工程降水引起地表沉陷的研究方案（基于暴露性和敏感性的地表降雨积水影响下的地铁站脆弱性研究）

《水利水电技术（中英文）》官网网址https://sjwj.cbpt.cnki.net

摘 要：

由于极端降雨频繁出现引发的地表积水会影响地铁交通的正常运行，为准确分析地表积水对地铁站点产生的不利影响，引入脆弱性分析方法，量化积水对地铁站点的干扰程度。该方法基于暴露性与敏感性分析站点的脆弱性等级，其中暴露性等级依据站点周围的积水程度判定，敏感性等级依据地铁站所承载的客流量(工作日)与服务人群的年龄特点判定。通过构建研究区域的水力模型，模拟分析7种降雨情景的地表积水分布，并与地铁站进行耦合确定地铁站的暴露性等级，且基于研究区域内地铁站点的客流量与服务人群年龄特点确定敏感性等级。利用该分析方法，得到7种降雨情景下研究区域内16条地铁线路上216个站点的脆弱性等级。结果表明：研究区域内有47个地铁站点在1 a降雨情景下存在脆弱性，有102个站点在50 a降雨情景下存在脆弱性。研究成果可为地铁站点制定暴雨应急管理措施提供有效的参考依据。

关键词：

地铁站点;降雨情景;地表积水;脆弱性;水力模型;降水;极端降雨;

作者简介：

马晴晴(1996—),女，硕士研究生，主要从事城市排水管网系统优化研究。

*王昊(1987—),男，助理研究员，博士，主要从事城市排水管网系统优化研究。

基金：

北京市教育委员会科技计划一般项目(KM202210005017);

国家水体污染控制与治理科技重大专项(2017ZX07108-002);

引用：

马晴晴，吴珊，王昊，等． 基于暴露性和敏感性的地表降雨积水影响下的地铁站脆弱性研究［J］. 水利水电技术( 中英文) ，2022， 53( 10) : 74-85.

MA Qingqing，WU Shan，WANG Hao，et al． Exposed property and sensitivity-based study on vulnerability of subway station under impact of surface rainfall ponding［J］. Water Resources and Hydropower Engineering，2022，53( 10) : 74-85.

---

0 引 言

地铁是城市公共交通重要组成部分，具有便捷、准时、经济等特点，并对地面交通拥堵现象有一定的缓解作用。根据中国城市交通协会发布的数据可知，截至2020年底我国已有45个城市开通地铁，线路总长约7 969.7 km, 2020年全年的总客流量达177.9亿人次。

近年来，极端降雨的频繁出现对城市地下交通的正常运行带来了诸多不利影响。由于多数地铁地势较低，具有封闭性、大客流等特点，暴雨积水造成的不利影响更加严重。2016年武汉一周内(6月30日至7月6日)降雨量创新高，暴雨淹没市区206个地方，导致3个地铁站关闭。2018年7月，北京的暴雨事件造成回龙观地铁站周围出现积水，育知东路城铁桥下积水严重。2021年7月，郑州的特大暴雨导致地铁被迫停在隧道，造成人员伤亡。同时，地铁站周围若长期存在的积水，严重时也会引发结构破坏、地面沉降，影响附近地表建筑物的安全。相关研究表明，公交、出租车、私家车和地铁等通勤方式中，地铁受天气因素的影响相对最小,同时考虑到地上交通会出现拥堵，多数人会将出行方式改为地铁。因此，在特殊天气时地铁发挥着更为重要的作用，地表积水对地铁出行的影响需要重点关注。应尽量减小地表积水对进出站乘客的舒适程度、便捷性、安全性的影响。

相对而言，地表积水对地面交通影响的研究较多，主要有地面积水对车流量和车速的影响。有研究指出，积水深度处于0.05～0.25 m时，车辆的通行速度明显降低；积水深度大于0.25 m时，通行速度逐渐降低为0。在英、美等国家，当积水达到25～35 cm时，相关部门会采取封闭道路等管制措施。地铁受地表积水影响的相关研究中，有研究对站口在暴雨天气下的暴露性进行了评估，如权瑞松利用简化的暴雨内涝模型分析地表积水情况，并将站口是否淹水作为暴露性高低的划分依据，研究发现上海中心城区有40个地铁出口可能暴露于内涝之中。有研究针对地铁站在暴雨天气下易受扰动的情况进行了分析，如朱海燕等考虑了地铁出入口属性、周围排水泵站的密度和管道的达标率、政府支付能力建立评估指标，结果发现研究区域内1号线4号线具有较高脆弱性，易受到暴雨影响。YU等考虑了地铁站与周围环境的相对高差和周边河流的距离等指标，提出了一种组合加权的模糊综合评价模型，发现研究案例的地铁段在施工期和运营期均出现了风险。很多研究也从不角度分析了内涝积水对地下交通的影响程度。LIU等从防御性、恢复性、适应性等方面建立了影响地铁站工程抗涝能力的指标，对地铁站工程在内涝灾害时的恢复能力进行了评价。WU等对地铁站内涝灾害应急预案进行评估；也有学者对暴雨内涝灾害导致的经济损失进行研究，并开发了估算地铁站遭受内涝灾害的经济损失的预测模型。目前，随着排水水力模型技术不断发展，模型的计算结果更加接近真实排水状况，有研究将水力模型的模拟结果作为暴雨天气下内涝风险的判别依据。如郑建春等应用InfoWorks ICM模拟了郭公庄和宋家庄两个站点在多种降雨情境下的积水情况，发现郭公庄出现积水的原因是下游水位顶托，宋家庄出现积水的原因是管网排水能力不足。

鉴于地铁交通在现代城市交通中所起到的重要作用，一旦出现无法及时排除降雨和内涝积水将会对地铁运行进而对城市公共交通秩序产生很大影响，且相对于地上交通而言，积水对地下交通的影响程度较难明确判断。同时，考虑到排水水力模型可以较好的模拟出雨水管网的运行状态与地表积水情况。因此，如何将水力模型的地表积水漫流结果与地铁站点在不同降雨条件下的安全运行管理决策相结合，是迫切需要开展的研究内容，同时也是提升水力模型应用范围的有效途径。

基于以上研究发现，为了在降雨天气给城市地铁正常运行和市民安全出行提供更好的保障，需要提升地铁站点的风险管理能力。因此，本研究根据水力模型的地表积水模拟结果，结合站点服务人群的特点，以北京市中心城区为例分析地铁站点受地表积水的影响程度。

1 研究方法

为量化地表积水对地铁出行的影响，本文引入脆弱性分析方法，研究各个地铁站在不同降雨情景下所受影响的程度。

1.1 脆弱性分析方法

在进行脆弱性研究时，各领域学者多针对特定研究目标对脆弱性的概念进行界定，并进行脆弱性评估。有研究指出脆弱性体现在承载体遭受自然灾变的可能性和对破坏损害的敏感性两方面，并将两者作为衡量承载体受自然灾害破坏程度的度量,这与本研究的目标较为吻合。结合本研究的目标并应用R-H (risk-hazards)理论模型,对降雨情景下的地铁站脆弱性进行了界定，认为自然灾害是致灾事件与人类相互作用的产物，在做脆弱性分析时应考虑地铁站点与选择地铁出行的人是否容易受到自然灾害的影响，并从研究对象受致灾因子(地表积水)影响的暴露性和敏感性两方面考虑。

1.2 地铁站点暴露性分析

地铁站周围的积水越严重，对进出地铁站人员的便利性和安全性产生不利影响越大。且进出地铁站是一个短暂行为，积水深度是产生不利影响的主导因素。

对于地上交通而言，通常超过0.15 m的积水会影响驾驶员对路况的判断，0.30 m的积水是机动车禁止通行的标准。《地铁设计规范(GB 50157—2013)》规定：地下车站出入口的地面标高一般应高出该处室外地面0.30～0.45 m, 并应满足当地防淹要求。李梦雅考虑到路边石高度以及进出站人员的鞋帮高度，将0.25 m积水作为地铁出入口道路内涝的判定阈值。刘媛媛等为确定地铁站的积水预警阈值，对北京城区内的地铁站的出入口类型和台阶高度进行调查，发现当积水在0.15～0.35 m范围内时，积水开始淹没路边石，需要放置挡水槽等防汛物资。

考虑积水对进出站人员的影响以及在降雨天气时地铁的运行管理工作，依据城市地铁的具体情况确定产生不利影响的积水阈值，将地铁站点周围超过积水阈值的范围作为划分暴露性等级的依据。依据积水范围的大小，并结合自然间断点分类法划分地铁站点的暴露性等级，分为Ⅰ级、Ⅱ级、Ⅲ级。该方法是基于数据特征划分分类间隔，在数据值差异较大的位置处设置界限，对相似值进行合理分组，最大化各个类的差异。

1.3 地铁站点的敏感性分析

依据地表积水对出行人群造成不利影响的程度确定敏感性，可以从地铁站承载的客流量与地铁站服务人群的年龄构成两方面分析。首先，直接受积水的影响的是进出站人员，站点承载的客流量越大，那么在极端天气时越应该注意规避风险。同时，不同年龄人群应对风险的能力不同，即服务人群的年龄结构是影响站点敏感性的因素之一。

工作日通勤人员很难因个人意愿而随意取消或改变与工作相关的出行计划,该类人群的出行便利性和安全性更应该得到重视。同时工作日的通勤客流量出行弹性小，较为稳定；非工作日客流主要为娱乐等目的的出行，受天气影响较大。因此，将工作日地铁的客流量作为研究站点敏感性的依据之一。同时，年龄属于老人与儿童的人群在降雨天气选择地铁出行所受到的不利影响比其他年龄人群更大，在地铁管理工作中更应对该类人群重点关注。

工作日的通勤属于刚性需求，地铁站点服务范围内年龄属于老人与儿童的人群不一定会在降雨天气时选择地铁出行，因此，在综合分析地铁站点的敏感性时，工作日客流量指标的权重应比年龄结构大。权重的数值依据熵权法计算，且当数值大小与主观判定的方向一致时，才可以应用，否则需要结合专家打分法对权重进行调整。利用逼近理想排序法(TOPSIS)融合站点的客流量与年龄结构信息，获得站点敏感性。依据自然间断点分类法划分地铁站点的敏感性等级，分为Ⅰ级、Ⅱ级、Ⅲ级。

1.4 脆弱性判定方法

本研究采用暴露性和敏感性等级作为衡量脆弱性的指标，脆弱性等级划分采用了聚类矩阵的方式。当暴露性与敏感性的等级均为Ⅰ级时，脆弱性等级为低；当其中有一个指标的等级为Ⅰ级，另一指标的等级为Ⅱ级时，脆弱性等级为较低。当暴露性和敏感性中一个指标为Ⅰ级，另一指标为Ⅲ级，或两指标均为Ⅱ级时，脆弱性等级为中等。当暴露性和敏感性中一个指标的等级为Ⅲ级，另一指标的等级为Ⅱ级，脆弱性等级为较高；当两者均为Ⅲ级时，脆弱性处于高水平。综上，地铁站在降雨情景下的脆弱性等级判定矩阵如图1所示。

图1 脆弱性等级判定矩阵

2 实例分析

本研究依据实例分析判断研究方法的可行性与合理性。

2.1 研究区域

2.1.1 研究区域概况

研究区域位置研究区域涵盖了北京市中心城区中五环路以内的大部分范围。研究区域的面积为767.74 km2,研究范围如图2所示。

图2 研究区域

收集整理研究区域内的雨水管道、检查井和排水口等管网基础数据，并对其进行合理概化，删除雨水篦子及相连支管，利用拓扑关系和SQL语句进行检查和纠错。得到概化管网总长为2 229.39 km, 66 775根管道，67 815个节点。三环路以内的管网密度较高，四环路以外的管网密度较低，分布如图3所示。

图3 概化管网分布

将研究区域内的土地利用分为建筑、道路、水系、绿地和其他五类，面积及占比情况如表1所列，分布如图4所示。研究区域的城市化率较高，中心区域的不透水地表面积占比较高，分布广泛，而较大面积的绿地多分布于四周。

图4 土地利用分布

收集到研究区域内18万个高程采样点，根据高程点在ArcGIS中制作栅格图层，像素元大小插值为10 m×10 m, 分布如图5所示。

图5 高程分布

2.1.2 研究区域内地铁概况

截至2020年底，北京主城区地铁运营了16条线路，运营里程达525 km, 运营车站318个，换乘车站62个。研究区域内涉及的地铁站点数量为216个，分布如图6所示。主城区内的大多数地铁站均在研究范围内。

图6 研究区域内地铁分布

本研究收集整理了2020年9月研究区域内各地铁站的客流量数据，研究区域内工作日平均客流量为652.98万人，平均每个站点日均客流量为3.02万人。站点的客流量分布如图7所示。研究区域内地铁线上分布的站点数量与在工作日客流量情况如表2所列。9月相对气温适宜，降雨量适中，属于正常工作的月份，能够反应一般规律下的客流量情况。

图7 研究区域内工作日地铁站客流量分布

2.2 研究区域内地铁站点的暴露性分析

本研究应用InfoWorks ICM构建研究区域的水力模型，基于水力模型的积水模拟结果分析地铁站的暴露性。

2.2.1 构建研究区域水力模型

依据研究区内基础数据(管网、土地利用、高程等)应用InfoWorks ICM构建一维产汇流与管网水动力模型，依据高程数据构建二维地表漫流模型，并将一二维模型耦合，用于水力模型在不同降雨情景下的模拟计算。

其中，在划分汇水区时依据检查井位置并充分考虑高程、河道与街道分布等情况。根据土地利用和高程点数据进行调整，确保汇水区划分的合理性。参照SWMM手册等相关文献资料，合理选取子汇水区产汇流模型参数，取值如表3所列。

高程采样数据仅为地表高程，考虑到建筑对水流的阻挡作用，在构建地表二维模型时，需要合理抬高建筑内部高程，使得模拟过程更加接近真实状况，抬高数值参考文献[13]。依据高程数据制作地表二维模型，对其进行网格剖分，每个网格可以提取其覆盖的地表高程，用于模拟计算积水深度、漫溢路径及流速等情况。

应用水力模型前需要对模型的可靠性进行分析。本研究选用“7·21北京特大暴雨事件”期间的降雨与积水数据作为验证资料。将模拟所得积水深度与范围与收集到的积水信息进行对比，采用人工试错法对产汇流参数进行调整。通过对比水力模型模拟结果与实际积水记录数据，发现积水模拟结果比实际记录的积水范围大。主要原因是记录的积水点位置多分布在道路，且监测积水的摄像头常安装在易涝区域附近，说明积水记录没有覆盖所有实际存在积水的位置。因此，为了进一步验证模型的可靠性，本研究补充了相关部门公布的易涝点以及新闻报道过的积水点用于参考对比，结果如图8所示。模型模拟的积水可以覆盖实际记录的积水点位，相关领域的工程师依据经验对该模型进行评估，认为模拟结果与实际情况较为接近，具有一定的可靠性，可应用于后续研究。

图8 模拟积水结果与实测积水对比

构建该研究区域内建模所需的降雨库，涉及重现期为 1 a、2 a、3 a、5 a、10 a、20 a、50 a, 历时为24 h的降雨。参考《城镇雨水系统规划设计暴雨径流计算标准》(DB/11T969—2016)推求降雨过程线，推求结果如图9所示。

图9 降雨过程线

基于以上降雨事件进行模拟分析。根据不同降雨情景下积水模拟结果，分析研究区域内最大积水深度与范围，结果如表4所列，降雨情景为5 a到50 a的积水分布如图10所示。

图10 最大积水深度分布

2.2.2 地铁点暴露性分析

研究区内各进出站口距几何中心点的距离在基本在100 m以内。因此，将各个地铁站在ArcGIS中概化为实际地铁站占地范围的几何中心点，以概化点为中心100 m为半径划分缓冲区，将每个地铁站点的缓冲区作为其研究范围。考虑积水对进出站人员的影响以及在降雨天气时地铁的运行管理工作，将0.30 m作为地铁站点产生不利影响的积水阈值。将7种降雨情景的积水深度模拟结果与地铁站进行耦合，分析每个地铁站周围积水超过0.3 m的情况，统计结果如图11所示。

图11 地铁站周围积水情况

为量化分析每个地铁站在7种降雨情景下的暴露性，将地铁站周围积水深度超过0.30 m区域占缓冲区的面积比例作为暴露性数值，采用自然间断点分类法确定暴露性等级的划分界限，为10%和24%。当地铁站周围不存在积水或积水深度未超过0.3 m, 则不存在暴露性，暴露性等级为0。研究区域内地铁站的暴露性等级分布结果如表5所列，其中，5 a、10 a、20 a与50 a降雨情景下地铁站暴露性等级分布情况如图12所示。

图12 地铁站暴露性等级分布

2.3 研究区内地铁站点敏感性分析

为了验证工作日的日均客流量是否能够反映地铁站的客流量情况，随机选取研究区内的9个地铁站在10 d内的客流量，分布如图13所示。由上可知，不同工作日的客流量分布变化不大，工作日的平均客流量处于居中水平，能够反映各个地铁站客流量的一般情况。

图13 部分站点工作日客流量情况

图14 儿童、老人密集地点分布

考虑到研究区域的数据可获得性，本研究将地铁站点的服务范围内老人与儿童群体密集的地点作为年龄结构的参考。一般情况下，地铁站的服务范围指10到15 min步行可到的距离，考虑老人与儿童的步行速度与疲劳程度，服务范围的半径设为500 m较为合理。统计研究区域内每个地铁站点服务范围内的老人与儿童密集的地点数量。如图14所示，其中有168个地铁站点的服务范围内有老人与儿童的密集地点。有33个站点含有5个及以上的密集地点数量。丰台站周围的密集地点数量最多，为9个。

综合客流量与年龄结构两类指标确定研究区域内地铁站点的敏感性。本研究根据文献[20]中的综合权重模型计算权重数值，最终求得客流量的权重为0.72,年龄结构的权重为0.28,结果与专家判定方向一致，权重具有合理性。利用TOPSIS法进行信息融合，得到各个地铁站的敏感性结。并利用自然间断点分类法对敏感性进行分级，间断点分别为0.465、0.734。地铁站的敏感性等级分布如图15所示。其中，敏感性等级为Ⅰ级的站点数量为63个，Ⅱ级为91个，Ⅲ级为62个。

图15 地铁站敏感性等级分布

2.4 研究区域内地铁站点脆弱性分析

根据研究区域内每个地铁站暴露性与敏感性的等级，根据图1的判定矩阵分析站点的脆弱性等级。不同降雨情景下，脆弱性等级的地铁站数量如表6所列。在各个降雨情景下脆弱性等级为高的站点均只有1个。脆弱性等级为中等及以下的地铁站在不同降雨情景下数量较多，随着降雨强度的增加，具有脆弱性的站点数量呈增加趋势，且脆弱性的等级也在持续升高。降雨情景由1 a到2 a一遇时，脆弱性等级低的地铁站数量增加最多，为4个；降雨情景由2 a到3 a时，脆弱性等级为较低的地铁站数量增加最多，为5个。降雨情景由3 a到5 a一遇时，脆弱性等级为中等的地铁站数量增加最多，为7个。降雨情景由20 a到50 a一遇时，脆弱性等级为较高的地铁站数量增加最多，为5个。不同降雨情景间对应的地铁站脆弱性变化较大，涉及地铁站应提前制定响应措施。降雨情景为5 a、10 a、20 a、50 a一遇时，脆弱性站点分布如图16所示。相对而言具有脆弱性的地铁站多集中在中部，东部的地铁站大多不具有脆弱性。中部的不透水地表较多，大客流车站较多，且老人、儿童密集地点分布较多；东部的不透水地表较中部少，且客流量较少，0.3 m以上的积水范围较小。

图16 地铁站脆弱性分布

其中，十里河站点在7种降雨情景下的脆弱性等级均为高。该站点周围曾出现过积水事件，2011年8月27日，受强降雨影响十里河桥出现了路面积水，2020年8月9日，受短时强降雨影响十里河桥附近积水高过行人的脚腕，并漫上人行道。东直门站点在7种降雨情景下的脆弱性等级均为较高，东大桥站点的脆弱性等级在2 a到50 a一遇降雨情景下均为较高。较高脆弱性站点所在线路情况如表7所列。

以研究区域内的地铁10号线为例，分析不同降雨情景下脆弱性地铁站点数量变化(见图17)。10号线上的站点以脆弱性等级为中等的站点居多。且其中的十里河站点从1 a到50 a一遇降雨条件下的脆弱性等级均为较高，说明该站点在各个降雨情景都受到较大的扰动。从降雨条件为10 a一遇开始，该线路上第一次出现脆弱性等级为较高的站点，为安贞门，降雨条件为50 a一遇时，出现第二个脆弱性等级为较高的站点，为知春路。

图17 地铁十号线脆弱性站点数量

3 结论与展望

(1)基于暴露性和敏感性分析地铁站点在降雨情景下的脆弱性，由此可以量化地表积水对站点的干扰程度。

(2)暴露性等级由站点周围的积水分布判定；敏感性等级由站点的工作日客流量与服务人群年龄特点确定。依据暴露性与敏感性的等级分布制定脆弱性判定矩阵，由该矩阵划分每个站点的脆弱性等级。

(3)应用该方法分析研究区域内7种降雨情景下216个站点的脆弱性，发现在1 a一遇降雨情景有47个站点存在脆弱性，50 a一遇降雨情景有102个站点存在脆弱性；7种降雨情景下中等及以下脆弱性的站点占比较高，高脆弱性的站点均为1个。不同降雨情景下站点的脆弱性分布差异较大，在实际运行管理过程中应针对站点的特点采取相应的应急管理预案。

今后的研究可增加响应类指标，即应急救援管理过程中的相关因素，如专业运维人员数量、应急物资储备以及安全运行检查频率等，更加全面分析站点的脆弱性。

[13] 尹占娥.城市自然灾害风险评估与实证研究[D].上海：华东师范大学，2009.YIN Z E.Urban natural disaster risk assessment and empirical research [D].Shanghai:East China Normal University,2009.

[20] 周薇，李筱菁.基于信息熵理论的综合评价方法[J].科学技术与工程，2010,10(23):5839-5843.ZHOU W,LI X J.A Comprehensive evaluation method based on information entropy theory [J].Science Technology and Engineering,2010,10(23):5839-5843.

---

水利水电技术（中英文）

水利部《水利水电技术（中英文）》杂志是中国水利水电行业的综合性技术期刊（月刊），为全国中文核心期刊，面向国内外公开发行。本刊以介绍我国水资源的开发、利用、治理、配置、节约和保护，以及水利水电工程的勘测、设计、施工、运行管理和科学研究等方面的技术经验为主，同时也报道国外的先进技术。期刊主要栏目有:水文水资源、水工建筑、工程施工、工程基础、水力学、机电技术、泥沙研究、水环境与水生态、运行管理、试验研究、工程地质、金属结构、水利经济、水利规划、防汛抗旱、建设管理、新能源、城市水利、农村水利、水土保持、水库移民、水利现代化、国际水利等。

,