臺北捷運路網結構之脆弱度分析

(1)

地理研究第66期民國106年5月

Journal of Geographical Research No. 66, May 2017 DOI: 10.6234/JGR.2017.66.01

臺北捷運路網結構之脆弱度分析

Vulnerability Analysison the Taipei Metro Networ

k

黃傳楷

a

王聖鐸

b

Chuan-Kai Huang Sendo Wang

Abstract

Vulnerability refers to weakness or risk for a system and its ability to recover after a disaster. It is used to evaluate an ecological or an environmental system. This paper uses the three indices to evaluate the vulnerability of a transportation network – the Taipei Metro system : (1)exposure, (2)sensibility and (3)adaptability. These are proposed by the IPCC for the United Nations. Exposure is defined as the risk of accidents and the pressure on the network, such as the potential for flooding or the passenger flow for a station. When an unexpected event affects the system significant inconvenience is experienced by passengers. The sensibility is defined as the centrality of the network. Three centrality indices for each node (station) are calculated: (1)degree, (2)closeness and (3)between-ness. These determine the sensitive nodes for the network. The degree-centrality is defined by the in-connections and out-connections for a node. The closeness-centrality is defined by the proximity of a node to other nodes in the network. The between-ness-centrality us defined by the number of times that a node is passed between any two other nodes. The adaptability is defined as the ability to recover or the alternatives when a node suffers an accident. The nearby bus stops and public bike stations are considered as alternatives while a metro station is disabled. The greater the number of bus stops or public bike stations, the greater is the adaptability of a metro station. This study proposes an integrated vulnerability index to determine the exposure, the sensibility and the adaptability of each station. The integrated vulnerability index is then visualized on the map to better illustrate the negative impact and the positive degree to which the Taipei Metro system can recover.

Keywords: Vulnerability, Exposure, Sensibility, Adaptability, Metro Taipei, Network Analysis.

a_{國立臺灣師範大學地理學系碩士班研究生}

Masters Student, Department of Geography, National Taiwan Normal University b_{國立臺灣師範大學地理學系助理教授，通訊作者（e-mail: sendo@ntnu.edu.tw）}

(2)

惟近斷營氣候影響網結連結子，再其他究結力以發生關鍵根據而節許多發生網的一定該圖 (risk (inci 自1995 年 3 月近年來陸續發生營運，使社會付候變遷小組 (In 響指標：暴露度結構之脆弱度結 (arc)，組成再使用路網分他互補運具視為結果發現路網中以市政府站與劍生，能及時透過 鍵詞：脆弱度 Taaffe et al. ( 據Sussman (20 節點乃是實體存多研究者，主要生的頻率增加的脆弱度，給予定程度的降低道圖可解釋為系統 k) 的概念：災 ident)，最後災月28 日通車營生納莉風災淹付出重大成本 ntergovernmen 度 (exposure) 。首先將臺北成抽象性的位相分析的中心性指為調適能力，中脆弱站點多劍潭站為佳，過其他系統疏 、暴露度、敏 (1996) 定義交 002) 所提，交通存在的地理點要將脆弱度概，研究者們投予以下這樣的道路路網的可統可服務性 ( 災害的機率災害事件會影營運以來，臺北淹水、電路系統本。為找出臺北 ntal Panel on )、敏感度 (se 北捷運路網以捷相關係 (topol 指標 (centrali 計算整體路網多為轉運站之外但仍有多處高疏運旅客。 敏感度、調適能 交通路網的基礎通連結 (linka 點位。本研究節概念應用於道路投入更多心力在的定義：道路運可服務性。Berd serviceability) (probability) 影響系統可服務 圖1 脆弱度

摘要

北捷運系統已統故障、隨機北捷運路網中 Climate Chan ensitivity) 與調捷運車站為節 logy) 路網。利 ity) 找出路網網結構之脆弱外，另有善導高脆弱度站點 能力、臺北捷

前言

礎結構，是由 ages) 的範疇有節點即為捷運路、捷運與公在此領域 (Tay 運輸系統的脆 dica (2002) 將 ) 中帶有脆弱與結果 (co 務性，整體概念 度概念圖(Ber 已成為大臺北地機砍人等事件導中最脆弱的站點 nge, IPCC) 所調適力 (adap 點 (node)，前利用捷運旅運網結構中易受影弱度，嘗試找出導寺與雙連站因點需要提升調適 捷運、路網分析 由連結 (linkage 有實體的道路運站，連結即為公車等大眾運輸 ylor et al., 200 脆弱度是對意外將上述所說的交弱度 (vulnerab onsequence) ，念間彼此環環 rdica, 2002) 地區最主要的導致捷運站點甚點，本研究引用所定義的脆弱度 ptability)，以分前後站之間視運人次統計數據影響的敏感站出路網中最脆弱因高敏感度被挑適能力，以因應析 es) 及節點 (n 路、鐵路、以及為站點間的連線輸系統路網， 06)。Berdica ( 外事件遇有敏交通脆弱度概 ility)，而脆弱而風險中會環相扣。公眾運輸系統甚至全線系統用聯合國跨政度 (vulnerabil 分析臺北捷運為具有方向性據作為暴露度站點，最後將周弱的站點。本挑選出，調適應意外事件萬 nodes) 所組成抽象的航線等線。綜觀國內也因為自然災 (2002) 對道路感性，且可能概念繪製成圖度包含2 個風會產生災害事統。統中政府 lity) 運路性的度因周邊本研適能萬一成，等，內外災害路路能會 1，風險事件

(3)

Jenelius et al. (2006) 也使用 (Berdica, 2002) 相同的操作型定義，分析道路路網連結的重要性 與站點的暴露度，重要性指標加入當地的地理背景，Jenelius et al. (2006) 分別以這 2 個指標去評估瑞典北部道路路網，得到分析結果是道路的重要性與暴露度越高，則其脆弱度也越高。本研究認為(Berdica, 2002) 的脆弱度定義是延續 Timmerman (1981) 的定義，Jenelius et al. (2006) 更是直接利用Berdica (2002) 圖 2 的風險概念，強調交通脆弱度應從意外事件發生的機率，以及造成的後果等2 個面向來討論。Berdica (2002)在討論道路系統的脆弱度的時候，從交通系統的可靠度談起：根據Billinton & Allan (1992) 和 Wakabayashi & Iida (1992) 的定義，可靠度原先討論範疇幾乎都是系統穩定運作的機率 (probabilities)，並沒有災害事件造成的結果 (consequences)。從文獻中也可以發現，可靠度在眾多研究領域中，例如：電力網路與網際網路，都有完備的資料以及操作型公式，這一點是脆弱度比較不足的部分。

Jenelius & Mattsson (2012) 將交通脆弱度更進一步以區域暴露度與重要性等指標來進行計算，公式在計算的過程都是以旅運時間的增加，或是潛在可能會有旅客因為路網失效而沒有被服務到為分析重點。Jenelius & Mattsson (2012) 也將分析的空間尺度，從連結與節點轉換為網格 (grid-based) 尺度，透過網格能更完整的理解區域脆弱度，因為通常路網的一個連結或是節點失效，其所衍伸的負面效應會像漣漪一般擴散出去，這樣研究方法可以幫助本研究在後續建立脆弱度指標時，除了以路線為單位之外，更嘗試以地理行政區角度分析路網脆弱度。

Berdica & Mattsson (2007) 在瑞典斯德哥爾摩市的重要橋梁上，蒐集交通流量即時資料，模擬不同橋梁中斷，或是橋梁車道減少的情況下，對路網造成的潛在影響，相較於Berdica & Mattsson (2007) 是主觀選取重要的關鍵連結，Rodríguez-Núñez & García-Palomares (2014) 比較像是反向操作，他利用脆弱度評估找出路網中哪些是關鍵連結，他量測西班牙馬德里的大眾運輸系統脆弱度，對整體路網的站點進行分析，有別於其他的研究只利用路網結構進行分析，像是賴秀純 (2012) 對中彰投地區公路客運的路網結構進行分析，其研究將重點放在易達性程度差異，以及旅運服務與旅運人次的相關性，賴秀純所使用的資料就是單純使用人口數量進行旅運需求推估，但是 Rodríguez-Núñez & García-Palomares (2014) 是利用出發地-目的地的實際旅運資料，找出哪些節點因為載運了大量的旅客，成為大眾運輸路網中重要的關鍵連結。

除了結構本身脆弱度之外，氣候變遷的脆弱度也常常被拿出來討論，Murray & Grubesic (2007) 提到洪水、土石流、交通擁堵以及大型意外事件對道路路網會造成脆弱度。相關研究像是 Oswald & Treat (2013) 分析海平面上升對於美國費城的大眾運輸系統的脆弱度，以地理資訊系統 (Geographic Information System, GIS) 工具進行視覺化，提供決策者災害識覺支援。Khademi et al. (2015)也談到伊朗路網的在面對地震災害後的脆弱度，此研究將重點放在災害發生後的脆弱度，同樣以地理視覺化的方式呈現，以救援難易程度進行地區脆弱度分析。從上列文獻中可以發現，交通脆弱度的操作型定義都是大多依據旅行過程中金錢與時間的損失。本研究擬以聯合國跨政府氣候變遷小組 (IPCC) 評估報告之脆弱度定義：暴露度 (exposure)、敏感度 (sensitivity) 與調適能力(adaptability) 3 項指標 (IPCC, 2007)，作為本研究脆弱度函數。許多生態與社會環境領域學者，

評估一系統受氣候變遷影響程度時，大多使用 IPCC 上述之定義。本研究借用此觀念套用於捷運

系統，嘗試使用這3 項指標，描述一捷運站體之脆弱程度。據臺北市捷運局 2015 年統計資料顯示，

(4)

莫大的負面影響。臺北捷運至今仍不斷擴張營運版圖，從原先2 條主線擴張成為 5 條主線，總計有 108 個車站，如圖2 所示。隨機場捷運通車與環狀線即將通車，舊有的文獻與臺北捷運站點脆弱度評估應予以重啟。本研究嘗試引用脆弱度的概念，透過路網分析 (Network Analysis) 方法，輔以捷運 2015 年各站旅運人次數據資料，探討臺北捷運路網的脆弱度。研究主要議題如下：一、找出捷運路網中的重要節點，亦即：該站失能會對整體路網造成較大影響。二、嘗試建立路線脆弱度評估模型之雛形。 圖2 臺北捷運現行營運路線

研究方法

本文概念如下圖 3，首先利用脆弱度具有的三個面向，暴露度、敏感度與調適能力以作為影響指標。本研究受限於資料可取得性及資料合理性，故先以捷運站之旅運人次數據為外部暴露度指標，再利用中心性指標 (Centrality) 計算捷運站敏感度，最後統計捷運站周邊公車與公共自行車架數量作為該站失能時替代的大眾運輸方案，故視為調適能力。 圖3 捷運路網脆弱度概念圖

(5)

(一) 暴露度指標

本研究利用臺北捷運公司所提供之2015 年捷運各站進出人次作為暴露度因子，假設進出站人數較多的站點，發生意外事件的機率可能較高，來估算每個捷運站點發生意外事件的機率，因子經過正規化後如式1：

: 0~1

(式 1) 式中，表示：第捷運站進出站人次表示：路網中最少進出站人次表示：路網中最多進出站人次

(二) 敏感度指標

在網路分析研究的研究領域中，可以利用中心性分析節點在路網中所扮演重要性。在交通路網的應用上，一個重要的交通樞紐，若是在分析指標中顯示為重要的路網節點，那該節點在整體路網的脆弱度分析上，就扮演重要的角色。該點的存在對於路網具有關鍵作用，若是該樞紐節點失去作用，整體路網停擺的機率會大幅提升。Freeman (1978) 統整前人研究提出了 3 個量測路網中心性的因子：連結程度 (degree) (式 2)、接近程度 (closeness) (式 4)、介中性 (betweenness) (式 6)。透過 3 個中心性因子的計算，可以幫我們初步了解哪個站點是關鍵的節點，或是有哪些節點在路網位置中具有類似橋樑的地位。根據Valente (2010) 的統整與解釋，這 3 個指標的基本意義如下：連結程度就是一個節點具有的連結數，而其中又分為別人指向我的「連入程度 (in-degree)」，和我指向別人的「連出程度 (out-degree)」，接近程度指標可以得知誰在路網關係上距離大家最近，該點的影響力也越大，這邊所指的距離是透過連結相連的關係距離，而非實體距離。介中性指標是在量測一個節點在整體路網介於任2 點最短路徑的程度。 1. Degree Centrality 因子 (式 2) 式中，表示：連結數 (本站連出至他站數+他站連入至本站數) 表示：站點總數正規化：

: 0~1

(式 3) 式中，表示：第捷運站Degree Centrality 數值表示：路網中最低Degree Centrality 數值表示：路網中最高Degree Centrality 數值 2. Closeness Centrality 因子 ∑ (式 4) 式中，表示：站點與站點在路網中關係距離正規化：

: 0~1

(式 5)

(6)

式中，表示：第捷運站Closeness Centrality 數值表示：路網中最低Closeness Centrality 數值表示：路網中最高Closeness Centrality 數值 3. Betweenness Centrality 因子

,

∑

, , (式 6) 式中，表示：站點與站點透過站點中介的最短路徑數表示：站點與站點間最短路徑數例如：A 點到 B 點有 5 條最短路徑，而 C 點佔據最短路徑數中的其中2 條，則 C 在 A 和 B 點間的數值則是 2/5。正規化：

: 0~1

(式 7) 式中，表示：第捷運站Betweenness Centrality 數值表示：路網中最低Betweenness Centrality 數值表示：路網中最高Betweenness Centrality 數值本研究將上述 3 個中心性因子正規化後相加成為敏感度指標，如下式 8：

, ,

: 0~1

(式 8) 此三種中心性因子曾被應用於量測道路路網與機場網路，Crucitti & Porta (2006) 應用了接近程度和介中性指標去量測都市街道紋理，利用交通路口作為節點、道路作為連線，希望透過單純量測這2 個指標區分現代規劃好的都市與自古發展的城市，在這 2 個中心性指標上表現的差異性。 Guimerà et al. (2005) 利用接近程度和介中性指標，量測全球飛航路網的結構與特性，除了辨別出 哪些機場是高連結性與高中心性之外，另外再應用Girvan-Newman Technique (GN) 分群方法，將全球機場進行分群，討論不同機場在路網中扮演的角色差異。

(三) 調適能力指標

假設某捷運站失能時，旅客由該站外溢，摒除捷運系統緊急調派的疏散專車（因需調度時間）及私人營業車輛（因行經該站計程車數量無法統計），大眾運輸系統中應以公車及公共自行車為旅客最有可能之替代旅程方式。因此本研究以公共運輸範疇介接臺北市政府資料開放平台資料，利用捷運出口100 公尺以內的公車路線數量與公共自行車架數量 (圖 4)，作為 2 個調適能力因子。而為求指標的一致性，本研究將2 個調適能力因子依路網中最多與最少公車路線差 (Rmax-Rmin)、路網中最多與最少公共自行車架數差 (Ymax-Ymin)，分別進行正規化 (式 9、10)，加總後即為調適能力因子。

(7)

(四)

並以之調化後站的 1. 公車路線 2. 公共自行

) 脆弱度模型

依前所述，脆以其他補救方案調適情性，屬於後的外部暴露度的風險最高，或圖線數量調適因子行車架數量調適式

型

脆弱度應代表某案（調適能力於負面指標，度及正規化後或者說哪些站 圖4 捷運路網 子式中，表示表適因子式中，表示表示表示某一站點易受力）修正後之脆值越大代表該後的內部敏感度站一旦失能對捷 網套疊公車與公 示：第捷運站表示：路網中表示：路網中：第捷運站公示：路網中最示：路網中最受外來侵襲程度脆弱程度。意該站點越需要度加總，作為捷運路網的影 公共自行車圖 站公車路線數中最少公車路線中最多公車路線公共自行車架最少公共自行車最多公共自行車度（暴露度）、內意義上可視為該要關注和進行改為單一站點調適影響最大。然後圖數量線數量線數量架數量車架數量車架數量內部結構之居中該站點失能的機改善。因此本研適前指標，排序後再將減去正規 (式 (式中性（敏感度機率及其失能研究嘗試將正序後可找出哪規化後的調適式9) 10) ），能後正規哪些適能

(8)

力因子，得到最終調適後的脆弱度模型，可顯示出哪些站點即使調適後仍有極大風險，需要進一步改善，例如：增加公車路線或自行車車架數。（一）調適前

(式 11) 式中，表示：暴露度指標表示：敏感度指標（二）調適後 (式 12) 式中，表示：公車調適因子表示：公共自行車調適因子

指標分析

(一) 暴露度指標

本研究利用捷運站進出站人次做為暴露度因子，來估算捷運承受意外事件的壓力。本文假設進出站人數較多的站點，發生意外事件的頻率可能較高。將計算數值正規化到0~1 之間如圖 5 與圖6，台北車站人次流量為全系統之冠，西門、忠孝復興與市政府捷運站是 3 個較多人次的群組，接續這4 站的站點就有所變化，並不是我們所熟知的轉運站，而是許多觀光地區與鄰近著名景點的站點，都有高人次的進出量，像是淡水、新埔、善導寺、劍潭、忠孝敦化、板橋、頂溪與永春等站。

(二) 敏感度指標

本研究將3 個中心性因子計算結果正規化到數值 0 與 1 間，再將 3 個數值加總成中心性因子如圖7。本研究模型發現中心性因子在大橋頭站明顯上升，較高的右側依序找出 15 個捷運站，可以視為敏感度較高的捷運站群組。本研究將這15 站點標記在圖 8 官方捷運地圖上，可以看出它們共同特徵都是捷運路網中的轉乘站，而其中比較特別的是善導寺站與雙連站，這2 個捷運站點並不是轉運站，但是透過中心性指標計算後發現路網中有大量捷運站需要經過他們2 個站，而且這 2 個站同時也位處路網中心位置，因此在分類上，這 2 個站點對於路網具有相當程度的重要性，如果只以連結數多寡論斷捷運站點重要性的話，此類站點就容易受到忽視。

(三) 暴露度 vs.敏感度關係圖

將上述敏感度指標列為X 軸、暴露度指標為 Y 軸，自然分段 (Nature break) 為三群，繪製如圖9。第一群是較高暴露與高敏感，如圖 9 紅圈處。敏感度前 15 高捷運站人口暴露壓力一樣很高，只有大橋頭站例外。該站西邊連接新莊蘆洲線，大量站點需要經過它才能到達市區，但是它不是人口進出的站點。第二群是高暴露與中敏感，如圖9 綠圈處，內含許多觀光地區或鄰近著名景點的站點。其路網中心性比較低，但是暴露在眾多人流進出壓力之下，脆弱度因此較高。第三群是

(9)

低暴露與低敏感，如圖9 藍圈處。這些站點若失能，對於整體系統影響相對不大，而位於終點站的淡水站，雖然它的中心性最低，但是在高暴露度的情況之下，它的脆弱度一樣較高。

(10)

10

圖圖 6 圖 5 暴露度計算 結圖 5 暴露度之局 部結果部 放大圖

(11)

圖

7

各捷運站中心性指標

(12)

圖8 各各捷運站中心性 圖9 暴 性指標(資料來 露度與敏感度 來源：台北捷運 度關係圖 運公司)

(13)

(四)

與公能力受到調適

(五)

區光線興中心線與適能

) 調適能力指

調適能力計算公車經過，一旦力後，得到脆弱到衝擊後的影響適良好、仍脆弱

) 脆弱度

敏感度與暴露光觀人潮較多的興建完畢，這樣心的車站來換車與淡水線靠近劍能力，讓中等敏

指標

算結果如圖10 旦捷運站失能弱度如圖11。響較小，正值弱、仍有高度露度加疊後即的站點，暴露樣的形況才會車。捷運路網劍潭站前後的敏感度與暴露 0，高調適能力能可以即時輸運負值表示站點值表示還有脆弱度脆弱。圖10 圖11 捷 即為調適前脆弱露度也較高。敏會改善。市中心網的調適能力的站點，調適能露度站點影響相力的站點有市運外溢旅客。點目前的調適弱因子未被調 捷運站調適 捷運站調適後之 弱度 (圖 12)，敏感度全分佈心在路網中的，以市政府與能力也相對較相對降低。經市政府與劍潭站本研究將暴露適能力，足以負調適。經計算後 適能力 之脆弱度 暴露度高的站佈於市中心，等的重要性才會下與劍潭站為最好較好，此2 種替經過脆弱度模型站，周邊有大露度與敏感度相負荷當前的脆後的系統結果可站點大多分佈等明後年機場捷下降，不會所有好，而圖中趨勢替代工具都具型計算後，可以量公共自行車相加後減去調脆弱度影響因子可以分為3 類佈於市區，幾個捷運與新北環有旅客都要到勢可以發現文有一定程度的以發現除了原車架調適子，類，個郊環狀到市文湖的調原先

(14)

市中心高人流的轉運站有非常高的脆弱度以外，忠孝敦化、永安市場、頂溪、圓山、江子翠、永春、新埔、景安、明德等站點調適能力也較差，現有其他交通替代方案無法滿足旅客，表示表示公共汽車及公共自行車這兩種替代工具無法有效調適捷運路網中高脆弱性捷運站。而市政府、劍潭、西門、板橋、公館與松山等站最為合適，其捷運周邊交通替代方案完備，當捷運發生停駛時，能提供一定程度的運輸能力。 圖12 調適前後脆弱度

結論與建議

本研究結果發現路網中脆弱站點多為轉運站之外，另有善導寺與雙連站因高敏感度被挑選出，調適能力以市政府站與劍潭站為佳，但仍有多處高脆弱度站點需要提升調適能力。而模型可對捷運站進行初步脆弱度分類，分類結果顯示以公車與公共自行車為替代方案情況下，仍有15 個高暴露與高敏感的站點與9 個高暴露與中敏感的站點，無法在意外事件發生時提供一定的運輸服務能

(15)

力，其他電穩整體原先運站針對何將然在期間而本研究目前他潛在天然災害穩定性資料，利體路網的漣漪效先嘗試模擬洪患站點會被洪水影對此方向進行探將不同發生機率在災害當下可能間內，地面其他前仍是初步模害、油氣管線利用實際的捷效應，應會增患對捷運站體影響。但受限探討。又，捷率的事件合併能所有公共運他交通運輸仍模型的建立，其線或是周邊交通捷運故障停駛資增加周邊站點的體之影響 (圖 1 限無法取得所有捷運站點淹水的併考慮，以進行運輸都會失效仍有機會是正常 圖13 捷運 其準確性需要通狀況等暴露資料，進行捷的敏感度，讓 13)，欲瞭解若有捷運出入口的發生機率與行計算暴露度，但是災後捷常運作的。 運路網套疊淹 要更多資料的修露度因子，而敏捷運停駛機率推讓整體模型更接若臺北市區淹水口及豎井之高度與系統暴露在進度指標，也是未捷運系統從失能 淹水潛勢圖 修正與驗證。敏感度因子可增推估，而單一捷接近實際情況水到某種水位度而無法進行進出人流的壓未來可以繼續研能到恢復需要時後續研究可增增加捷運內部捷運站停擺對。另外，本研位時，有多少的，後續研究或力完全不同，研究的方向。時間，在這一增加部機對於研究的捷或可，如。雖一段

(16)

另外，本研究建議可將目前捷運年度資料依據月份進行分析，搭配公車車機即時資料及發車頻率與公共自行車數量的即時統計，可以讓整體分析更為完善。捷運站失能後，捷運公司也會即時啟動公車接駁服務，因此影響時間與範圍需要再精確，而計程車也是交通替代方案之一，但是現行無統計資料可以使用，因此本研究目前只統計公共運輸範疇。

誌謝

本研究部份承蒙科技部專題計畫(NSC 102-2511-S-003-035-MY4)輔助得以完成，謹申謝忱。

引用文獻

賴秀純（2012）：《中彰投公路客運路網結構研究》。彰化縣：國立彰化師範大學地理學系碩士論文。

【 Lai, S.C. (2012). Network Structure Analysis for the Bus Services of the “Taichung-Changhua-Nantou Area”. Master’s Thesis, Department of Geography, National ChangHua University of Education】

Berdica, K. (2002). An introduction to road vulnerability: what has been done is done and should be done. Transport Policy, 9(2):117-127.

Berdica, K., & Mattsson, L.G. (2007). Vulnerability: A Model-Based Case Study of the Road Network. in Stockholm. In Murray, A.T. & Grubesic, T.H. (Eds.), Critical Infrastructure: Reliability and

Vulnerability, 81-106. Berlin & Heidelberg: Springer.

Billinton, R., & Allan, R.N. (1992). Reliability Evaluation of Engineering Systems, Concepts and

Techniques (2 ed.). New York: Springer US.

Crucitti, P., Latora, V., & Porta, S. (2006). Centrality measures in spatial networks of urban streets.

Physical Review E, 73(3): 036125.

Freeman, L.C. (1978). Centrality in social networks conceptual clarification. Social Networks, 1(3):215-239.

Guimerà, R., Mossa, S., Turtschi, A., & Amaral, L.A.N. (2005). The worldwide air transportation network: Anomalous centrality, community structure, and cities' global roles. Proceedings of the

National Academy of Sciences, 102(22): 7794–7799.

IPCC (2007). Climate Change 2007: Impacts, Adaptation and Vulnerability. Contribution of Working

Group II to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change.

Cambridge: Cambridge University Press.

Jenelius, E., & Mattsson, L.G. (2012). Road network vulnerability analysis of area-covering disruptions: A grid-based approach with case study. Transportation Research Part A: Policy and Practice, 46(5): 746-760.

Jenelius, E., Petersen, T., & Mattsson, L.G. (2006). Importance and exposure in road network vulnerability analysis. Transportation Research Part A: Policy and Practice, 40(7): 537-560.

(17)

Khademi, N., Balaei, B., Shahri, M., Mirzaei, M., Sarrafi, B., Zahabiun, M., & Mohaymany, A.S. (2015). Transportation network vulnerability analysis for the case of a catastrophic earthquake.

International Journal of Disaster Risk Reduction, 12: 234-254.

Murray, A.T., & Grubesic, T.H. (2007). Overview of Reliability and Vulnerability in Critical Infrastructure. In Murray, A.T. & Grubesic, T.H. (Eds.), Critical Infrastructure: Reliability and

Vulnerability, 1-8. Berlin & Heidelberg: Springer Berlin Heidelberg.

Oswald, M., & Treat, C. (2013). Assessing Public Transportation Vulnerability to Sea Level Rise: A Case Study Application. Journal of Public Transportation, 16(3): 59-77.

Rodríguez-Núñez, E., & García-Palomares, J.C. (2014). Measuring the vulnerability of public transport networks. Journal of Transport Geography, 35:50-63.

Sussman, J. (2002). Introduction to Transportation Systems. Boston: Artech House.

Taaffe, E.J., Gauthier, H.L., & O'Kelly, M.E. (1996). Geography of Transportation (2 ed.). NJ: Prentice Hall College Div.

Taylor, M.A.P., Sekhar, S.V.C., & D'Este, G.M. (2006). Application of Accessibility Based Methods for Vulnerability Analysis of Strategic Road Networks. Networks and Spatial Economics, 6(3): 267-291.

Timmerman, P. (1981). Vulnerability, resilience, and the collapse of society: A review of models and

possible climatic applications, Institute of Environmental Studies. Toronto: University of Toronto..

Valente, T.W. (2010). Social Networks and Health: Models, Methods, and Applications. Oxford Scholarship Online.

Wakabayashi, H., & Iida, Y. (1992). Upper and lower bounds of terminal reliability in road networks: an efficient method with Boolean algebra. Journal of Natural Disaster Science, 14(1): 29-44.

投稿日期：105 年 12 月 12 日修正日期：106 年 03 月 08 日接受日期：106 年 03 月 09 日

臺北捷運路網結構之脆弱度分析