臺北捷運路網脆弱度分析

全文

(1)國立臺灣師範大學地理學系第四十六屆碩士論文. 臺北捷運路網脆弱度分析. 研究生：黃傳楷指導教授：王聖鐸. 中華民國 106 年 7 月.

(2) 臺北捷運路網脆弱度分析 The Analysis of Vulnerability for Metro Taipei. 摘要臺北捷運營運屆滿 20 週年，路網規模已發展出 5 條主線與 2 條支線，計有 108 個車站，營運里程約 131.1 公里。根據臺北市捷運局 2016 年資料顯示，每日平均載運人次達 200 萬人次，顯示臺北市與新北市居民高度仰賴本系統通勤，一旦因為天然災害或意外事件影響捷運運作，將造成莫大的負面影響。為瞭解臺北捷運路網內潛在的脆弱站點，本研究引用聯合國跨政府氣候變遷小組(IPCC)所定義的脆弱度(vulnerability)影響指標：暴露度(exposure)、敏感度 (sensitivity)與調適能力(adaptability)。分別計算臺北捷運路網站點脆弱度影響人次，再偵測路網中潛在的分群結構，進行整體脆弱度評估。本研究對路網的定義是以捷運車站為節點(node)，前後站之間視為具有方向性的連結(arc)，形成抽象性的位相關係(topology)路網。在脆弱度指標方面，則是利用捷出入運站閘門的旅運人次統計數據作為暴露度因子，再使用路網分析的中心性指標(centrality)，找出路網結構中易受影響的敏感站點，最後將周邊公車路線及公共自行車架數目作為加入模式計算，嘗試找出路網中仍脆弱的站點。本研究以地理視覺化方式呈現脆弱度上述 3 個抽象意涵，研究結果發現單就時間維度而言，系統最為脆弱的時間為傍晚 17-19 點，人潮從市中心少數站點大量湧入站點。單就路線而言，最為脆弱的路線為板南線(藍線)，有 9 個高脆弱度的站點。路網分群結果也能給予相關單位在管理層面較為一致性的措施。. 關鍵詞：臺北捷運、脆弱度、路網分析、路網分群. I.

(3) Abstract After 2 decades operation, the Metro Taipei now serves over 2 million passengers per day, with its 5 main lines: Wenhu Line, Tamsui-Xinyi Line, Songshan-Xindian Line, Zhonghe-Xinlu Line and Bannan Line. The network consists of 108 stations and the total length of rail is 131.1 kilometers long, which covers both Taipei and New Taipei City. Even a small accident which causes the system to stop will result in tremendous inconvenience to the passengers. In this paper, we introduce the three index, (1)exposure, (2) sensitivity, and (3)adaptability, proposed by the IPCC of the United Nations, to evaluate the vulnerability of a transportation network – the Metro Taipei. The exposure is defined as the risk of accidents and the pressure on the network. The sensitivity is defined as the betweenness centrality of the network. The betweenness centrality reveals how many times a node would be passed through between any two other nodes. The adaptability is defined as the recovering ability or the alternatives while a node is suffering an accident. The nearby bus stops and public bike stations are considered as the alternatives while a metro station is becoming disabled. The more bus stops or public bike stations means higher adaptability of a metro station. We propose an integrated vulnerability index to considering the exposure, the sensitivity, and the adaptability of each station. The result indicates some high vulnerable station, and the system is vulnerable at the work-to-home traffic peak time. The integrated vulnerability index is then visualized on the map for better illustration of the negative impact and the positive recoverability of the Metro Taipei.. KEY WORDS: Metro Taipei, Vulnerability, Network Analysis, Network Grouping. II.

(4) 致謝. 本論文經以下貴人幫助完成，傳楷致上最高敬意：. 王聖鐸老師邱式鴻老師徐百輝老師陳哲銘老師父親母親龔蓉 Jarvis Ryan 翎嘉孜恆 Jason 宜姍子閎肄亞亮言 MDGIL 全員地理系全體老師、助教. …最後，可能有一些我疏漏的人，我同樣感謝你們，謝謝。. III.

(5) 目錄第1章 1-1 1-2 1-3 第2章 2-1 2-2. 緒論 ........................................................................................................... 1 研究動機 ................................................................................................... 1 研究議題 ................................................................................................... 4 研究流程 ................................................................................................... 5 文獻回顧 ................................................................................................... 6 交通脆弱度定義 ....................................................................................... 6 脆弱度於交通路網之應用 ..................................................................... 10. 2-3 2-4 第3章 3-1 3-2. 拓樸理論於交通脆弱度之應用 ............................................................. 13 小結 ......................................................................................................... 15 研究方法 ................................................................................................. 18 研究區概況 ............................................................................................. 18 暴露度指標 ............................................................................................. 19. 3-3 3-4 3-5 3-6. 敏感度指標 ............................................................................................. 20 調適能力指標 ......................................................................................... 23 脆弱度模式 ............................................................................................. 25 路網分群偵測 ......................................................................................... 26. 第4章 4-1 4-2 4-3 4-4. 指標分析 ................................................................................................. 28 暴露度指標分析 ..................................................................................... 28 敏感度指標分析 ..................................................................................... 32 調適能力指標 ......................................................................................... 35 脆弱度模式分析 ..................................................................................... 38 4-4-1 走勢 1 (高低高低型) ................................................................... 45 4-4-2 走勢 2 (低高低高型) ................................................................... 46 4-4-3 走勢 3 (持續上升型) ................................................................... 47 4-4-4 走勢 4 (先下後上型) ................................................................... 50. 4-5 第5章 5-1 5-2 第6章. 路網分群偵測 ......................................................................................... 51 結論與建議 ............................................................................................. 56 結論 ......................................................................................................... 56 建議 ......................................................................................................... 57 參考文獻 ................................................................................................. 59. IV.

(6) 圖目錄圖圖圖圖圖圖圖. 1、國外媒體報導臺北捷運首件無差別殺人事件................................................ 1 2、2010 俄羅斯莫斯科地鐵恐怖攻擊事件........................................................... 2 3、系統效能比較圖................................................................................................ 3 4、研究流程............................................................................................................ 5 5、脆弱度概念圖.................................................................................................... 9 6、波士頓地鐵路網圖.......................................................................................... 10 7、全球航線圖...................................................................................................... 10. 圖圖圖圖圖. 8、馬德里脆弱路段圖.......................................................................................... 12 9、路網 2 種特性.................................................................................................. 13 10、都柏林公車路網分群圖................................................................................ 14 11、瑞典道路脆弱暴露程度圖 ............................................................................ 16 12、美國費城的大眾運輸系統受災潛勢圖........................................................ 17. 圖圖圖圖. 13、臺北捷運現行營運路.................................................................................... 19 14、道路節點與道路中心性分布圖.................................................................... 21 15、全球機場分群圖............................................................................................ 21 16、捷運路網套疊公車與公共自行車圖............................................................ 24. 圖圖圖圖圖圖圖圖圖. 17、GIRVAN 和 NEWMAN 分群概念圖 ........................................................... 26 18、高頻率暴露度................................................................................................ 30 19、站點敏感度分布圖........................................................................................ 34 20、站點調適人次分布圖.................................................................................... 37 21、營運時間人次變化圖.................................................................................... 38 22、站點調適人次分布圖.................................................................................... 39 23、高脆弱站點分布圖........................................................................................ 40 24、108 站點脆弱度時間變化圖......................................................................... 41 25、細分 3 類脆弱變化走勢圖............................................................................ 42. 圖圖圖圖圖圖圖圖圖. 26、4 種變化趨勢圖............................................................................................. 43 27、數值與走勢分類矩陣.................................................................................... 44 28、A1 趨勢圖 ...................................................................................................... 45 29、C1 趨勢圖 ...................................................................................................... 45 30、B2 趨勢圖 ...................................................................................................... 46 31、C3 趨勢圖 ...................................................................................................... 47 32、C3 細部趨勢圖 .............................................................................................. 48 33、A3 細部趨勢圖 .............................................................................................. 48 34、B3 細部趨勢圖 .............................................................................................. 49. 圖 35、B4 細部趨勢圖 .............................................................................................. 50 圖 36、MODULATY Q 值圖 .................................................................................... 51. V.

(7) 圖圖圖圖. 37、路網分群結構圖............................................................................................ 52 38、星型路網概念圖............................................................................................ 52 39、分群樹狀結構圖............................................................................................ 53 40、捷運路網套疊淹水潛勢圖............................................................................ 58. 表目錄表 1、脆弱度定義表.................................................................................................... 7 表表表表. 2、分時段暴露度前 15 名排名統計.................................................................... 29 3、分時段正規化暴露度前 15 名排名統計........................................................ 31 4、敏感度數值計算總排名.................................................................................. 33 5、調適人數計算總排名(尖峰) ........................................................................... 36. VI.

(8) 第1章緒論. 1-1. 研究動機. 臺北捷運路網高度嵌入臺北市與新北市民生活，每天約有 200 萬人次仰賴此系統通勤移動，捷運的穩定度在可靠度指標評比 (Mean Kilometer Between Failure， MKBF)曾連續 5 年獲得國際軌道聯盟第 1 名，該聯盟成員皆為年營運人次達 5 億以上的軌道系統，如此高的可靠度服務水平，全倚靠北捷公司辛勤的工作人員，日以繼夜的提供穩定的運輸服務；但是，現階段的高可靠度評比是單純的機械穩定度數據，此數據無法捕捉一旦捷運系統遭受突發事件時造成列車停駛站點失能時，對整體路網會有什麼樣的影響，有多少旅客會暴露在高風險無法調適的站點中。這種意外事件考量視角，從列車機械轉到旅客的身上，當旅客發生突發意外事件，像是旅客落軌或是隨機攻擊事件，這種意外事件的發生也會導致列車服務水準降低甚至停擺，而這樣意外事件若無情資也無法事先準備。例如，臺灣在 2014 年發生捷運隨機殺人事件，此事件是 1996 年臺北捷運通車以來首件無差別殺人事件，國外媒體也以大篇幅報導並為受害者默哀(圖 1)，兇手在捷運車廂內行刺後在江子翠站被捕，整起事件讓江子翠站陷入停擺，內政部警政署也在此事件後，增派眾多警力於捷運車廂中，以嚇阻其他模仿效應的發生。. 圖 1、國外媒體報導臺北捷運首件無差別殺人事件. 1.

(9) 雖然此次事件警政署列為個別事件並非恐怖攻擊，但仍可作為臺北捷運一旦遭遇恐怖攻擊時的假想，進一步防患於未然。此次隨機殺人事件兇手表示，會選在此處犯案原因是這一段行駛路線長，乘客難以逃脫可供兇手對乘客恣意妄為，以達到兇手造成最大傷亡目的，可見這一類恐怖攻擊或是殺人事件，最重要的受災承載對象皆為旅客，而基本的攻擊致使旅客受傷，都有可能使捷運停擺。國際上也有多起上地鐵上的爆炸案，像是 2005 年於英國倫敦地鐵爆炸案與 2010 俄羅斯莫斯科地鐵恐怖攻擊事件(圖 2)，兇手都選擇上午 7-9 點上班交通尖峰時間，於 2 地鐵系統內多處引爆炸彈，造成大量死傷人數。. 圖 2、2010 俄羅斯莫斯科地鐵恐怖攻擊事件 (底圖資料：莫斯科地鐵局, 2017) 根據(Zhang et al., 2011; Zhang et al., 2013)統整全球 30 條捷運路網計算路網結構特徵，當捷運系統被經過次數最高的站點失能時，其所影響的系統服務效能遠大於隨機選取路網中任一站點，如圖 3 所示，X 軸是一步步阻斷路網站點的順序，Y 軸是服務效能數值，當攻擊事件隨機發生在路網任一站點時，服務效能將如藍線走勢緩慢下降，若是攻擊路網中轉運地位等站點(如圖 3 紅線與綠線)，系統服務效能將會大幅下降。 2.

(10) 圖 3、系統效能比較圖 (Zhang et al., 2011) 由上述攻擊事件特性以及前人研究結果可見，恐怖攻擊兇手在犯案時間傾向選擇上午的交通尖峰時段，但是這樣研究結果能否一體適用於臺北捷運不得而知。而犯案地點也會選擇大量人潮進出之站點，以達到最大傷亡之目的。臺灣雖然不是恐怖攻擊高風險國家，但在 2017 年世界大學運動會舉辦之際，臺北捷運肩負旅運首要之位，更是不能掉以輕心。近年極端氣候事件發生頻率有增加趨勢，這也讓眾多領域學者應用脆弱度概念於各領域，脆弱度被應用最廣泛的領域是在氣候變遷研究上，研究者期望能量化系統面對災害的脆弱程度，以不同形態災害模擬實際受災狀況，量測系統在災前、災中與災後三個階段的影響。聯合國跨政府氣候變遷小組(IPCC)2007 年報告，明確指出脆弱度(vulnerability)包含 3 個面向：暴露度(exposure)、敏感度 (sensitivity) 與調適能力(adaptability)(IPCC, 2007)，IPCC 報告主要針對氣候變遷下受影響的系統或個體，而這一定義也被大量引用於不同領域中。臺灣位處颱風侵襲路徑之處，臺北捷運系統曾在 2001 年遭受納莉風災嚴重侵襲，多個重要捷運站點失能完全無法疏運旅客，然而該事件之後，臺北捷運後續興建路線均以該. 3.

(11) 次事件為依據，提升捷運出入口防洪標準。從上述案例中，可以發現臺北捷運從開通營運至今，曾發生過不同程度的天災以及人禍，但是過去研究多著重在捷運的服務滿意度、可靠度與穩定度等，但並未有一完整之脆弱度研究。因此，本研究嘗試以人為影響基礎，應用相關拓樸理論基礎，量測捷運系統站點的脆弱程度，讓相關單位有部署應變方案之依據。. 1-2. 研究議題. 本研究引用脆弱度的概念，透過拓樸理論(Topology)中路網分析(Network Analysis)方法，輔以臺北捷運 2016 年 11 月 108 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： 1. 嘗試建立捷運路線脆弱度評估模式：由於各學科對於脆弱度定義未有共識，研究者各自領域所關心的對象亦不同，選用建立脆弱度的因子更是大相逕庭，而以捷運路網為研究標的建立脆弱度評估模式的研究更是少見，故本研究嘗試以捷運為標的，建立脆弱度評估模式。 2. 辨別路網中脆弱站點，並探討站點失能時對路網的影響：脆弱度評估模式的建立，能評估路網中節點的重要性，分析不同重要程度的站點，面對突發事件時的脆弱程度，利用地理視覺化方式將之呈現於路網中。 3.對臺北捷運路網站點進行分類：透過上述脆弱度模式分析，能依據站點脆弱度特性進行分類，在不同時間尺度下，將相同脆弱程度的站點給予一致性的措施，隨時間變化站點脆弱程度也不同，管理措施也能隨之變更。. 4.

(12) 1-3. 研究流程. 本研究流程大綱為下圖 4。首先，本研究確立研究議題後，比較社會與自然脆弱度後發現，脆弱度於各個學科定義皆不同。因此，本研究回歸聯合國脆弱度函數定義，再回顧脆弱度於交通之應用，以及拓樸理論分析交通路網的案例。研究方法會先探討脆弱度 3 項指標，加總計算 3 項指標後即為本研究脆弱度數值，再搭配理論中的路網分群方法，綜合評估路網整體脆弱度。. 研究動機. 交通脆弱度定義. 研究議題確立. 交通脆弱度應用拓樸理論於交通脆弱度之應用. 文獻回顧. 暴露度指標. 敏感度指標. 研究方法. 調適能力指標網路分群偵測. 結果. 指標分析與綜合評估. 結論與建議圖 4、研究流程. 5.

(13) 第2章文獻回顧. 2-1. 交通脆弱度定義. Cutter (1996)提到脆弱度概念被廣泛應用在風險與災害等學科，且被越來越多的研究者應用在全球變遷以及環境等議題。Cutter 整理了 1980~1995 近 15 年中有關脆弱度的學術論文，大部分學者的脆弱度定義都是有關人們的損失與風險，本研究彙整林冠慧等(2015)以及洪雅雯 (2005)文中，對此表格之翻譯與定義之整理如表 1，其中 Timmerman (1981)對脆弱度定義為：系統面對一災害事件所產生的負面影響，而負面影響的程度可被系統本身的回復力(resilience)所調節，原文對於脆弱度一詞的定義如下： Vulnerability is the degree to which a system, or part of a system may react adversely to the occurrence of a hazardous event. The degree and quality of the adverse reaction are partly conditioned by the system’s resilience… (Timmerman, 1981) Timmerman(1981)的定義，清楚描繪出脆弱度分為 2 個部分，第 1 部分是系統受災狀況，但是第 2 部份是要根據其系統所擁有的調適能力才能估算整體受災情形。而在 Chambers (1989)的文中又提到，受災情形分為內部以及外部，在後續的研究中所提出的脆弱度架構大致上都在上述的框架之下。但是不同學科關注的個體或是系統不一樣，Newell et al. (2005)提出脆弱度研究是綜合人類與環境的研究，由此可見脆弱度涵蓋範圍之廣且因著不同學科有眾多解釋。Adger (2006)提出脆弱度的定義雖然因不同學科而異，但是還是有幾個關鍵的共通點，譬如都是討論系統對負面影響的反應，並且都有系統的暴露度 (exposure) 、敏感性 (sensitivity) 與調適能力(adaptability/adaptive capacity)。而後聯合國跨政府氣候變遷小組(IPCC)在 2007 年報告中提出的脆弱度 3 個面向：暴露度、敏感度與調適能力(IPCC, 2007)，也被眾多文獻引用加權計算系統脆弱度。. 6.

(14) 表 1、脆弱度定義表 (資料來源：Cutter (1996)、林冠慧等. (2015)、洪雅雯(2005)) 文獻 Gabor and Griffith(1980) Timmerman(1981). 脆弱度定義脆弱度是人們所暴露在的威脅中 (包含化學物質、社群裡的生態關聯，以及面對急難的準備程度)。系統面對一災害事件所產生的負面影響，而負面影響的程度可被系統本身的回復力(resilience)所調節。. UNDOR(1982) Susman et al.(1984). 脆弱度某種自然現象的發生，所引起的一個或一組元素的損失程度。脆弱度是不同階級的社會遭受不同風險程度。. Kates (1985). 脆弱度是一種遭受傷害及其與之對抗的承載力。. Pijawka and. 脆弱度是威脅，或風險與整備間的互動。它是有害事物，威脅特定人群，及. Radwan(1985) Chambers (1989). 人群減輕風險能力的程度。暴露在壓力與偶然事件中，且不具備處理能力。因此脆弱度有兩個面向：外部面向指個體或家戶所面對的風險、衝擊與壓力；內部面向指系統的無抵抗性(defenselessness)，缺乏處理的方法。. Bogard(1989). 脆弱度的定義為無能力對損失採取有效的方法。. Mitchell (1989). 脆弱度是可能的損失。. Liverman (1990). 脆弱度同時具備地理空間與社會空間，地理空間指哪些地方脆弱且在什麼地理區位，社會空間指誰在那個地方是脆弱的。因此區別了脆弱度的生物物理條件，及社會的政治、社會、經濟條件。. Downing (1991). 脆弱度有三種內涵 (connotations)：是一種結果(飢荒) 而非原因(乾旱)；是一種負面結果(玉米田對乾和很敏感、家戶對飢餓很脆弱)；是一種不同社經族群與地區間的相對值，而非絕對值。. Dow(1992). 脆弱度是群體或個人基於其所在的自然與社會環境，處理災害事件的的不同能力。. 7.

(15) Smith(1992). 特定災害下的風險會隨著時間、物理暴露及人們的脆弱度(社會與經濟容忍性的寬度) 而改變。. Alexander (1993) Cutter (1993). 人類脆弱度是自然災難風險地區損失與受益的函數。脆弱度是一個個體或社群將暴露於災害下經歷負面衝擊的可能性，是災害與地方社區社會特質的交互活動。. Watts and Bohle (1993) Blaikie et al. (1994). 脆弱度可以定義為暴露、承載力、潛力。因此脆弱度的常規反應是降低暴露、加強處理承載力、經由私人及公開方式以增強回復潛力及提高傷害控管。脆弱度指一個人或社群的特質，可以預測、處理、對抗及從自然災害衝擊中回復的承載力。包含了一連串因素的組合，決定哪一些人的生命、維生方式、財產或其他資產將會置於不連貫的自然或社會事件下的風險程度。. Bohle, Downing,. 脆弱度最好被定義為人類福祉的總體評估，整合了環境面、社會面、經濟面、. and Watts (1994). 政治面對傷害性擾動的暴露。脆弱度是一種多層面、多面向的社會空間，此空間由一特定時間下一特定地方人們的政治、經濟、制度的能力所決定。. Dow and Downing. 脆弱度是不同的易受影響性(susceptibility)，生物物理、人口(年齡結構)、經. (1995). 濟(依賴度)、社會(種族主義)、技術(基礎建設的年限) 等因素必須和自然災害一起接受檢驗。. UN/ISDR(2002). 脆弱度係指由物質條件、社會結構、環境系統、經濟活動等條件所組成之一套條件或計畫，增加或減少一個受災標的受災影響機率。. Turner II, Kasperson. 脆弱度可以廣義定義為一個特定的系統、次系統或系統的成分由於暴露在災. et al. (2003). 害、壓力或擾動下而可能經歷的傷害。. UNDP(2004). 從生理、社會、經濟和環境因素產生個體的條件和層級，其決定了災害衝擊損失的規模和可能性。. Adger et al. (2006) IPCC (2007). 一個系統、社群或個體對一個威脅的脆弱度，與他受此威脅傷害的程度有關。脆弱度定義為暴露度、敏感度與調適能力的函數。. 8.

(16) Berdica (2002)同樣是整理近年來道路路網脆弱度的研究方法，討論現階段研究的方向，以及目前研究不足可以增進的部分。然而，從該文的文獻回顧以及脈絡中可以發現，Berdica 以自身背景所學出發，應用系統可服務性、意外事件與風險等概念進行脆弱度推估，這一脈絡的論文對於原先脆弱度的定義並未多做琢磨，相較之下是直接接受了脆弱度是某種程度的負面影響，而造成的負面影響是什麼？每種交通路網都不盡相同必須分別討論，由此基礎發展出交通路網的研究。 Berdica (2002)對道路路網的脆弱度，給予以下這樣的定義：道路運輸系統的脆弱度是對意外事件遇有敏感性，且可能會一定程度的降低道路路網的可服務性。 Berdica (2002)將上述所說的交通脆弱度概念繪製成圖 5，該圖可解釋為系統可服務性(serviceability)中帶有脆弱度，而脆弱度包含 2 個風險(risk)的概念：災害的機率(probability)與結果(consequence)，而風險中會產生災害事件(incident)，最後災害事件會影響系統可服務性，整體概念間彼此環環相扣。. 圖 5、脆弱度概念圖 (Berdica, 2002) 上述提到脆弱度定義因學科不同彼此也大相逕庭，洪政耀 (2013)綜合國內外研究可以發現，脆弱度分為 3 種主要包含社會脆弱度、自然脆弱度與二者綜合，分析對象從地方、地區到國家，而不同尺度的研究對象適應不同的脆弱度變數因子。交通脆弱度在國內外領域多屬二者綜合，而分析對象包含道路、鐵路、捷運、航運與空運，由此可見，交通脆弱度研究有具有高度異質性，研究者通常因地制宜改變定義及參數，而後續研究在分析不同對象時，難以同樣方法套用實作。. 9.

(17) 2-2. 脆弱度於交通路網之應用. Taaffe et al. (1996)定義交通路網的基礎結構，是由連結(linkages)及節點(nodes) 所組成，根據 Sussman (2002)所提，交通連結(linkages)的範疇有實體的道路、鐵路，例如：波士頓地鐵圖(Bill Rankin, 2003)(圖 6)、以及抽象的航線，例如：全球航線圖(Schuster, 2009)(圖 7)等，而節點乃是實體存在的地理點位。本研究節點即為捷運站，連結即為站點間的連線，建構出整體路網。. 圖 6、波士頓地鐵路網圖 (Bill Rankin, 2003). 圖 7、全球航線圖 (Schuster, 2009) Jenelius et al. (2006)也使用相同 Berdica (2002)的操作型定義，分析道路路段. 10.

(18) 的重要性與站點的暴露度，重要性指標為最短旅行延滯成本加入當地的地理背景值，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 5 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 et al. (1992)和 Wakabayashi et al. (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 et al. (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 et al. (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，透過網格可以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 et al. (2007)在瑞典斯德哥爾摩市的重要橋樑上，蒐集交通流量即時資料，模擬不同橋樑中斷，或是橋樑車道減少的情況下，對路網造成的潛在影響，相較於 Berdica et al. (2007)是主觀選取重要的關鍵連結，Rodríguez-Núñez et al. (2014)(圖 8)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，對整體路網的節點進行分析，從該文中可以發現，在市中心通往郊區的節點上，往往是脆弱度較高的地區，因為這些站點使用率高，一旦無法提供服務造成損失也較大。. 11.

(19) 圖 8、馬德里脆弱路段圖 (Rodríguez-Núñez et al., 2014). 臺灣曾有以下研究將脆弱度應用於交通運輸系統：謝承憲等. (2014)以脆弱度概念評估都會區路網，從交通面與社會面等 2 個面向分析路網脆弱度，並以臺北市簡化路網作為實驗分析對象。謝承憲等. (2015)評估西部運輸路網中節點重要性做為評估脆弱度的指標，並以旅運人次作為分析標的。謝承憲等. (2016)以脆弱度與回復力分別評估比較阿里山公路與日月潭地區公路。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。. 12.

(20) 2-3. 拓樸理論於交通脆弱度之應用. 然而從過去文獻中可以發現，臺灣交通脆弱度領域分析主體為道路，除了單純量化道路本身脆弱度之外，也多結合自然脆弱度觀點，探討道路在各式自然災害阻斷下之脆弱狀況，較少針對臺北捷運有一完整之脆弱度研究。另外，在國外交通脆弱度於捷運系統分析中，先是直接應用拓樸理論(Topology)方法，找出哪些站點在現行路網的結構中具有脆弱程度，後來才有研究將脆弱度一詞直接引用， Derrible et al. (2010)以拓樸理論對全球捷運路網進行路網特徵分析，文中發現全球具有一定規模之路網，具有 2 種特性(圖 9)：1. 無尺度網路(Scale Free Network) 特性，像是圖 9 左下綠色路網，單一節點類似路網中樞(hubs)角色，幾個站點擁有大量轉乘連結，每個站點幾乎都與中樞相連，2. 小世界網路(Small World Network)，像是圖 9 中紅色路網，大部分的站點由群聚現象，看似彼此不相連，在路網中感覺距離很遠，但是站點透過幾個轉乘站點(bridges)就可以輕易達到其他站點。. 圖 9、路網 2 種特性 (Ducruet et al., 2013). 13.

(21) Lee et al. (2008)也利用拓樸理論分析韓國首爾地鐵系統，分析旅運人次與站點間的關係呈現冪次定律 (power-law)，大型站點擁有極高旅運人次。Zhang et al. (2013)分析全球 30 座捷運系統，臺北捷運也在分析之列，文中在不考量旅運人次的情況下，以捷運站點的連結方式討論捷運系統的結構，初步比較系統間的脆弱程度。該文中指出大型地鐵系統連結效率通常較差，因為大量四散的輻射路網間並沒有連結，而臺北捷運的規模較小連結效率相對較好，但是未來臺北捷運系統持續擴大下，像是這樣的站點間的連結效率也應被考量進去。D. Sun et al. (2016) 利用路網分析中：介中性(Betweenness Centrality)指標，嘗試分析上海地鐵中脆弱路線，文中利用加權旅運人次加計運輸效率，以路線為單位進行脆弱度分析，呈現上海地鐵重要的脆弱路段，類似的研究有 Zhang et al. (2011)。另外，路網關係中也潛在一些分群結構(Community Structure)，利用分群(Group)方法找出路網中重要節點(hub)。Y. Sun et al. (2016)利用分群方法分析愛爾蘭都柏林公車路網，在路網中找出重要的轉乘公車站點，而這些站點都分屬不同的路網分群結構，這樣的分群研究也有助有關單位給予一致性的管理方針(圖 10)，文中除了分群方法，也用等級區分路網中站點的位置，高位站點在路網中具有支配地位，同一階層的點位在路網中所肩負的任務是類似的。然而，分群結構以及等位分析方法並未被廣泛應用捷運路網研究中，因為捷運路網中那些重要的節點通常顯而易見，在 Y. Sun et al. (2016)文中也提及這樣的研究方法比較適用於大型複雜網絡。. 圖 10、都柏林公車路網分群圖 (Y. Sun et al., 2016). 14.

(22) 2-4. 小結. 從國內外交通脆弱度研究可以歸納發現，脆弱度定義因研究而異，未能有一個一體適用的定義，而多數交通脆弱度研究，著重於路網中 2 個分析標的：路段與節點，嘗試找出構成脆弱度定義的面向，對影響脆弱度定義的因子進行權重分析，對旅客的旅行延滯時間進行估算，並對分析對象給予脆弱度評分等級。而在旅客相關的脆弱度推估分為 2 種，第 1 種：系統服務性降低會影響多少人，第 2 種：影響人次的交通延滯時間估算，而道路脆弱度中，會分析不同的周邊人口組成成分，對於交通脆弱度有無影響，因此本研究初步選定通勤人次為影響因子進行脆弱度計算，然而，除通勤人次可作為社會脆弱度因子之外，自然脆弱度也會對交通路網系統造成影響，像是地震、洪患與土石流潛勢區，都有可能增加站點本身的脆弱度風險，但是天災脆弱度與旅運人次脆弱度難以加計估算，在以往的研究中也多將之區分為 2，而本研究將研究重點放在旅運人次的脆弱度，單純計算捷運路網遭遇意外事件後，哪些站點因無法調適而呈現高脆弱程度。在 Jenelius (2009)的文章除了提到脆弱度有地理區域上的差異之外，脆弱度模式更以周邊潛在使用道路人次作為暴露程度依據，加計其他因子後估算整體脆弱度。作者提及在高人口密度地區，對於路網壓力程度也越大，而那些低密度的道路覆蓋區，有大量潛在未被服務旅客，如下圖 11 左上角黑色區域，此處為瑞典郊區，道路覆蓋程度較低。該文也指出路網自身結構樣態，也會影響脆弱程度，但是這一部分作者並未用上述拓樸理論，進行道路路網分析。. 15.

(23) 圖 11、瑞典道路脆弱暴露程度圖 (Jenelius, 2009) 因此，本研究結合既有文獻但從新的方向取徑，在 IPCC(2007)年脆弱度的大框架概念：暴露度、敏感度與調適能力之下，利用 Jenelius (2009)對於暴露程度的定義作為本文暴露度定義，都是從暴露於多少人次觀點出發，再利用 D. Sun et al. (2016)文中：介中性(Betweenness Centrality)去計算路網敏感程度，最後統計站點周邊交通替代方案作為調適能力，將脆弱度中 3 個影響指標都分別換算成影響之旅運人次，再利用路網分析方法組合成脆弱度評估數值，並以自然分等法 (Nature break)找出高脆弱站點予以標示，謝承憲等.(2015)即強調旅運人次的重要性，謝利用路網周邊的居住人口推估暴露度，人口數愈多表示潛在受影響者愈. 16.

(24) 多，則脆弱度愈高。本研究結果也將以地理視覺化方式呈現，將高脆弱站點展繪於地圖上，Oswald et al. (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。. 圖 12、美國費城的大眾運輸系統受災潛勢圖. 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。地理視覺化不只能漂亮呈現原先單調圖表，更是可以增進防救災效率，更快速便捷指出具有脆弱之處。. 17.

(25) 第3章研究方法本研究利用脆弱度 3 個面向，暴露度、敏感度調適能力作為影響指標，因受限於資料可取得性及資料合理性，故以捷運站旅運人次數據為外部暴露度指標，再利用中心性指標(Centrality)中的 Betweenness 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之調適能力。本研究歸納既有文獻方法，發現脆弱度指標：暴露度、敏感度與調適能力的權重難以拿捏，若是單純將捷運站的暴露度、敏感度與調適能力數值進行計算後排名，進而比較名次加減後的結果，此作法可能在推估捷運站點脆弱度時過於粗略。本研究擬利用開放資料平台所提供之各站小時區間進出站人數資料，推估捷運系統於營運時間內小時尺度之脆弱度影響人數，以影響人數呈現脆弱度數值。. 3-1. 研究區概況. 隨著我國進入高度發達國家行列，擁有私人運具的生活習慣也逐漸走向各家庭之中，然而，私人運具的增加極可能造成許多交通問題，因此臺北市政府在 1970 年代即規劃了臺北捷運系統，經過長年興建，臺北捷運從 1996 啟用迄今 20 餘年，至今仍不斷擴張營運版圖，從原先 3 條主線擴張成為 5 條主線，目前計有 108 個車站，如圖 13 所示(本文研究區即為臺北捷運營運中之 108 站)。北捷系統年營運人次達 7 億人次，日平均人次約為 200 萬人次，服務範圍橫跨臺北市與新北市，未來仍陸續加入新北市環狀線，使捷運路線轉乘更為便捷，讓新北市民不用先經過臺北市，才能通往其他新北市地區，除了捷運路線之外，另外還有淡水輕軌都在興建中，能使整體路網發揮最大運輸服務。. 18.

(26) 圖 13、臺北捷運現行營運路. 3-2 暴露度指標本研究利用臺北捷運公司 2016 年 11 月捷運各站進出人次，將各站進站與出站人次合併計算(式 1)，作為暴露度因子。對站點而言單位統計時間內的進站與出站，都是對於站點的壓力，Jenelius (2009)即使用上述概念，應用道路周邊人口資料作為道路暴露程度因子。本研究假設進出站人數較多的站點，發生意外事件的機率可能也較高，進而來估算每個捷運站點之暴露度。. 𝐸𝑖 = 𝑃𝑖 + 𝑃𝑖 ′ 式中，𝑃𝑖 表示：第 𝑖 捷運站進站人次 𝑃𝑖 ′ 表示：第 𝑖 捷運站出站人次. 19. 式 1.

(27) 3-3 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 3)、介中性(betweenness)(式 4)。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。在本研究對脆弱度的敏感度定義中，欲捕捉那些具有轉乘重要性的站點，去計算有多少旅運人次需要經過該站點。而當該站點受影響失能後，有多少人因為需要經過該轉乘特性的站點而被影響。又中心性指標中的介中性指標 (betweenness centrality)，具有找出站點經過比例程度的概念，而在 Guimerà et al. (2005 )、Y. Sun et al. (2016)以及 D. Sun et al. (2016)文中，都利用了上述介中性 (betweenness centrality)進行轉乘站點特性評估，因此，本研究援引該方法作為評估捷運系統敏感度之方法，計算系統中所有車站的 betweenness centrality 數值，再乘上進出站資料取得之滯留系統內人數(式 5)，推估有多少數量之旅客需要經過此站點而被影響。. 20.

(28) 此 3 種中心性因子曾被應用於量測道路路網與機場網路：Crucitti et al. (2006) 應用了接近程度和介中性指標去量測都市街道紋理(圖 14)，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，圖 14 中左圖為接近程度中心性(closeness)，右圖為介中性(betweenness)數值，明顯可以看出介中性能捕捉那些具有橋梁地位的節點，因為沿著河岸 2 測的節點被路網中任一點經過比較較高，因此介中性數值也較高。. 圖 14、道路節點與道路中心性分布圖 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 GirvanNewman 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(圖 15)。. 圖 15、全球機場分群圖. 21.

(29) (一) 連結程度(Degree Centrality) 𝑛. 𝑖 𝐷𝑖 = 𝑓(𝑛𝑖 ) = 𝑁−1. 式 2. 式中，𝑛𝑖 表示：連結數(本站連出至他站數+他站連入至本站數) 𝑁 表示：站點總數. (二) 接近程度(Closeness Centrality) 𝐶𝑖 = 𝑓(𝑑𝑖𝑗 ) = [∑𝑁𝑗=1 𝑑𝑖𝑗 ]. −1. 式 3. 式中，(𝑑𝑖𝑗 ) 表示：站點𝑃𝑖 與站點𝑃𝑗 在路網中關係距離. (三) 介中性(Betweenness Centrality) 𝑚. 𝑖𝑗𝑘 𝐵𝑖 = 𝑓(𝑚𝑖𝑗𝑘 , 𝑀𝑗𝑘 ) = ∑𝑁,𝑁 𝑗=1,𝑘=1 𝑀 𝑗𝑘. 式 4. 式中，𝑚𝑖𝑗𝑘 表示：站點𝑗與站點𝑘透過站點𝑖中介的最短路徑數 𝑀𝑗𝑘 表示：站點𝑗與站點𝑘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。. (四) 敏感度指標計算 𝑆𝑖 = 𝐵𝑖 x 𝑀. 式 5. 式中，𝐵𝑖 表示：第 𝑖 捷運站 Betweenness Centrality 數值 𝑀 表示：每小時系統中人數系統中每小時人次計算方式為：利用該時段 108 站的進站減去出站後之總和，加上上一個營運時段系統中人次即為該小時系統內人數。. 22.

(30) 3-4. 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。Hong et al. (2017) 即以地鐵與公車作為分析對象，作者認為此 2 者交通工具具有互補作用，在以城市整體觀點考量脆弱度之話應一齊納入考慮。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 16)，作為 2 個調適能力因子。本研究將公車與公共自行車能發揮的效能全部加以計算，依照開放資料中多數公車表定發車班表頻率，尖峰 7~12 分鐘一班，離峰 15~20 分鐘一班，站位與座位總計 50 位，而公共自行車以車架數量模擬擁有最大數量的自行車可供使用的情況之下，加總上述 2 種交通工具小時內所能提供之載運服務，作為本研究調適能力數值(式 6)，進行整體脆弱度模式評估。然而，有些大型站點捷運出口超過 100 公尺才有公車站點，這樣的情形就不會被統計到，該站調適能力可能被低估。但是若是用站牌名字下去搜尋捷運站名關鍵詞，有些較遠的站點可能會被搜尋進來，反而其他周邊較近的站點就沒有考慮進去，該狀況就可能不符合本研究所設想周邊提供調適能力的定義。本研究的調適能力設計，尚缺捷運站點周邊路寬資料，因為一個捷運站周邊道路越寬，理應可以疏運更多外溢的人次。而自行車道設置完善程度的也是未考量的情況，因為友善的自行車騎乘環境，才能讓大量的外溢人次得以利用公共自行車進行疏運。. 23.

(31) 圖 16、捷運路網套疊公車與公共自行車圖. 𝐴𝑖 = 𝑅𝑖 x 𝐹𝑖 x 50 + 𝑌𝑖 式中，𝑅𝑖 表示：第 𝑖 捷運站公車路線數量 𝐹𝑖 表示：公車發車頻率尖峰 4 班、離峰 2.5 班 𝑌𝑖 表示：第 𝑖 捷運站公共自行車數量. 24. 式 6.

(32) 3-5 脆弱度模式依前所述，脆弱度應代表某一站點易受外來侵襲程度(暴露度)、內部結構之介中性(敏感度)，並以其他補救方案(調適能力)修正後之脆弱程度(式 7)。意義上可視為該站點失能的機率及其失能後之調適情形，屬於負面指標，值越大代表該站點越需要關注和進行改善，值越小表示其周邊所擁有之調適能力，仍有空間容納其他外溢旅客。在交通脆弱度的文獻中，鮮少利用式 7 進行脆度評估之研究，而在自然脆弱度領域中，眾多學者在操作定義上會以專家學者意見進行加權。本研究考量到加權重要性，但又苦無加權依歸，因此設計上述公式都能對轉換為一個影響人次，某種程度已對他的重要性進行權值分配。. 𝑉 = 𝐸𝑖 + 𝑆𝑖 − 𝐴𝑖. 式 7. 式中，𝐸𝑖 表示：暴露度指標 𝑆𝑖 表示：敏感度指標 𝐴𝑖 表示：調適能力指標. 因此本研究將外部暴露度及內部敏感度加總後，減去調適能力因子，得到最終調適後的脆弱度模式，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。. 25.

(33) 3-6 路網分群偵測本研究使用 Newman et al. (2004)提出的路網分群方法，原理是利用刪掉網路中最高介中性指標的連結，嘗試觀察網路是否形成次分群，然後重新疊代計算介中性指標，再次刪除最高的節點，直到分成理想群數。Easley et al. (2010)，用圖 17 說明演算法步驟，範例路網如圖 17(a)，經過計算介中性指標找出節點 7 與節點 8 中介性最高，因此刪除 2 節點連結形成圖 17(b)，再計算指標後將中介特性最高的節點間連結予以刪除，此時節點 7 和節點 3 與 6、節點 8 和節點 9 與 12 間的連結都被刪除，因此形成 4 個次網路圖 17(c)，刪除步驟到最後即會達到圖 17(d)無法成群的狀況。. 圖 17、Girvan 和 Newman 分群概念圖 (Easley et al., 2010). 26.

(34) 而最佳的分群數是依據 Modulaty Q 值的計算結果，Modulaty Q 值是由 Newman et al. (2004)提出(如下式 8)，作為分群方法的檢驗標準，數值介於 0 ~ 1 之間，越接近 0 表示分群結構不明顯，越接近 1 表示分群結構比較明顯，作者檢驗大部分網路數值大部分是介於 0.3~0.7 之間，每一次疊代都會計算一次 Q 值，該次 Q 值最高的分群極為理想穩固的分群結果。透過結構分群對應本研究上述脆弱度指標，能對整體路網有脆弱度初步樣貌，也能對路網中細部群落進行脆弱度分析。 𝑄 = ∑𝑘𝑖=1(𝑒𝑖𝑖 − 𝑎𝑖2 ). 27. 式 8.

(35) 第4章指標分析本研究先針對對暴露度、敏感度及調適能力 3 項指標，分別進行分析與細項討論，利用 3 項指標計算分時段脆弱度影響人次，最後 4-4 節搭配路網結構分群進行分析評估。 4-1. 暴露度指標分析. 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。分小時統計後將數值排序表列前 15 名(表 2)，在各個時間區間中，臺北車站進出人次從上午 6 點到隔日凌晨 0 點均佔據第 1 位，而原先系統中的轉乘車站，也分居前段的名次，像是西門、忠孝復興、中山等站都佔據 9 點到 22 點前面名次的位置，而非轉運站又高居前面排名的站點有淡水、市政府等站，進一步統計前 15 名站點出現頻率(圖 18)，可以發現臺北車站、新埔、板橋、西門、淡水、市政府、忠孝復興、忠孝敦化、中山、頂溪、劍潭、以及忠孝新生共計 12 站，在一整天 21 個營運時段中，有 10 個時段都出現了高暴露度情形。而若是單純比較站點與站點間暴露度時，可利用正規化樓地板面積計算暴露度數值，樓地板面積越小的站點，單位面積上所承受之暴露度也越高，然而本研究無法取得樓地板面積資料，故本研究改以出口數量代替樓地板面積，將進出站人次除以出口數量，作為單位出口下的暴露人次。表列前 15 名後如下表 3，可以看出暴露度在橘線的中和段：永安市場、景安與頂溪等站，因為出口數量少進出站人次高，讓這些站點在整體營運時段中幾乎佔據前 5 名位置，而原先高人次的臺北車站因為出口數量多，單位暴露人次並未排名於前段，同理路網中高進出人次的轉運站，因為出口數量較多也幾乎未排在前 15 名內。前 15 名的中段多為士林、圓山、石牌、劍潭與北投等紅線淡水段，而文湖線眾多站點因為只有 1 個出口，有中山國中、科技大樓與萬芳醫院居前 15 名的後段位置。. 28.

(36) 表 2、分時段暴露度前 15 名排名統計. 29.

(37) 圖 18、高頻率暴露度. 30.

(38) 表 3、分時段正規化暴露度前 15 名排名統計. 31.

(39) 4-2. 敏感度指標分析. 本研究計算各站介中性數值作為敏感度指標，當一個站點失能後，除了原先該站進出人次之外部暴露壓力，有多少人次因為需要經過該站而被影響。各站數值計算結果為下表 4，民權西路的位置於路網介中性最高，整體路網中有近 4% 的人次比例會受到該站點失能後所影響，反觀臺北車站在現今路網的安排之下，當站點失能後所影響的他站人數並未如想像中高，眾多旅客可利用其他轉運站轉乘至目的地，而不需要經過臺北車站，這樣的設計與安排，也讓原為超級轉運站的臺北車站，減輕一定的旅運壓力，而其他轉運站原先即暴露於眾多旅運人次下，在內部敏感度的計算中也高居前 15 名中的 9 名，即表示有一定數量的站點必須經過這些站點才能到其他站點。. 本研究另將介中性數值計算結果展點如下圖 19，可發現紅線淡水端再往市區連接的站點均具有較高的介中性數值，約系統內 1.5%-2.5%的人次會被影響，而其他路網中位於市中心的非轉運站點，因其位置在轉運站周邊而被經過頻率高，因此介中性數值也被提升起來，這些站點約影響系統內 1%左右的人次。而下圖 19 中也可以發現高敏感度站點大多分佈於市中心，等明後年新北環狀線興建完畢後，這樣的情況才有可能改善，讓路網中市中心轉運站的介中性下降。. 32.

(40) 表 4、敏感度數值計算總排名. 33.

(41) 圖 19、站點敏感度分布圖. 34.

(42) 4-3. 調適能力指標. 本研究使用開放資料中班表固定頻率進行模擬，公共自行車以車架數量模擬最大數量公共自行車，加總上述 2 種公共交通工具小時內所能提供之載運人次服務。全系統統計如表 5，展圖為圖 20，可以發現捷運劍潭、公館、北門與士林等非轉運站點，其公車路線數量多讓其調適人次升高。因為劍潭、士林站為臺北市區通往淡水、北投、天母與陽明山等地區的必經道路，眾多公車也是從劍潭站發車，公館是臺北市區往新店、木柵、景美等重要公車站點，北門站是臺北市區公車通往新北市三重蘆洲新莊等地區交通要道。藍線往南港方向等有：忠孝敦化與市政府，其周邊公車路線眾多也讓這 2 站點擁有較好的調適能力。. 35.

(43) 表 5、調適人數計算總排名(尖峰). 36.

(44) 圖 20、站點調適人次分布圖. 37.

(45) 4-4. 脆弱度模式分析. 上述 3 節為分析指標細項討論，分別換算成影響人次後即可進行加總，資料有 21 個以小時為單位的營運時段。本研究依據捷運營運時間繪製成折線圖(圖 21)，可以發現營運時間內共有 4 個峰值，分別是 7-9 點、12-14 點、17-19 點、 21 點，峰值特性為 2 個高峰與 2 個低峰，本研究即依據這 4 個時間區間計算各站點脆弱度數值。. 圖 21、營運時間人次變化圖將各站暴露度與敏感度影響人次相加後，減去各站調適人次為各站點脆弱度數值：正值表示仍有外溢人口待調適，負值表示現階段其他交通工具仍有足夠空間容納之外溢人數。經統整歸納後如下圖 22，總系統於 4 段營運時區間內，平均約有 45 個站點，於捷運失能後外溢旅運人次使周邊調適能力無法負荷，佔整體 108 站中的 42%。然而，在 4 個時間區間內又以傍晚 17~19 時間區間為最多脆弱站點，高達 28815 旅運人次無法被現行全系統調適能力所覆蓋。. 38.

(46) 圖 22、站點調適人次分布圖. 本研究依據自然分等法(Nature break)將脆弱度，分為：調適完好、中脆弱度與高脆弱度(調適完好的站點圖示為綠勾，中脆弱程度為淺灰，高脆弱站點則為黑色)，將結果展點於各路線上如圖 23：在上午 7-9 的上班通勤時間區間內圖 23A，藍線板橋與橘線中永和沿線等 8 個站點脆弱度上升至極高使目前調適能力無法負荷，中午 12-14 間系統中圖 23B，只有 7 個高脆弱站點，傍晚 17-19 時間圖 23C，除了原先上午通勤高脆弱站點之外，棕線在市中心的 3 個轉運站，以及紅線往淡水方向的臺北車站、中山與雙連等站均呈現高脆弱狀態。晚間 21 時間區間圖 23D，系統中只剩下 2 個高脆弱站點，其餘站點恢復成低脆弱以及調適完好狀態。高脆弱度的站點大多分佈於市區，幾個郊區光觀人潮較多的站點，脆弱度也較高。在 4 個峰值時間區間內，棕線內湖端沿線以及綠線：古亭-景美區間，脆弱度數值均調整完好，鮮少有系統調適能力未能負荷之狀況，並未因為尖峰與否之調適能力變動讓脆弱度提升，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。. 39.

(47) 圖 23、高脆弱站點分布圖 40.

(48) 除了高脆弱站點的分布之外，整體 108 站點在時間上亦有變化趨勢，本研究將 4 個時間區段依序置於 X 軸，將外溢於調適系統之外的人次置於 Y 軸，初步趨勢可以發現整體 108 站以 X 軸為對稱圖，外溢人次正值有圖 24 紅線的走勢分為 A 類，負值有圖 24 綠線的走勢分為 B 類，而另外在正負之間擺盪的可以歸類為 C 類。. 圖 24、108 站點脆弱度時間變化圖. 41.

(49) 然而，本研究依據脆弱度數值分為 A、B 與 C 等 3 類之外，108 站中有些特殊非典型的走勢如圖 25， A 類可以向下再區分非典型 A3， B 類可以向下再區分非典型 B3 與 B4， C 類可以向下再區分非典型 C3；本研究將走勢分為 4 類，如圖 26 紅框中的 1、2、3 與 4 類，這 4 種脆弱數值的走勢，代表 4 種不同特性的站點，能作為相關機構在調適能力增減之依據。. 圖 25、細分 3 類脆弱變化走勢圖. 42.

(50) 圖 26、4 種變化趨勢圖. 綜合上述圖 25、細分 3 類脆弱變化走勢圖與數值與走勢分類，可以初步分為下圖 3 x 4 階矩陣(圖 27)，總共有 12 種分類，臺北捷運站點占了其中 7 類別。在 108 個站點中高達 77%的站點，聚集於數值全正的全負的 A1 和 B2 區，這一類的站點脆弱程度與預想中較為一致，可以依據現行調適能力接續部署。另外，第 3 類持續上升型分別都在 A、B 與 C 中都有出現，可以進一步討論題中站點，以及此站點的脆弱度樣態，給予不同的調適能力。. 43.

(51) 圖 27、數值與走勢分類矩陣 44.

(52) 4-4-1 走勢 1 (高低高低型). 圖 28、A1 趨勢圖. 圖 29、C1 趨勢圖. 45.

(53) 走勢 1 的類型中，典型 A1 類站點於 4 個時段脆弱度都未能調適完好，這些站點在上下班尖峰時段，人潮從尖峰到離峰的湧入速度大於調適能力增加速度讓脆弱人次高漲；C1 站點則是在傍晚有明顯外溢人次，在中午以及晚間的調適能力大致足以應付現行旅運壓力。 4-4-2 走勢 2 (低高低高型). 圖 30、B2 趨勢圖. 走勢 2 的典型的 B 類站點中，4 個時段脆弱度都調適完好，這些站點在上下班尖峰時段，調適能力從離峰到尖峰的增加速度遠大於人潮湧入速度，讓這些站點擁有過剩之調適能力，可從這些站點調撥調適能力給上述 A1 與 C2 等脆弱度高有外溢人次之站點。. 46.

(54) 4-4-3 走勢 3 (持續上升型). 圖 31、C3 趨勢圖走勢 3 的特徵，在上午尖峰時刻，調適能力遠大於捷運暴露度與敏感度人次，仍擁有大量調適能力可輸運脆弱人次，然而中午過後，可以發現人潮湧入，讓未被調適人數直線上升，到傍晚有些站點已經超越調適能力所能負荷，未被調適人次轉為正值。典型 C3 類的特徵，脆弱人次在正負之間擺動，細看 C3 等站點，可發現有潛在觀光區效應(圖 32)，這些站點在上午等時段，脆弱人次還在一個極低的狀態，一過午後脆弱度人次一路上升接近調適能力臨界值，過了傍晚後脆弱人次來到正值，有許多人次已經無法調適，C3 的站點有東門、中正紀念堂、國父紀念館、臺北 101/世貿、古亭、忠孝新生、忠孝敦化、市政府與西門，而 A3 臺北車站、忠孝復興與中山站，也有觀光區效應(圖 33)，但是這些站點在上午的時候已有高量的脆弱人次使調適能力無法負荷，表示有大量的通勤人口進出於這些站點之外，中午過後到傍晚持續有大量人次湧入，讓原先高脆弱人次爆量超過周邊的調適能力，而 B3 這一類型的站點雖然調適能力都未超過臨界值，但是在中午以及晚間明顯有人潮湧入，在晚間更更是高過同樣是中午離峰時間的脆弱人口，推測有眾多人口在晚間返家的時段利用這些站點(圖 34)。 47.

(55) 圖 32、C3 細部趨勢圖. 圖 33、A3 細部趨勢圖. 48.

(56) 圖 34、B3 細部趨勢圖. 49.

(57) 4-4-4 走勢 4 (先下後上型). 圖 35、B4 細部趨勢圖此種站點較為特殊，結合走勢 1 前段與走勢 3 後段特徵，中午前處於比較調適能力過剩的現象，傍晚到晚上與走勢 3 類似，出現無法負荷大量返家人潮，在這樣的站點中午過後應給予不同的調適能力。. 50.

(58) 4-5. 路網分群偵測. 本研究除了利用站點旅運特性對於站點進行脆弱度走勢分類，再進一步利用網路分群方法，進行結構群體偵測。本研究利用 Girvan-Newman 分群方法進行疊代，最適當的結構分群的結果是 13 群，此時 Modulaty Q 值為 0.76，臺北捷運路網在第 13 次疊代(疊代的意義)Modulaty Q 值達到最高(圖 36)。. 圖 36、Modulaty Q 值圖圖 37 為路網分類結果為，整體分群結果顯示臺北路網於結構上較類似星型 (star)路網結構(圖 38)，支線上的站點被大多被分為同群，市中心的站點被分為 3~4 群，分群結果再繪製成結構樹狀圖(圖 39)，編號群 1~群 13。現今的點位安排容易造成市中心的轉乘站負荷過重，新北市旅客都要移動到臺北市才能通往其他地區，未來環狀線完工後可直接連結新北市站點，路網分群結構應能有所改善。. 51.

(59) 圖 37、路網分群結構圖. 圖 38、星型路網概念圖 52.

(60) 圖 39、分群樹狀結構圖. 53.

(61) 分群結果發現的群 8、群 9 與群 11 與走勢 3 的站點有對應關係。走勢 3 的站點(圖 39)中，仍具有脆弱程度的種類為 A 與 C 類，A 類別是全時段都調適能力都不足以應付湧入的人潮，C 類別是中午以前調適能力上可以負荷周邊人潮，但是過了中午後周邊調適能力就無法負荷爆量湧入的人潮。A 與 C 類總計站點如下：A：臺北車站、忠孝復興、中山站與 C：東門、中正紀念堂、國父紀念館、臺北 101/世貿、古亭、忠孝新生、忠孝敦化、市政府與西門。這些站點在脆弱程度的時間分布型態，呈現直線上升的樣子，在離峰時刻仍有人大量湧入，本研究推測有類似觀光區效應的通勤樣態，存在於這些站點之中，而對應到路網中所處的結構中，可以發現 Girvan-Newman 分群方法中，13 個次群體中的群 8、群 9 與群 11(圖 39)幾乎包含了所有上述 A 與 C 類別站點，詳細分類如下：群 8：南京復興、忠孝復興、忠孝新生、忠孝敦化、國父紀念館、松江南京、南京三民、松山、臺北小巨蛋，其中國父紀念館、忠孝新生、忠孝敦化、忠孝復興占群 8 的 44%。群 9：中正紀念堂、小南門、台大醫院、臺北車站、中山、西門、善導寺、北門，其中中正紀念堂、臺北車站、中山占群 9 的 37.5%。群 11：大安、科技大樓、東門、象山、臺北 101/世貿、信義安和、大安森林公園，其中臺北 101/世貿、東門占群 11 的 28%。社群結構分群方法原先在 Newman et al. (2004)論文中，是應用於社群或是生物領域網路，在大型網路中找尋次群體，因為作者表示這些找到的次群體間，彼此的關係相近容易模仿，在背景值共同一下容易有一樣的行為。而在社群結構分群方法應用於交通領域的文章中，Y. Sun et al. (2016)將公車路線分群後，可以發現次群體有地理地域現象，作者也建議有關單位可以依據不同的路線群體特性，給予不同的交通管理措施，臺灣也有陳韋宏 (2012)做過臺北市的聯營公車客運版圖分布，上述研究有對於原有版圖的分析結果，認為應有更好的安排方式去打破原先的版圖(此處所指其實就是次群體)，但是作者並不是使用社群路網的分析方法，調整路線讓營收效益提升。因此，本研究再計算完社群結構後，推測這 3 54.

(62) 類群體中其他站點成員，潛在也具有相同的觀光區效應之旅運特性，本研究建議除了在原先走勢 3 部署不同的調適能力，應可以擴大部署至這些周邊的其他站點成員，而重要性照比例依序為群 8、群 9 與群 11，一旦意外事件發生，原先有關單位於單一的站點應對方式，就可以擴大其應變範圍到一個群體，這是一個有次序也有階層的應變過程。. 55.

(63) 第5章結論與建議. 5-1. 結論. 本研究所提出之模式能對路網進行初步脆弱度評估。相較其他脆弱度研究給予各個評估對象排名等級進行脆弱度評估(謝承憲等., 2016)，本研究較能從受影響人次觀點掌握站點脆弱程度。本研究應用捷運站進出站小時人次統計資料，嘗試捕捉捷運營運時間內以尖峰與離峰為區間之脆弱度，瞭解脆弱度在時間與空間上的變化趨勢，給予臺北捷運在配置備援交通工具的時候參考數值，整體研究結果分析如下： 1.. 嘗試建立捷運路線脆弱度評估模式。依據 IPCC(2007)年所提出脆弱度概念，利用脆弱度函數中暴露度、敏感. 度與調適能力建立模式，分析結果發現單就時間維度而言，系統最為脆弱的時間為傍晚 17-19 點，人潮從市中心少數站點大量湧入站點；單就路線而言，最為脆弱的路線為板南線(藍線)，有 9 個高脆弱度的站點。 2.. 辨別路網中脆弱站點，並探討站點失能時對路網的影響。分析時間與空間上高頻率脆弱的站點，結果依序如下：臺北車站、忠孝. 復興、板橋、淡水與中山等站點，這 5 個站點均在 4 個分析時間區段，都出現了分別出現 3 次脆弱度情形。 3.. 對臺北捷運路網站點進行分類。就 108 站點分類而言，C3 類的站點，如：東門、中正紀念堂、國父紀. 念館等，需要給予不同於通勤類站點的調適能力，可以在傍晚時增加周邊調適能力部署，讓大量湧入的人潮得以在該站點失能時得以疏散，而綜合拓樸分析結果後，可以將調適能力部署在其相同站點成員間，讓臺北捷運系統管理執行的方式從單一站點管理，擴大到次群體管理方式。. 56.

(64) 5-2. 建議. 本研究結果之準確性仍需要更多資料的修正與驗證。後續研究可增加其他潛在天然災害、油氣管線或是周邊交通狀況等暴露度因子，而敏感度因子可增加捷運內部機電穩定性資料，利用實際的捷運故障停駛資料，進行捷運停駛機率推估，而單一捷運站停擺對於整體路網的漣漪效應，應會增加周邊站點的敏感度，就本研究敏感度定義而言，能利用悠遊卡使用者身份進行分析，分析哪些路段有較多敬老票卡或是孩童的使用者，這一部分在社會脆弱度中也是重要的影響分析對象，可讓整體模式更接近實際情況。另外，本研究原先嘗試模擬洪患對捷運站點之影響(圖 40)，欲瞭解若臺北市區淹水到某種水位時，有多少的捷運站點會被洪水影響。但受限無法取得所有捷運出入口及豎井之高度而無法進行，後續研究或可針對此方向進行探討。而捷運站點淹水的發生機率與系統暴露在進出人流的壓力完全不同，如何將不同發生機率的事件合併考慮，以進行計算暴露度指標，也是未來可以繼續研究的方向。雖然在災害當下可能所有公共運輸都會失效，但是災後捷運系統從失能到恢復需要時間，在這一段期間內，地面其他交通運輸仍有機會是正常運作的。最後，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。. 57.

(65) 圖 40、捷運路網套疊淹水潛勢圖. 58.

(66) 第6章參考文獻英文部分： Adger, W. N. (2006). Vulnerability. Global Environmental Change, 16(3), 268-281. Berdica, K. (2002). An introduction to road vulnerability: what has been done, is done and should be done. Transport Policy, 9(2), 117-127. doi:http://dx.doi.org/10.1016/S0967-070X(02)00011-2 Berdica, K., & Mattsson, L.-G. (2007). Vulnerability: A Model-Based Case Study of the Road Network in Stockholm. In A. T. Murray & T. H. Grubesic (Eds.), Critical Infrastructure: Reliability and Vulnerability (pp. 81-106). Berlin, Heidelberg: Springer Berlin Heidelberg. Bill Rankin, L. H. (2003). THE BOSTON T Retrieved from http://www.radicalcartography.net/?bostonnow Billinton, R., & Allan, R. N. (1992). Reliability Evaluation of Engineering Systems, Concepts and Techniques (2 ed.). New York: Springer US. Chambers, R. (1989). Editorial introduction: vulnerability, coping and policy. IDS bulletin, 20(2), 1-7. Crucitti, P., Latora, V., & Porta, S. (2006). Centrality measures in spatial networks of urban streets. Physical Review E, 73(3), 036125. Retrieved from http://link.aps.org/doi/10.1103/PhysRevE.73.036125 Cutter, S. L. (1996). Vulnerability to environmental hazards. Progress in Human Geography, 20(4), 529-539. Derrible, S., & Kennedy, C. (2010). The complexity and robustness of metro networks. Physica A: Statistical Mechanics and its Applications, 389(17), 3678-3691. doi:http://dx.doi.org/10.1016/j.physa.2010.04.008 Ducruet, C., & Lugo, I. (2013). Structure and dynamics of transportation networks: Models. The SAGE handbook of transport studies, 347. Easley, D., & Kleinberg, J. (2010). Networks, crowds, and markets: Reasoning about a highly connected world: Cambridge University Press. Freeman, L. C. (1978). Centrality in social networks conceptual clarification. Social Networks, 1(3), 215-239. doi:http://dx.doi.org/10.1016/0378-8733(78)90021-7 Guimerà, R., Mossa, S., A., T., & 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. Hong, L., Yan, Y., Ouyang, M., Tian, H., & He, X. (2017). Vulnerability effects of passengers' intermodal transfer distance preference and subway expansion on complementary urban public transportation systems. Reliability Engineering &. 59.

(67) System Safety, 158, 58-72. doi:https://doi.org/10.1016/j.ress.2016.10.001 IPCC, A. (2007). Intergovernmental panel on climate change: IPCC Secretariat Geneva. Jenelius, E. (2009). Network structure and travel patterns: explaining the geographical disparities of road network vulnerability. Journal of Transport Geography, 17(3), 234-244. doi:http://dx.doi.org/10.1016/j.jtrangeo.2008.06.002 Jenelius, E., & Mattsson, L.-G. (2012). Road network vulnerability analysis of areacovering disruptions: A grid-based approach with case study. Transportation Research Part A: Policy and Practice, 46(5), 746-760. doi:http://dx.doi.org/10.1016/j.tra.2012.02.003 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. doi:http://dx.doi.org/10.1016/j.tra.2005.11.003 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. doi:http://dx.doi.org/10.1016/j.ijdrr.2015.01.009 Lee, K., Jung, W.-S., Park, J. S., & Choi, M. Y. (2008). Statistical analysis of the Metropolitan Seoul Subway System: Network structure and passenger flows. Physica A: Statistical Mechanics and its Applications, 387(24), 6231-6234. doi:http://dx.doi.org/10.1016/j.physa.2008.06.035 Newell, B., Crumley, C., Hassan, N., Lambin, E., Pahl-Wostl, C., Underdal, A., & Wasson, R. (2005). A conceptual template for integrative human-environment research. Global Environmental Change, 15(4), 299-307. Newman, M. E. J., & Girvan, M. (2004). Finding and evaluating community structure in networks. Physical Review E, 69(2), 026113. Retrieved from https://link.aps.org/doi/10.1103/PhysRevE.69.026113 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. doi:http://dx.doi.org/10.5038/2375-0901.16.3.4 Rodríguez-Núñez, E., & García-Palomares, J. C. (2014). Measuring the vulnerability of public transport networks. Journal of Transport Geography, 35, 50-63. doi:http://dx.doi.org/10.1016/j.jtrangeo.2014.01.008 Schuster, H. G. (2009). Reviews of nonlinear dynamics and complexity (Vol. 2): John Wiley & Sons. Sun, D., & Guan, S. (2016). Measuring vulnerability of urban metro network from line operation perspective. Transportation Research Part A: Policy and Practice, 94, 348-359. doi:http://dx.doi.org/10.1016/j.tra.2016.09.024. 60.