公式計算道路積水對行車速度的影響，本研究取a=15、b=4[14]。

當積水深度達到30 cm時，導致行駛的車輛熄火的概率較高，可認為道路中斷，通行速度為0。對于小于30 cm的道路積水，采用上述公式計算速度衰減。將淹沒模擬結果與交通狀態模擬結果疊加，把衰減后的車速輸入TransCAD軟件中，保持其他參數和條件不變，再次進行交通狀態模擬，獲得受影響后的交通狀態模擬結果，將其與常態下的狀態進行對比，以評估內澇對道路交通的影響[19]。

3 結果與分析

3.1 不同設計暴雨情景下城市內澇模擬

將研究區城市內澇積水分布圖與主干道路分布圖疊加，得到研究區主干道路積水分布，如圖6所示，可以看出，在50年和100年一遇設計暴雨情景下，由于暴雨造成的積水無法及時排除，研究區道路存在不同程度積水，且分布較為廣泛，表明內澇可能會對城市交通產生影響。

(a) 50年一遇

表2 不同設計暴雨情景下內澇統計結果Table 2 Statistics results of waterlogging under different design rainstorm scenarios

表2為50年一遇和100年一遇設計暴雨情景下，不同積水深度等級的道路數量、道路長度和積水面積。分析可知，在50年一遇設計暴雨情景下，0.1～0.2 m積水深度區間的積水面積最大，占總積水面積的比例達33.7%；而積水道路數量最多的則是0～0.1 m積水區間，該區間積水道路數量為178段，占總積水道路數量的53.0%；積水道路長度占比最大的為0.1～0.2 m積水區間，積水深度在該區間的道路長度為89.6 km，占總積水道路長度的34.5%。與50年一遇設計暴雨情景相比，100年一遇設計暴雨情景下，積水面積、積水道路數量和積水道路長度的增長不明顯。但各不同積水深度區間的占比結構發生了較大變化，從積水面積來看，在100年一遇情景下積水面積的變化主要表現為0.3 m以上的積水面積有較大增加，而其他積水深度區間變化不大；對積水道路數量而言，100年一遇情景下，較深積水區間的道路數量占比顯著增加，如0.3 m以上積水道路數量占比從8.9%增加到39.9%；而積水道路長度占比結構則無明顯變化，主要表現為較深積水區間道路長度占比略有增長。上述分析表明，研究區50年一遇和100年一遇設計暴雨情景下，道路均會顯著積水，而隨著設計重現期的增加，因降雨強度增加，道路積水結構特征會發生變化，主要表現為較深積水道路數量呈增加趨勢。

3.2 城市內澇對道路服務水平的影響評估

城市交通運行狀態在高峰期和平峰期有較大差異，高峰期城市路網道路服務水平較平峰期明顯下降，同時同一級服務水平下的道路，其通行速度也明顯降低。由于城市交通路網是一個復雜巨系統，外部擾動的輸入可能使其運行狀態產生系列連鎖反應，其影響具有非線性特征。圖7和圖8分別給出了高峰期和平峰期不同暴雨情景下研究區道路服務水平分布，可以看出，同一時段內，100年一遇暴雨情景下的擁堵水平要明顯高于50年一遇情景，這是由于降雨強度越大造成道路積水越多導致的。進一步地，高峰期較平峰期而言，擁堵水平明顯較高，特別是F級道路的數量要明顯高于平峰期，高峰期是城市路網交通最為繁忙時間段，在此時間段內發生城市內澇造成道路積水，將對城市交通產生重要連鎖影響，使原本交通負荷就較大的城市路網更加擁堵。

(a) 50年一遇

(a) 50年一遇

表3 高峰期和平峰期城市內澇對道路服務水平的影響統計結果Table 3 Statistics results of impacts of urban waterlogging on road service levels during peak and flat hump periods

表3為高峰期和平峰期城市內澇對道路服務水平的影響統計結果，可以看出，在高峰期50年一遇情景下，A、B、C、D、E、F 6個等級服務水平的道路數量表現為：A、C、E級服務水平的道路相較于常態下分別減少了39條、4條和5條，B、D、E級服務水平的道路則分別增加了1條、7條和10條，道路中斷的數量為30條；在高峰期100年一遇情景下，擁堵水平較50年一遇設計暴雨情景進一步加劇，不僅道路中斷的數量由30條增加至134條，而且A、B、C級服務水平的道路數量顯著減少，同時，各等級服務水平的道路數量平均通行速度亦顯著下降，A、B、C、D、E、F 6個服務水平的道路平均通行速度較常態下分別下降77.7%、84.4%、69.9%、48.6%、9.7%和80.6%。平峰期城市內澇對道路服務水平的影響總體上與高峰期趨勢一致，特別是中斷道路數量并未發現變化，50年一遇設計暴雨情景下均為30條，而100年一遇設計暴雨情景下均為134條，主要差異在于擁堵水平的進一步增加和不同等級服務水平道路的結構性變化。通過數據對比可以發現，相較于高峰期，平峰期F級服務水平的道路數量減少，而A級服務水平的道路數量增加。總體對比可以發現，50年一遇和100年一遇設計暴雨情景下，高峰期研究區道路平均通行速度較平峰期分別低19.3%和37.4%。

3.3 討 論

從上述結果來看，情景模擬的結果反映的總體趨勢比較合理，與實際情況和理論推斷有一定相符性，基本說明本研究采用的方法是合理的，能夠初步實現基于情景模擬的城市內澇對道路交通的影響評估，以獲取一些規律性認知。但研究存在一些局限，還有待進一步深化，主要是建模采用數據精度較低以及模擬結果存在部分異常等。一方面，內澇模擬結果整體偏嚴重，從模擬結果可以看出，內澇情景模擬得到的道路淹沒情況較嚴重，盡管空間上較為符合，但積水深度等與實際情況存在較大差異，這可能與模型基礎數據概化以及地表淹沒模擬所采用的高程數據精度不高有關。研究所用管網數據是采用路網數據概化的，因此水量交換節點與道路高度重合，而且數字高程數據精度較低，這是導致模擬結果道路積水較為嚴重的重要原因。該不利因素需要在今后的研究中，結合數據精度的提高進一步優化。另一方面，模型模擬結果存在一定的不確定性，例如高峰期50年一遇設計暴雨情景下，僅有D級道路平均通行速度較常態下有所增加，而其他均為下降，這與實際情況和理論推斷在一定程度上是不相符的，初步分析表明，可能與外部干擾輸入情況下城市路網交通狀態模擬的復雜響應有關，或表明模型存在一定的不確定性，尚需要在進一步深化研究中，結合多種輸入下的復雜交通狀態模擬，進行深入研究。

4 結 論

a.暴雨內澇可導致上海中心城區道路產生明顯積水，隨著設計暴雨重現期由50 a增加到100 a，淹沒路段數僅有少量增加，但道路積水的結構性特征變化較大，0.3 m以上積水道路段數從8.9%增加到39.9%。

b.高峰期道路內澇積水對研究區道路交通的影響明顯甚于平峰期，主要表現為擁堵水平高的道路段數占比增加，且整體通行速度降低， 50年一遇和100年一遇設計暴雨情景下，高峰期研究區道路平均通行速度較平峰期分別低19.3%和37.4%。