EN中文

经济地理 >

2019 , Vol. 39 >Issue 8: 68 - 76

DOI: https://doi.org/10.15957/j.cnki.jjdl.2019.08.009

城市地理与新型城镇化

中断模拟下城市群网络结构韧性研究——以长江中游城市群客运网络为例

  • 彭翀 ,
  • 陈思宇 ,
  • 王宝强 , ※
展开
  • 华中科技大学 建筑与城市规划学院，中国湖北 武汉 430074
※王宝强（1985—），男，陕西宝鸡人，博士，讲师。主要研究方向为城乡生态与环境规划、乡村规划、城市与区域发展、城市规划。E-mail：。

彭翀（1980—），女，湖北武汉人，博士，教授。主要研究方向为可持续城市与区域规划、气候适应性城市规划与设计、规划新技术。E-mail：。

收稿日期: 2018-11-09

  修回日期: 2019-06-08

  网络出版日期: 2025-04-24

基金资助

国家自然科学基金项目(51778253)

国家自然科学基金项目(51608213)

国家重点研发计划资助项目(2018YFD1100302)

中央高校基本科研业务费专项资金(2019WKZDJC010)

收起

Analyzing City Network's Structural Resilience Under Disruption Scenarios: A Case Study of Passenger Transport Network in the Middle Reaches of Yangtze River

  • PENG Chong ,
  • CHEN Siyu ,
  • WANG Baoqiang , ※
Expand
  • School of Architecture and Urban Planning，Huazhong University of Science and Technology，Wuhan 430074，Hubei，China

Received date: 2018-11-09

  Revised date: 2019-06-08

  Online published: 2025-04-24

Fold

摘要

中断模拟逐渐成为认知网络结构韧性的重要途径。文章基于长江中游城市群31个城市间的公路、铁路客运数据构建城市群客运网络，借助Python模拟和评估应对外界冲击下的城市群客运网络结构韧性变化特征，并分析影响其韧性水平的关键因素。结果表明：①城市群客运网络结构具有一定脆弱性，总体韧性水平表现出对沪昆发展轴的依赖性，节点韧性水平呈现抗干预的差异性。②武汉、长沙、南昌等主导性节点的失效以及景德镇、抚州、吉安等脆弱性节点的出现是显著削弱网络结构韧性的关键因素。③针对主导性节点与脆弱性节点特征，从整体提升中心性、增强近域性联系、丰富跨区域连通、保障城市安全性四方面提出网络结构韧性提升建议。

关键词： 城市网络; 空间模拟; 韧性; 长江中游城市群; 长江经济带; 脆弱性节点; 应急管理体系

本文引用格式

彭翀 , 陈思宇 , 王宝强 . 中断模拟下城市群网络结构韧性研究——以长江中游城市群客运网络为例[J]. 经济地理, 2019 , 39(8) : 68 -76 . DOI: 10.15957/j.cnki.jjdl.2019.08.009

Abstract

Disruption simulation has gradually become a critical way to understand the network structural resilience. It is applied to the analysis of the city network's structural resilience in this paper. Using disruption simulation to analyze city network's structural resilience can predict the operation ability and functional features of city network against potential risks. Then a new perspective for formulating strategies to enhance regional resilience can be provided. In this article, the passenger transport network of urban agglomeration is structured with the flow of intercity buses and intercity railway of 31 cities in the middle reaches of the Yangtze River. We resort to Python to simulate network structure in different disruption scenarios and assess the characteristics of its resilience change. And we try to explore the key factors that affect the city network resilience. The results showed that: 1) The passenger transport network's structure of urban agglomeration has a degree of vulnerability. Its overall resilience shows the dependence on the axis of Shanghai-Kunming and there are differences in node resistance to interventions. 2) The failure of dominant nodes such as Wuhan, Changsha and Nanchang, as well as the emergence of vulnerable nodes such as Jingdezhen, Fuzhou and Ji'an are significant factors that weaken the resilience of network structure. 3) As to the resilience recovery, the strategies are put forward from the perspective of improving overall centrality, enhancing near-field connectivity, riching cross-regional connectivity and ensuring city security.

Key words： city network; spatial simulation; resilience; the middle reaches of Yangtze River; Yangtze River Economic Belt; vulnerability node; emergency management system

随着自然与人为灾害的频发，韧性的概念逐渐兴起，其含义指一个系统遭受外部冲击后维持自身稳定并恢复原有状态的能力[1]。近年来，韧性的概念开始与城市和区域相结合，拓展了城市区域研究的内容与视野[2-3]。国内外学者分别从经济[4]、生态[5]、社会[6]和工程[7]等多领域对区域韧性进行研究。已有研究表明城市网络结构与区域韧性密切相关[8-9]。城市网络是城市在流动空间作用下形成的具有一定功能和结构的新型城市空间组合形式[10]。城市网络结构是区域空间特征的典型体现，对区域应对冲击的敏感度、适应性和发展新的增长路径的能力均产生影响[9]。因此，对城市网络结构韧性的研究是认知区域韧性的重要手段。
在网络结构韧性的研究中，学者们借助复杂网络理论中刻画网络结构特性的指标实现了对计算机网络、供应网络和组织网络等多种网络结构韧性的测度。研究表明网络效率（network efficiency）、多样性（diversity）、连通性（network connectivity）等其它指标能有效评估网络结构韧性[11-13]，但是目前尚未形成统一的网络结构韧性评估方法。
与此同时，网络中断在网络结构韧性研究中的运用得到越来越多学者的关注。实践表明：频发的自然和人为灾害极有可能造成网络中断，影响节点的正常运转，进而产生难以预计的后果[14]。现有研究多采用目标攻击或随机攻击的方法，探讨无标度网络、小世界网络等多种基本网络模型[15-17]或现实情境中某一特定网络结构[18-19]的总体韧性的衰减度、影响因素及多类优化策略的提升度。纵观国内外已有研究，一方面，以网络结构总体韧性为对象的中断研究在一定程度上忽视了节点韧性水平之间的关联性，难以准确得出某个节点中断对其它节点韧性水平的影响度。另一方面，对区域城市网络的中断研究较少，学者们多关注于城市内部的网络连通[20-21]。实际情境中，区域内众多城市都面临遭受灾害或攻击的风险，导致城市网络连通中断。因此，对于城市网络中断的模拟可以帮助我们预知区域城市网络抵御潜在风险的运转能力和功能特性，从而有助于减少灾害影响，进而提升区域韧性策略制定的科学性。
在国家推进长江经济带区域战略中，长江中游城市群是推动长江经济带协调发展的重要支撑，在我国区域发展格局中占有重要地位，对其展开研究具有典型性和重要性。鉴于此，本文以长江中游城市群客运网络为例，运用复杂网络理论探讨城市群网络应对外界冲击下网络结构总体韧性与节点韧性的变化特征，并分析影响其韧性水平的关键要素，进而从韧性的视角对城市群网络空间结构优化提出建议。

1 研究方法

1.1 总体方法

首先，选择研究区域构建城市网络；其次，借助Python进行中断模拟，并对中断后网络结构韧性的变化特征进行探讨。在此基础上，识别影响网络结构韧性的关键节点，并分析其节点特征以及影响机制，形成相应的规划策略（图1）。
图1 中断模拟下城市网络结构韧性研究框架

Fig.1 Research framework of city network’s structural resilience under disruption simulation

1.2 韧性测度指标

目前，对网络结构韧性的量化研究尚处于初级阶段，相关学者多认为外界干预下保障节点间要素的正常化流通与快速化响应是网络结构韧性的关键所在，基于此，已有研究从最短路径长度（shortest paths）、路径备份数量（alternate paths）、可靠流占比（reliable flows）等多个视角实现了对网络结构韧性的测度[15-16,22]。在对多种测度指标归纳总结的基础上，本文提出传输性和多样性能有效反映城市网络结构总体韧性水平和节点韧性水平。

1.2.1 传输性

传输性刻画了城市网络中要素流扩散的能力，其指标主要与节点间最短路径长度有关。一方面，较高的传输性意味着网络中城市节点可以更快地实现信息、知识和资金等各类要素的交换，促进城市间的学习与创新，推动区域协同发展，增强区域应对危机的抵抗力。另一方面，在应对冲击时，跳数越少的路径可靠性越高[23]，同时，能更快对外部变化做出响应，顺利应对干扰。
本文采用网络效率这一指标对网络传输性进行量化评估，其定义是直接基于网络所实现的传输功能[24]。许多学者已通过实证表明网络效率作为韧性测度指标的准确性[25]。具体公式为：
E G = ∑ i ≠ j ∈ G 1 d i j N N - 1
式中： E G表示网络效率，且 0 ≤ E G ≤ 1； d i j是网络中节点i与节点j之间的最短路径；N是网络中的节点数量。
节点传输性的指标内涵与计算方法同网络传输性类似，不同之处在于其仅反映了测度对象与其它节点间的传输效率。本文借助Python中Network X软件包内置的最短路径算法对传输性进行测度。

1.2.2 多样性

多样性是对网络容错能力的描述。城市网络的多样性反映在空间结构上主要指城市间存在多种联系路径，当某个特定路径受到危机的影响，其它路径保障了网络正常运行[22]，从而有效维持网络稳定。对于交通网络等实体网络而言，网络的多样性尤为重要，一旦城市网络遭受攻击，恢复网络正常运行最有效的方法是采用另一条路径连接两个城市。因此，城市网络的多样性程度取决于两个城市之间是否存在独立于常用路径之外的其它支路[26]。
本文借鉴W H Ip等研究交通网络结构韧性提出的平均独立路径数量（average number of independent passageways）对网络的多样性进行测度[26]。如果一个路径集合包含节点之间所有联系的路径，且路径之间不存在相同边，则该集合为节点间的独立路径[26]。以图2中所示的网络为例，尝试探讨节点1与节点4之间的独立路径数量。通过定义可以发现{2-6-10}和{1-4-11-14}可作为节点1与节点4之间的独立路径，而不能将{1-3-6-10}纳入其中，因为边1已经出现在了{1-3-6-10}路径中，边6与边10也与{2-6-10}出现重复。因此，节点1与节点4之间的独立路径数量为2。网络多样性计算方法如下所示：
V G = ∑ i ≠ j ∈ G n i j N N - 1
式中：V（G）表示平均独立路径数量； n i j是网络中节点i与节点j之间独立路径数量；N是网络中的节点数量。
图2 网络连通路径示意

Fig.2 Example of a network with passageways

与节点传输性相同，节点多样性指标也仅反映了测度对象与其它节点间连通的多样性，不包含测度对象的连通路径不作考虑。本文通过Python平台实现最大流算法从而对多样性进行测度。

1.3 研究对象

文本选取长江中游城市群的客运网络作为研究对象。这是由于一方面客运联系数据与区域空间联系强度具有相关性[27]，在刘正兵[28]和罗震东[29]等诸多学者对于区域空间联系的研究中得到了广泛的运用，另一方面对客运网络适合进行网络结构特性分析[30-31]。研究范围依据2015年国务院批复的《长江中游城市群发展规划》中所划定的规划区域，包括湘、鄂、赣的31个城市 ① 。
由于公路与铁路在长江中游城市群的客运交通中占有主导地位，故本文采用城市间的日发汽车班次与火车班次数据构建城市群客运网络 ② ，在Excel中分别建立31市×31市的火车与汽车联系强度矩阵。为了综合反映城市间的客运交通联系，采用叶磊[32]和程利莎[33]等学者的研究成果，将铁路和公路网络的联系矩阵进行标准化后，分别赋予相同权重，得到客运交通综合联系矩阵。为减少综合矩阵中过多连线而产生的冗余信息，将网络连线门槛值设为0.5，将所有联系强度小于0.5的连线清除，新矩阵与原矩阵的相关性仍保持在0.995。将新矩阵导入Python中进行后续的网络结构韧性计算。
采用上述方法构建长江中游城市群客运网络，并借助ArcGIS实现网络可视化（图3）。
图3 长江中游城市群客运交通联系网络

Fig.3 Passenger transport link network of the middle reaches of Yangtze River

2 中断模拟下城市群网络结构韧性特征

网络中断模拟主要考虑灾害对不同城市节点的影响。研究设计以网络中的节点为攻击对象，每次模拟一个节点失效下的网络中断情景，依次完成对31个城市节点的仿真攻击，并将前提条件设置为：①当节点遭受一次攻击后将会立即失效；②当某个节点面临攻击出现失效，即该节点将被删除，与其直接相连的所有路径也会被删除，随之失效。

2.1 网络传输与多样的同步性

使用Python语言开发的分析算法分析不同节点失效情景下的城市群客运网络联系矩阵，测度其网络结构总体韧性水平。图4所示的两条折线走向具有趋同性，表明灾害或危机发生时，城市间客流路径长度和支路数量通常同步受到影响，城市互动交流的成本增加，旅客输送的备用路径减少，致使网络结构的抵抗力、响应力和恢复力同时衰减，从而产生叠加效应，暴露出城市群客运网络结构的脆弱性。同时，这也意味着某些城市不仅是其它城市快速沟通的桥梁，也往往是保障城市间多样化客运联系的必经节点，在韧性层面的重要性更加凸显。
图4 不同城市节点失效后网络结构总体韧性水平

Fig.4 Network structural overall resilience after failure of different cities

2.2 区域大交通廊道的集聚性

长江中游城市群中对网络结构总体韧性产生较大影响的节点呈现出沿交通廊道集聚的空间分布特征。借助ArcGIS中的自然断裂法将城市节点中断后网络结构总体韧性水平分为五级（图5），可以看出，第一、二、三层级的城市如长沙、南昌、湘潭、株洲、新余、萍乡等基本聚集在长江以南地区，形成了一条平行于长江流向的轴线，这条轴线与沪昆发展轴吻合度较高。因此，保障该条轴线的正常运行是实现城市群客运网络可持续发展的关键。
图5 城市节点对网络结构总体韧性影响的空间格局

Fig.5 Spatial pattern of cities' influence on network structural overall resilience

进一步分析发现，存在一类同时对网络传输性和多样性产生高度影响的城市节点，将这类与韧性有关的关键节点称为主导性节点。长江中游城市群中武汉、长沙和南昌是三个最为典型的主导性节点，三个城市的衰减对于网络传输性和多样性的影响度均位于前三。

2.3 节点韧性抗干预的差异性

模拟显示，网络中城市节点的韧性水平因其它节点的失效而产生不同程度的衰减，但对该城市产生最大干扰的节点通常仅有一个，将此情景称为该城市的最大干扰状态。进一步，对各城市处于最大干扰状态下的节点韧性水平变化进行比较。据图6，随着网络节点的中断，节点传输性与多样性的衰减度呈现出差异性，其中黄冈传输性与多样性的下降幅度均居于首位，分别达到31%和50%，以武汉、南昌、长沙等为代表的部分城市在传输性与多样性方面均表现出较强的抗干预能力。
图6 节点最大干扰状态下韧性水平下降幅度

Fig.6 The decline of node resilience in the worst interference state

由此看来，城市群客运网络中存在另一类与韧性相关的关键节点，可称为“脆弱性节点”，这类城市的韧性水平易随着其它城市的失效而产生较大幅度衰减。脆弱性节点的出现削弱了城市群客运网络应对冲击时的韧性水平。此次研究将图7中传输性与多样性衰减量均属于第三、四层级的节点视作脆弱性节点，即景德镇、抚州、吉安、荆门、仙桃、天门、孝感等11个城市 ① 是长江中游城市群最为典型的脆弱性节点。脆弱性节点在空间分布上也体现出集聚特性，下降幅度较大的城市节点多位于湖北省内，围绕武汉在其周边形成了脆弱性的节点聚集区。相对而言，环长株潭城市群韧性衰减幅度整体较小，说明其“3+5”的城市群形态容错性高，具有较强抵御外界干预的能力。
图7 节点韧性衰减度的空间格局

Fig.7 Spatial pattern of attenuation in node resilience

3 城市群网络结构韧性关键节点特征识别

3.1 主导性节点

长江中游城市群主导性节点的失效不仅对网络结构总体韧性产生高影响力，更是其它所有节点韧性水平大幅度下降的根源所在（表1）。具体的，武汉节点的失效对长江中游城市群中大于60%的城市节点韧性水平产生最大干扰，南昌次之，长沙相对最小，且其主导范围突破了地域边界，对三个不同次区域均产生一定影响，其中，武汉节点的失效干扰范围最大，分别对环长株潭城市群与环鄱阳湖城市群中超过50%的节点产生最强干扰。
表1 主导性节点对各区域的影响比例

Tab.1 Proportion of regions affected by dominant nodes

区域 传输性/% 多样性/%
武汉 长沙 南昌 武汉 长沙 南昌
长江中游城市群 64.52 16.13 19.35 83.87 6.45 9.68
武汉城市圈 76.92 23.08 - 92.31 - 7.69
环长株潭城市群 62.50 25.00 12.50 75.00 25.00 -
环鄱阳湖城市群 50.00 - 50.00 80.00 - 20.00
长江中游城市群客运网络结构韧性中的主导性节点在网络联系中占据较为突出的位置，致使其更易遭受攻击，对城市群可持续发展造成威胁。在结构位置方面，本文采用点度中心数对节点的结构位置进行测度。点度中心数是与该点有直接关系的点的数量[34]，体现了该节点与其它节点交往的能力。结果表明，武汉、长沙和南昌的点度中心性分别位居城市群前三，是众多城市实现高效连通与多样联系的“中转站”。从联系强度上看，武汉、长沙和南昌不仅联系对象众多，而且联系密切，是长江中游城市群中大部分其它节点的首位联系城市，即对这类节点而言，与主导性节点间的人口流动最为频繁（图8）。
图8 各节点首位联系

Fig.8 The top linkage of cities in the middle reaches of Yangtze River

3.2 脆弱性节点

本文尝试从节点的结构位置特征、空间距离特征和城市联系特征三个方面探讨脆弱性节点特征。在前两个要素的分析中借助SPSS 22.0中的相关分析模块，分别将反映前两个要素的测度指标与节点处于最大干扰状态时传输性与多样性水平下降的相对值进行Pearson相关分析，其中，结构位置与前文一致，采用点度中心数进行测度，空间距离指该城市与相应主导性节点间的直线距离。同时，通过对比脆弱性节点与其它抗干预能力较强的节点，定性总结脆弱性节点的城市联系特征。
通过相关分析发现，城市与主导性节点的地理空间距离并非节点抵御外界干预能力的制约因素，城市节点在城市群网络中的结构位置是脆弱性节点形成的重要原因。具体的，节点处于最大干扰状态时，传输性与多样性水平下降的相对值与节点中心性的相关系数分别为-0.664和-0.662，显著性检验值均小于0.01，而与直线距离的相关性相对较弱，相关系数分别为-0.416和-0.557，且未通过置信度为99%的检验。
此次研究选择将图7中传输性与多样性衰减量同属于第一、二层级的节点视作抗干预能力较强的节点，共包含15个城市 ① 。为了更加清晰地进行对比，将城市群网络进行简化（图9），新矩阵与原矩阵的相关性仍保持在0.985。按照联系对象数目，前文所述的11个脆弱性节点可以归纳为图10中的①~④四种类型。由于抗干预能力较强的节点的网络联系较为复杂，联系对象数目3~13不等，本文选取其中联系对象相对较少的四个城市作为代表进行对比分析（图10中⑤~⑧） ② 。
图9 简化后的城市客运网络

Fig.9 Simplified passenger transport network

图10 脆弱性节点(①~④)、抗干扰能力较强的节点(⑤~⑧)的网络联系

Fig.10 network links of vulnerable nodes(①~④) and nodes with strong anti-interference ability(⑤~⑧)

据图10，黄石、九江、湘潭和衡阳这类能较好抵御外界干扰的节点拥有更多元化的客运联系对象。这些城市周边形成了联系密切的集聚组团，近域联系与跨域联系互为补充，极大丰富了城市客运联系对象，使得节点在遭受冲击时依然能保持多样化与高效化的旅客运输通道，有效应对外界干预。与之相比，脆弱性节点暴露出了省内联系发展不足以及省际联系缺失的双重特征。抚州、黄冈、景德镇等多于60%的脆弱性节点在简化网络中仅与1个或2个省内城市保持客运联系，且除孝感、鄂州外其它脆弱性节点均不具有省际联系。因此，这类城市在对内联系和对外联系中极大依赖其依附的核心城市，致使核心城市的失效对节点韧性产生较大干扰。

4 长江中游城市群网络结构韧性提升策略

主导性节点与脆弱性节点对城市群客运网络结构韧性意义重大，前者为因，后者是果。一方面，主导性节点在面对危机出现瘫痪时，将对网络结构韧性产生强烈的干扰，是影响网络结构韧性的“内在动因”。另一方面，脆弱性节点是网络结构韧性的短板，削弱了城市群网络应对冲击的能力，是影响网络结构韧性水平的“外在体现”。研究尝试针对长江中游城市群客运网络中主导性节点和脆弱性节点对网络结构韧性的影响机制提出相应的提升策略（图11）。
图11 网络结构韧性提升思路

Fig.11 Framework of improving network structural resilience

①促进要素流通，整体提升节点中心性。搭建城市群产业合作平台，通过推进产业双向转移、共建产业合作基地等措施催生更为密切的要素流通，从而将已有的城市间“弱联系”转换为“强联系”，在基于原有联系强度阈值构建城市群网络时可实现更多城市联系的凸显，达到提升节点中心性的目的。
②推进差异建设，增强次区域内部联系。结合三个次区域内不同的节点韧性与网络联系特征，形成差异性提升策略。武汉城市圈内武汉一级独大，周边城市对其高度依赖，应增强次级交通节点的综合实力，带动非核心城市间的水平联系。环长株潭城市群韧性水平整体较高，应继续推动长沙与株洲、湘潭一体化发展，辐射带动衡阳、岳阳、常德等其它城市发展。环鄱阳湖城市群公路客运能力相对较弱，通过扩容提速、加密路网实现更为便捷的“点对点”服务，促进吉安、抚州和景德镇这类低韧性节点在次区域的内部联系。
③构建综合网络，丰富跨区域省际连通。通过完善省界陆运衔接、内河航道体系和支线机场布局形成互联互通的省际综合连通网络，管理上加强城市群内部协调机制，建设共用管理信息平台，消除交通发展衔接障碍，从而破除行政壁垒，使得运输效率与运输能力均得到增大[35]。
④加强风险防范，保障城市节点安全性。通过完善安全监管体制、加强应急体系建设，形成包含交通管理部门、交通运营部门等多部门协同的风险防范系统，进而降低路面断裂、信号设备毁坏等内部故障发生的频率，减少内涝、暴雪等自然灾害产生的影响，保障城市节点安全性，顺利完成旅客输送。

5 结论与讨论

本文基于网络中断模拟的新视角对长江中游城市群31个城市的客运网络进行分析，深入挖掘城市群应对灾害或攻击时网络结构韧性的变化特征。研究表明长江中游城市群客运网络具有如下特征：①网络结构的脆弱性：网络中断致使网络结构的抵抗力、响应力和恢复力同步衰减。②交通廊道的依赖性：对网络结构总体韧性干扰较大的城市节点主要聚集在一条与沪昆发展轴高度吻合的轴线上。③节点韧性的差异性：不同城市节点的韧性水平随其它城市失效体现出差异性，易受其它城市节点干扰的城市在空间分布上具有集聚性。
运用中断模拟有助于进一步识别出影响城市群客运网络结构韧性的关键要素。武汉、长沙、南昌等主导性节点的失效以及景德镇、抚州、吉安等脆弱性节点的出现致使城市群客运网络面临极大风险。同时，关键要素的特征分析可以为提升城市群客运网络结构韧性提供分析框架。本文通过主导性节点与脆弱性节点的网络联系特征分析指出促进要素流通，推进差异建设，构建综合网络、保障城市安全四方面能增强区域应对外界冲击的韧性水平。
本文以客运网络为例对城市群应对外界干预时的网络结构韧性进行了探讨，由于数据的局限性，还不能完全揭示城市群网络结构韧性特征。未来还需将有关方法应用到对货运、经济、信息和知识等其它城市联系网络的研究中，实现更多的实证支撑。同时，考虑到数据获取的便捷性，本文选取地级市作为研究单元，研究尺度上稍显粗放，不便于得到更为精准的结果，这些问题有待在下一步的研究中进行深化。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
孙久文, 孙翔宇. 区域经济韧性研究进展和在中国应用的探索[J]. 经济地理, 2017, 37(10):1-9.

[2]
Palekiene O, Simanaviciene Z, Bruneckiene J. The application of resilience concept in the regional development context[J]. Procedia-Social and Behavioral Sciences, 2015, 213:179-184.

[3]
Christopherson S, Michie J, Tyler P. Regional resilience:theoretical and empirical perspectives[J]. Cambridge Journal of Regions Economy and Society, 2010, 3(1):3-10.

[4]
Martin R, Sunley P. On the notion of regional economic resilience:conceptualization and explanation[J]. Papers in Evolutionary Economic Geography, 2015, 15(1):1-42.

[5]
方修琦, 殷培红. 弹性、脆弱性和适应——IHDP三个核心概念综述[J]. 地理科学进展, 2007, 26(5):11-22.

[6]
Adger W N. Social and ecological resilience:are they related?[J]. Progress in Human Geography, 2000, 24(3):347-364.

[7]
Mcdaniels T, Chang S, Cole D, et al. Fostering resilience to extreme events within infrastructure systems:Characterizing decision contexts for mitigation and adaptation[J]. Global Environmental Change, 2008, 18(2):310-318.

[8]
Crespo J, Suire R, Vicente J. Lock-in or lock-out?How structural properties of knowledge networks affect regional resilience?[J]. Journal of Economic Geography, 2013, 14(1):199-219.

[9]
Boschma R. Towards an evolutionary perspective on regional resilience[J]. Regional Studies, 2015, 49(5):733-751.

[10]
张荣天. 长三角城市群网络结构时空演变分析[J]. 经济地理, 2017, 37(2):46-52.

[11]
Li X, Xiao R. Analyzing network topological characteristics of eco-industrial parks from the perspective of resilience:A case study[J]. Ecological Indicators, 2017, 74:403-413.

[12]
Rak J. K-Penalty:a novel approach to find κ-Disjoint paths with differentiated path costs[J]. IEEE Communications Letters, 2010, 14(4):354-356.

[13]
Ruiz-Martin C, Paredes A L, Wainer G A. Applying complex network theory to the assessment of organizational resilience[J]. IFAC-PapersOnLine, 2015, 48(3):1224-1229.

[14]
Zhao K, Kumar A, Harrison T P, et al. Analyzing the resilience of complex supply network topologies against random and targeted disruptions[J]. IEEE Systems Journal, 2011, 5(1):28-39.

[15]
Thadakamalla H P, Raghavan U N, Kumara S, et al. Survivability of multiagent-based supply networks:A topological perspective[J]. IEEE Intelligent Systems, 2004, 19(5):24-31.

[16]
Kim Y, Chen Y S, Linderman K. Supply network disruption and resilience:A network structural perspective[J]. Journal of Operations Management, 2015,33-34:43-59.

[17]
Zhang X, Miller-Hooks E, Denny K. Assessing the role of network topology in transportation network resilience[J]. Journal of Transport Geography, 2015, 46:35-45.

[18]
Bhavathrathan B K, Patil G R. Capacity uncertainty on urban road networks:A critical state and its applicability in resilience quantification[J]. Computers Environment and Urban Systems, 2015, 54:108-118.

[19]
Jenelius E, Mattsson L G. Road network vulnerability analysis:Conceptualization,implementation and application[J]. Computers Environment & Urban Systems, 2015, 49:136-147.

[20]
Levinson D. Network structure and city size[J]. Plos One, 2012, 7(1):e29721.

[21]
Kim H, Li Y. Assessing survivability of the Beijing subway system[J]. International Journal of Geospatial and Environmental Research, 2014, 1(1):Article 3.

[22]
Sterbenz J P G, Cetinkaya E K, Hameed M, et al. Evaluation of network resilience,survivability,and disruption tolerance:analysis,topology generation,simulation,and experimentation[J]. Telecommunication Systems, 2013, 52(2):705-736.

[23]
饶育萍, 林竞羽, 侯德亭. 基于最短路径数的网络抗毁评价方法[J]. 通信学报, 2009, 30(4):113-117.

DOI

[24]
田柳, 狄增如, 姚虹. 权重分布对加权网络效率的影响[J]. 物理学报, 2011, 60(2):797-802.

[25]
黄传超, 胡斌. 基于复杂网络的企业关系网络的弹性研究[J]. 中国管理科学, 2014(22):686-690.

[26]
Ip W H, Wang D. Resilience and friability of transportation networks:Evaluation,analysis and optimization[J]. IEEE Systems Journal, 2011, 5(2):189-198.

[27]
苗长虹, 王海江. 河南省城市的经济联系方向与强度——兼论中原城市群的形成与对外联系[J]. 地理研究, 2006(2):222-232.

[28]
刘正兵, 刘静玉, 何孝沛, 等. 中原经济区城市空间联系及其网络格局分析——基于城际客运流[J]. 经济地理, 2014, 34(7):58-66.

[29]
罗震东, 何鹤鸣, 耿磊. 基于客运交通流的长江三角洲功能多中心结构研究[J]. 城市规划学刊, 2011(2):16-23.

[30]
Illenberger J, Nagel K, Flötteröd , et al. The Role of Spatial Interaction in Social Networks[J]. Networks & Spatial Economics, 2013, 13(3):255-282.

[31]
赵映慧, 姜博, 郭豪, 等. 基于公共客运的东北地区城市陆路网络联系与中心性分析[J]. 经济地理, 2016, 36(2):67-73.

[32]
叶磊, 段学军, 欧向军. 基于交通信息流的江苏省流空间网络结构研究[J]. 地理科学, 2015, 35(10):1230-1237.

DOI

[33]
程利莎, 王士君, 杨冉. 基于交通与信息流的哈长城市群空间网络结构[J]. 经济地理, 2017, 37(5):74-80.

[34]
姚梦汝, 陈焱明, 周桢津, 等. 中国—东盟旅游流网络结构特征与重心轨迹演变[J]. 经济地理, 2018, 38(7):181-189.

DOI

[35]
杨丽华, 孙桂平. 京津冀城市群交通网络综合分析[J]. 地理与地理信息科学, 2014, 30(2):77-81.

Options
文章导航

/

〈 〉