受全球气候变化和快速城镇化的影响，近年来中国城市水文效应愈发显著，城市洪涝灾害也展现出突发性强、影响范围广且灾害损失大等特征^[1]。城市是人类社会中人口以及财富的聚集地，因此一旦发生洪涝灾害，带来的损失往往十分巨大^[2-3]。

近年来，中国有诸多城市频频遭遇城市洪涝侵袭，给城市居民的生命财产造成了严重伤害和巨大损失^[4]。随着海绵城市^[5]、韧性城市^[6]以及智慧城市^[7]等建设的兴起，城市洪涝灾害带来的直接冲击(如人口的伤亡和财产的淹没损失)将有所减少，但是城市洪涝带来的间接损失，如交通路网、物流、通信等的损失，依然很严重，尤其是交通路网相关损失。城市洪涝带来了大范围交通拥堵致使交通瘫痪，对人员出行、物资运输等造成了严重影响，对此有关学者进行了一些研究。杜磊等^[8]根据北京市暴雨积水资料和车速得出了道路车辆的通行速度随水深的衰减公式，并给出了交通损失的计算公式，还探索了积水对车速的影响机制；Mitsakis等^[9]利用城市交通管理中心提供的数据，对路网延误时间、车辆改道、交通拥堵等情况进行了量化分析，结果显示洪水事件导致了通行时间的增加、通行路线发生重大变化和通行速度大幅下降，但该研究主要对既有数据进行了统计整理；胡文燕等^[10]基于城市洪涝模型并通过交通模拟工具对于城市区域的道路拥堵进行了研究，侧重分析重要道路与交通量变化；Su等^[11]则采用调查问卷的方式基于城市洪涝模型对于暴雨洪涝条件下的交通状况进行了统计研究。但是，目前对于城市洪涝造成交通拥堵或者中断的具体研究，如道路数据的准确获取、实时车速数据的捕捉以及洪涝灾害对城市交通的动态影响等，依然存在较大探索空间。为此，本文以广东省前山河流域为例，研究了城市洪涝对交通的动态影响，提出了城市洪涝对交通影响的量化评估方法，为城市洪涝治理与灾损评估提供了理论依据。

1 研究区概况与数据来源 1.1 研究区概况

本文的研究区为广东省的前山河流域(图 1)，位于东经113°20′~114°18′、北纬21°48′~22°27′之间，面积约为328 km²，处在广东省珠海市和中山市交界处。前山河流域属于亚热带海洋性季风气候，气候条件温和，年降雨丰沛，流域多年平均降雨量约为2 065.0 mm。汛期雨量集中，多为强度大、历时短的暴雨，尤以5~6月降雨量最多，约占全年总降雨量的30%以上。近年来，随着城镇化的推进，地表不透水面积不断增加，降雨产汇流速度加快，峰高量大、峰现时间提前，导致洪涝发生频率和洪涝损失不断增加。前山河流域是珠三角地区典型的高度城镇化区域，在该区域开展城市洪涝交通影响数值模拟研究具有一定的代表性。

1.2 数据来源及处理

考虑到前山河流域中香洲区是主要城市区域，因此采用广东省气候中心2015年编制的“珠海市暴雨强度公式”，设计雨型为芝加哥雨型，雨峰系数取0.4^[12-13]。考虑到短历时高强度暴雨对城市洪涝危害较大，采用区间参数公式求解不同重现期的设计暴雨降雨强度。短历时暴雨降雨强度公式为

$ i = \left\{ {\begin{array}{*{20}{l}} {1565.291/{{(t + 6.361)}^{0.403}}, }&{P = 10{\rm{a;}}}\\ {1436.367/{{(t + 4.728)}^{0.350}}, }&{P = 20{\rm{a;}}}\\ {1327.817/{{(t + 3.105)}^{0.295}}, }&{P = 50{\rm{a;}}}\\ {1257.343/{{(t + 2.004)}^{0.257}}, }&{P = 100{\rm{a}}{\rm{.}}} \end{array}} \right. $

(1)

式中：i为降雨强度，mm/min；t为降雨历时，min；P为设计暴雨的重现期，a。

为评估不同设计暴雨情景下前山河流域洪涝水情，采用10、20、50和100 a共4种设计暴雨作为降雨情景。根据国家标准《GB/T 28592—2012降雨量等级》的定义，12 h降雨量超过140 mm或24 h降雨量超过250 mm的降雨为特大暴雨。根据式(1)求得10、20、50和100 a一遇设计暴雨情景下2 h降雨总量分别为160.74、181.88、232.39和265.01 mm，均属于特大暴雨(图 2)。

前山河流域的数字高程模型(digital elevation model，DEM)来源于“地理空间数据云”平台(http://www.gscloud.cn)，分辨率为30 m。土地利用类型数据由采用高分一号卫星影像获取的遥感数据进行解译后得到。遥感数据来源为“中国资源卫星应用中心”(http://www.cresda.com)，图像分辨率为16 m，影像捕捉时间为2018年9月10日。前山河流域的土壤类型数据来源为“寒区旱区科学数据中心”(https://www.crensed.ac.cn)，分辨率为1 km。参考美国农业部水土保持局(Soil Conservation Service，SCS)的SCS模型中提出的分类标准以及与前山河流域地理位置相近的其他研究区域^[13-14]的数据结果，前山河流域的土壤类型分组应当属于B、C、D 3种。其中：B代表有较强透水性的土壤，C代表透水性相对较弱的土壤，D代表几乎完全不透水的土壤。道路数据来源于维基开放街道地图(open street map，OSM，https://www.openstreetmap.org)。将OSM数据与区域遥感影像资料进行对比，删掉有谬误的道路数据后，使用ArcGIS工具对道路进行拓扑检查，从而使OSM数据达到研究精度要求。前山河流域下垫面数据如图 3所示。

Manning系数一般是通过土地利用类型来进行赋值的，如表 1所示。

2 研究方法 2.1 城市洪涝水动力模型

本文采用笔者开发的城市洪涝一二维水动力耦合模型进行极端降雨情景的模拟，其中一维模块采用SWMM-EXTRAN模块进行计算，二维模块采用TELEMAC-2D模块进行计算^{[13, 15]}。TELEMAC-2D模块采用有限元法求解非守恒形式的二维浅水动力方程。基本方程如下:

$ \frac{{\partial h}}{{\partial t}} + \frac{{\partial (hu)}}{{\partial x}} + \frac{{\partial (hv)}}{{\partial y}} = 0, $

(2)

$ \begin{array}{c} \frac{{\partial u}}{{\partial t}} + u\frac{{\partial u}}{{\partial x}} + v\frac{{\partial u}}{{\partial y}} = \\ - g\frac{{\partial Z}}{{\partial x}} + {F_x} + \frac{1}{h}{\rm{div}}\left( {h{v_{\rm{e}}}\nabla u} \right), \end{array} $

(3)

$ \begin{array}{c} \frac{{\partial v}}{{\partial t}} + u\frac{{\partial v}}{{\partial x}} + v\frac{{\partial v}}{{\partial y}} = \\ - g\frac{{\partial Z}}{{\partial y}} + {F_y} + \frac{1}{h}{\rm{div}}\left( {h{v_{\rm{e}}}\nabla v} \right). \end{array} $

(4)

在计算源项时不考虑Coriolis力和风阻的影响，采用Manning公式计算底摩阻项F_x和F_y：

$ {F_x} = \frac{1}{{\cos \alpha }}\frac{{g{n^2}}}{{{h^{4/3}}}}u\sqrt {{u^2} + {v^2}} , $

(5)

$ {F_y} = \frac{1}{{\cos \alpha }}\frac{{g{n^2}}}{{{h^{4/3}}}}v\sqrt {{u^2} + {v^2}} . $

(6)

式中：u和v分别是x和y方向的流速；t是时间；h是水深；Z是水位；v_e是有效黏性系数；g是重力加速度；div表示散度运算符号；▽表示梯度运算符号；F_x和F_y分别是x和y方向的底床摩阻系数；n是Manning系数。

利用基本的堰流公式以及孔口流量公式对溢流量和回流量进行计算。基本方程如下：

节点溢流量计算公式为

$ {Q_{n, 1}} = {c_0}{A_{{\rm{mh}}}}\sqrt {2g\left( {{h_{1{\rm{D}}}} - {h_{2{\rm{D}}}}} \right)} , \;\;\;\;{h_{2{\rm{D}}}} < {h_{1{\rm{D}}}}. $

(7)

节点回流量计算公式为

$ {Q_{n, 2}} = \left\{ {\begin{array}{*{20}{l}} {{c_{\rm{w}}}w{h_{2{\rm{D}}}}\sqrt {2g{h_{2{\rm{D}}}}} , }&{{h_{1{\rm{D}}}} \le {Z_{2{\rm{D}}}} < {h_{2{\rm{D}}}};}\\ {{c_0}{A_{{\mathop{\rm mh}\nolimits} }}\sqrt {2g\left( {{h_{2{\rm{D}}}} - {h_{1{\rm{D}}}}} \right)} , }&{{Z_{2{\rm{D}}}} < {h_{1{\rm{D}}}} < {h_{2{\rm{D}}}}.} \end{array}} \right. $

(8)

式中：Q_n，1为流点溢流量，Q_n，2为节点回流量，m³/s，表征管网与地表间的流量交换；c₀为孔口出流系数；c_w为堰流系数；A_mh是地表与管网交换节点的面积，m²，本研究中为相应雨水井口的面积；w为堰顶宽度，m，本研究中为相应雨水井口的周长；h_1D为一维管网节点水位；h_2D为二维地表水位；Z_2D为地表高程。下标n为节点编号。

根据Mair等^[16]提出“道路管网”方法对路网数据进行概化，从而获得研究区域的一维排水管网数据。本文的模型构建中，前山河流域管道数据的主要属性为：管道节点623个，排水口94个，主干管道723段，管道总长度286.5 km。二维模型主要需要提供的参数包括Manning系数、地表高程以及径流曲线数(curve number, CN)值等。使用BlueKenue工具对TELEMAC-2D进行前处理。考虑到非结构性三角网格具有良好的边界适应性，用它进行网格划分与赋值。网格划分的分辨率为50 m，但在河道处进行加密，河道处的网格分辨率为6 m，总共划分92万个网格和49.1万个节点。考虑到前山河流域地理上北高南低，并且下游为入海口，将前山河流域南部设为自由出流边界条件，即纯开边界条件，同时认为流域地表前期无积水，前期土壤含水量为中等(即AMC-Ⅱ)。模型降雨输入时长为120 min，模拟计算时长设定为360 min。耦合模型的计算时间步长为1 s，TELEMAC-2D模块模拟结果输出的时间步长为3 min，SWMM-EXTRAN模块模拟结果输出的时间步长为15 min。后处理工具采用计算流体力学领域通用的软件Tecplot。

2.2 道路速度衰减模型

城市暴雨洪涝会对道路通行带来影响。在极端降雨情况下，道路积水达到一定深度时，道路交通会出现堵塞甚至完全中断的现象。针对道路积水对行车速度带来的影响，杜磊等在北京通过实测数据以及模型标定，建立了行车速度随积水深度衰减的标准模型^[8]，

$ v = \frac{{{v_0}}}{2}\tanh \left( {\frac{{ - h + a}}{b}} \right) + \frac{{{v_0}}}{2}. $

(9)

式中：v为车辆速度，km/h；v₀为该处的设计车速，km/h；a为造成车辆停滞的临界积水深度值的一半，cm；b为衰减弹性系数，表征道路上车速随积水深度衰减的速率，取值一般为3~5，b的取值越小则代表速度衰减越快，本研究中取b=4。

2.3 通行速度的获取

百度地图应用程序接口(application programming interface，API) 是一套可供开发者使用的应用程序接口，由百度科技公司基于百度地图提供，其基础功能主要包括定位、鹰眼、规划、路况等。本研究选取“驾车”类型的路线规划进行交通路网拥堵的研究^[17]。

本研究根据修正后的OSM路网，得到了共计2 997条道路的起始点与终点(OD点)的经纬度坐标。以百度地图API为基础采用Python语言编写爬虫工具，获取了前山河流域2020年9月1日到9月30日每天24 h每条道路的通行时间与通行距离，采样间隔为30 min。根据OSM划分的道路等级，统计了各等级道路在工作日内24 h的通行速度平均值，如图 4所示，并据此研究前山河流域城市洪涝对道路交通的动态影响。

在一天之中，根据道路通行速度的特征，道路可以划分为低谷、平峰以及高峰3种状态。上午7∶00 —9∶00与下午17∶00—19∶00分别是道路交通的早高峰期与晚高峰期；中午10∶00—16∶00与晚上20∶00—22∶00是交通的平峰期；晚上23∶00—凌晨6∶00为交通的低谷期。从通行速度变化可以看出，工作日的交通出现了明显的“潮汐”现象，高峰期的通行速度与其他时间段相比有明显的降低。同时，快速路的速度明显高于其他道路，这是由于快速路主要是前山河流域内的高速路、一级路等，设计速度较快；非快速路在高峰期速度差异不明显，这是由于非快速路主要集中于城市建筑区域，在高峰期由于通行车流量大导致各级道路都产生了拥堵从而使得通行速度差异有限；晚高峰相较于早高峰速度降低的程度更加明显；从道路等级来看，高等级路在高峰期的通行速度变化更加明显，而三级路与支路一天内的通行速度变化相对有限，这说明高等级路的通行速度对交通状态的变化更加敏感，即在高峰期更容易发生拥堵。

3 结果分析 3.1 洪涝水动力模型结果分析 3.1.1 模型合理性分析

在城市洪水模拟中，观测资料的缺乏是一个严重问题。对于本文的模型来说，同样存在这一问题。观测数据的缺乏会影响模型的标定与验证，增加了模拟结果的不确定性。因此，为最大限度地保证模型模拟结果的合理性，本研究以50 a和100 a两种重现期的模拟结果为例，从洪涝积水点、径流系数以及水流过程等方面进行模型精度的检验。

本研究采用广东省水利水电科学研究院所提供的历史场次降雨形成的前山河流域内涝点数据，数据时间截至2017年5月。流域内涝点个数共81个，其中中山市坦洲镇31个，三乡镇2个，珠海市香洲区48个。《室外排水设计规范》^[18](GB50014—2006)(2016年版)对于积水点的定义为：水深超过0.15 m，积水历时超过1 h，积水范围超过50 m²。基于收集到的前山河流域内涝点数据，在内涝点附近建立30 m的缓冲区。通过对缓冲区淹没深度的分析，绘制了两种不同重现期设计暴雨情景下内涝点的模拟结果的空间分布，如图 5所示，以验证模型模拟结果的准确性^[19]。结果表明：在50 a一遇设计暴雨情景下，模型可模拟出的内涝点个数为59个，模拟精度(可模拟出的内涝点数/总内涝点数)为72.8%；在100 a一遇设计暴雨情景下，模型可模拟出的内涝点个数为61个，模拟精度为75.31%。部分内涝点未能模拟出来可能是由以下原因：1) 由于缺少实际的管网数据，本文所用的管网数据为“道路管网”，因此在一定程度上会影响模型的精度；2) 本文所使用的内涝点数据，统计时间截至2017年，而所用的下垫面数据为2018年，因此模拟精度不高也可能是下垫面变化所导致的；3) 基础数据与积水点空间尺度不匹配，积水点处的积水深度为所在栅格的平均水深，这对于水深会有坦化作用；4) 对于积水点的统计标准可能不同。

从内涝点模拟结果可以看出，在两种设计暴雨情景下，本文建立的城市洪涝模型对内涝点的模拟精度均达到了70%以上，表明模型的模拟结果是较为准确的，模型具有一定的可靠性。

径流系数是反映区域下垫面情况的重要参数。经计算，研究区综合径流系数约为0.57。根据《室外排水设计规范》GB50014—2006(2016年版)中3.2.2规定，城镇建筑较密集区的综合径流系数为0.45~0.60^[18]。对于本研究区而言，由于存在山地与耕地，因此以城镇建筑较密集区的综合径流系数为判定标准，所得综合径流系数在合理区间内。

为进一步验证模型的可靠性，选取了前山河流域河道出口断面以及两条典型管道的流量过程与设计降雨过程进行对比分析，见图 6。

两个河道出口断面分别位于前山河流域内凤凰河和前山水道出口。以50 a和100 a一遇设计暴雨情景为例，将两个流域出口典型断面的单宽流量时间序列与两场设计降雨过程进行对比，结果见图 7。在两种设计暴雨情景下，出水口1与出水口2的流量均在降雨发生时段内不断增大，在降雨结束后不断减小，且流量过程中的最大值相较于降雨结束时刻有一个延迟效应，这是由于河道汇流所致^[20-21]。

此外，在模型管道中选取两条典型管道，并对管道流量过程进行统计，与两场设计降雨过程进行对比，结果见图 8。从两管道的流量过程可以看出，管道流量过程与降雨过程保持了高度的一致性，在降雨量的峰值时刻，管道流量也基本上在这一时刻前后达到了最大值，且管道流量在降雨结束后衰减得也非常迅速^[22-23]。根据图 7和8，可以判断本文建立的模型模拟结果符合城市洪水的基本规律，具有一定的稳定性和可靠性。

3.1.2 淹没深度结果分析

在洪涝灾害损失评估研究中，淹没深度往往作为重要的致灾因子之一。在4种设计暴雨情景下，前山河流域的最大淹没深度如图 9所示。

从图 9可以看出，在4种设计暴雨情景下，淹没水深大于0.5 m的严重淹没区域分布类似，主要集中在前山河流域的北部，即中山的三乡镇区域、南部的香洲区南屏镇区域以及河道区域，其他区域有一些零星分布但未集中成片。三乡镇区域的大范围淹没是由于周围有较高的山坡林地，快速的坡面汇流使大量水流流向了山脚处，从而导致整个区域积水量大、积水深度深。南部的南屏镇区域积水深度大的原因与三乡镇类似，是由于河道本身DEM低于周边，同时还有管道水量入河，而河道的比降较小导致排水较慢，因此会在河道产生大量积水，导致积水深度也较深。

3.1.3 道路速度衰减模型验证

为了保证道路速度衰减模型的计算精度以及模拟效果，需要对模型进行前置验证。本团队对研究区2020年9月1日到9月30日一个月的通行速度数据进行了采集，采集间隔为30 min，采集道路条数为2 997条，故样本总数为30×24×2×2 997= 4 315 680。其中包含了9月29日的降雨事件，降雨从29日上午10:25至11:50共历时1 h 25 min，实测降雨过程如图 10所示，降雨总量为28.6 mm。对同一时刻的通行速度进行了实时采集, 实测与模拟计算结果对比见表 2。

从表 2中数据可以看出，衰减模型平均误差范围在0.2%~3%，模拟精度在97%~99.8%，因此认为该模型能够较准确地表征道路通行速度随道路积水深度的变化。后续研究也将采用该模型进行计算分析。

3.2 城市洪涝对通行速度的影响

暴雨发生在不同的时间段内时，道路交通所受到的影响也存在差异。特别地，在交通高峰期，即道路交通拥挤、车流量大的时间段内，如果发生极端降雨，其带来的危害与损失会更加严重。本研究从宏观角度对交通拥堵程度进行研究，采用“驾车”出行的方式进行路线规划，以道路的通行速度作为指标来对拥堵程度进行评价。利用百度地图API得到了前山河流域高峰期(18：00)与平峰期(12：00) 的道路通行速度分布，如图 11所示。

从图 11可以看出，无论是在高峰期还是平峰期，绝大多数道路的通行速度集中在10~30 km/h，低于10 km/h的道路都在城市区域，且等级多为支路或三级路。许多等级较高的道路也表现出较低的通行速度，尤其是在高峰期，通行速度大多为10~30 km/h。与平峰期相比，高峰期速度高于30 km/h的道路显著减少。

由表 3可知，当极端降雨发生在交通路网的高峰期，道路交通的通行速度会有明显下降。在不同设计暴雨情景下，等级越高的道路，其通行速度降低的数值越大。10 a、20 a、50 a、100 a一遇设计暴雨情景下，在交通路网的高峰期，道路通行的平均速度相较于道路通畅时的平均速度分别下降了15.44、16.31、18.11和19.11 km/h；在交通路网的平峰期，平均行车速度分别下降了12.57、13.60、15.74和16.93 km/h。从全路网的道路平均速度变化比例来看，与10 a一遇暴雨情景相比，在交通路网高峰期，20 a、50 a和100 a一遇设计暴雨情景下平均速度降低比例分别增加5.58%、17.28%和23.74%；在平峰期，增加比例分别为8.16%、25.20%和34.66%。从道路等级进行分析可知，在交通路网的高峰期，表 3中快速路、一级路、二级路、三级路、支路的通行速度降低比例分别为52.35%、59.32%、61.25%、56.13%和53.88%，平峰期的降低比例分别为43.28%、48.43%、51.00%、50.51%和49.51%。从表 3中数据及分析可得到，高等级道路在不同降雨情景下的通行平均速度降低的数值较大，但二级路的通行平均速度降低的比例最大。

3.3 城市洪涝对交通路网的影响

为了分析在极端降雨条件下城市洪涝对道路交通的影响，本文选取道路交通的高峰期以及平峰期作为交通状态，选取10、20、50以及100 a一遇的短历时设计降雨作为洪涝情景，将4种情景分别与交通状态进行叠加，从而得到不同情景下道路交通的拥堵情况。

根据式(9)行车速度随积水深度衰减的标准模型，对降雨产生道路积水后交通路网的行车速度变化情况进行计算。在标准模型式(9)中，将设计车速作为速度变化对比的基础，但在现实生活中，车辆几乎不可能按照设计车速进行通行。从图 4可以看出，前山河流域在低谷期的路网通行速度最高，表明该时段内道路状况最为畅通，同时在夜晚车流量少，因此认为此时段的车速基本可以代表道路在正常情况下的最大车速。本研究将道路通畅时的速度与道路拥堵时的速度进行对比，获得道路通行速度的平均变化量，并将此变化量作为判断道路是否受到影响的阈值。本研究认为，与道路通畅时的通行速度相比，如果当前时刻道路通行速度的变化量超过这一阈值，将会对该道路的交通产生影响，即发生拥堵。通过计算，本研究区的平均速度变化量为20 km/h，因此将20 km/h作为判断道路是否受到影响的阈值。

不同降雨情景下交通路网受影响路段的空间分布如图 12所示。可以看出，从10 a一遇到100 a一遇设计暴雨情景，无论高峰期还是平峰期，受影响路段均在增加，但是从空间分布上来看，差异并不明显；交通高峰期受影响路段长度显著高于平峰期，但是随着暴雨重现期的增加，这种差异在逐渐减小。并且，受影响路段主要分布在城市区域，与前山河流域内淹没情况分布类似。为了分析不同情景下前山河流域交通路网受影响的具体情况，本文统计分析了受影响道路长度。参考文[24]，本研究以积水深度作为影响道路交通的主要因素，并且认为积水深度超过30 cm时道路无法通行，即道路中断。

由表 4可知，在交通高峰期，10 a、20 a、50 a、100 a一遇设计暴雨情景下，交通路网中受影响的道路长度之和占道路总长的比例分别为33.67%、34.94%、43.16%和46.96%，而平峰期比例分别为30.81%、32.70%、40.70%和44.55%。对于不同等级的道路，在高峰期，三级路受影响路段的长度最长，在平峰期规律类似，这是由于三级路本身数量众多。但从受影响道路占该等级道路长度占比来看，高等级道路相较于低等级道路受影响路段占比更大，道路拥堵更加严重。

根据表 4中道路中断长度的统计结果，与10 a一遇暴雨情景相比，20 a、50 a和100 a一遇暴雨情景下各等级道路的中断长度都有所增加，增加比例分别为20.89%、60.60%和82.36%。由于前山河流域三级路的长度最长，分布最广，因此三级路的中断道路在4种情景下都是最长的，三级路受到因积水而产生的淹没影响最严重，其次便是支路。与10 a一遇暴雨情景相比，随着重现期的增加，道路中断长度的增加比例从大到小分别为快速路、支路、三级路、二级路和一级路，说明快速路对于降雨变化的响应最为敏感。

3.4 城市洪涝对通行时间的影响

为了进一步分析城市洪涝对于交通的影响，统计了4种设计暴雨情景下和无降雨情景下各等级道路每km的通行时间，结果如表 5所示。

由表 5可以看到，未降雨情景下，平峰期各等级道路每km的通行时间随着道路等级的增加而缩短，这也符合基本认知。在高峰期，情况发生了一定的改变，快速路通行时间仍为最短，但一级路的通行时间变为最长，说明无降雨时一级路在交通高峰期将会承担更大的通行压力。

从数值上看，10 a一遇到100 a一遇设计暴雨情景下，无论高峰期还是平峰期，各级道路中通行时间最短的均为快速路，通行时间最长的均为三级路。从增加比例来看，与10 a一遇设计暴雨情景相比，20 a一遇到100 a一遇设计暴雨情景下，无论高峰期还是平峰期，支路通行时间增加的比例均为最大，一级路增加的比例均为最小。

与未降雨情景相比，4种设计暴雨情景下，在高峰期，二级路通行时间增加比例均为最小，快速路增加比例均为最大；而在平峰期，支路通行时间增加比例均为最小，快速路增加比例均为最大。因此，暴雨对于快速路的影响最大。

4 讨论 4.1 重现期变化对于道路交通的影响

为了更好地对比暴雨重现期的增加对道路交通的影响，绘制了随着重现期的增加，平峰期和高峰期受影响路段数量的变化情况，如图 13所示。可以看出，无论高峰期还是平峰期，重现期由20 a一遇增加到50 a一遇时，受影响路段增加的数量最多，其中高峰期为780段，平峰期为813段；重现期由10 a一遇增加到20 a一遇，受影响路段增加的数量最少，其中高峰期为380段，平峰期为397段；重现期由50 a一遇增加到100 a一遇，受影响路段增加的数量高峰期为471段，平峰期为479段。

进一步对比了重现期增加对不同等级道路的影响。重现期由10 a一遇增加到20 a一遇时，在高峰期，支路受影响路段增加的数量最多，其中高峰期为125段，平峰期为124段，一级路增加的数量最少，其中高峰期为20段，平峰期为25段；重现期由20 a一遇增加到50 a一遇时，三级路受影响路段增加的数量最多，在高峰期为258段，平峰期为272段，一级路增加的数量最少，在高峰期为51段，平峰期为52段；重现期由50 a一遇增加到100 a一遇时，三级路受影响路段增加的数量最多，在高峰期为157段，平峰期为154段，一级路增加的数量最少，在高峰期为39段，平峰期为43段。

4.2 存在问题及未来展望

本研究存在的问题主要包括：1) 由于缺乏实际的管网资料，因此排水管网采用了道路概化法^[16]来获取。尽管这是在缺乏资料地区进行管网数据获取的主要方式之一，但是所使用数据与实际管网的管径、布设方式均存在一定的差异，会在一定程度上影响城市洪涝模型的模拟精度。2) 基础数据精度与研究问题的空间尺度不匹配。本文采用的DEM分辨率为30 m×30 m。对于积水点的积水深度的识别基于一个假定，即整个栅格区域内的积水深度是一致的，将积水点/道路所在栅格的积水深度认为是该积水点/道路的积水深度，这对于模型精度也有一定影响。3) 本研究的通行速度是基于百度地图API获取的。由于目前该平台已经关闭了对于车速的直接获取，因此本研究通过路线规划功能间接获得了通行速度，其精度还有待进一步验证。4) 缺少用于率定和验证的水位、流量、淹没水深等实测数据，这为模型的模拟结果带来了一定的不确定性。5) 本研究仅探讨了城市洪涝对于道路通行速度的影响，缺少通行流量方面的分析，这主要是因为交通流量数据的可获取性较差，目前的大数据手段很难获得相关数据，需要向交通部门来申请，或者是安排人员进行实地监测。由于研究区域道路众多，本团队也仅对几条主要道路进行了交通流量的数据监测工作，样本数据过少，无法很好地建立交通流量和通行速度的关系，因此本研究缺少通行流量方面的补充分析。

针对上述问题，未来研究需要加强基础资料的收集工作，通过收集排水管网数据，对比道路管网法与实际管网模拟结果的差异，分析由于基础资料不足导致的不确定性；通过无人机遥感测绘，获得高精度的遥感影像，用于高程、土地利用等数据的提取，为构建精细化的城市洪涝模型提供数据驱动，并分析数据分辨率差异对模拟结果的影响^[25]；通过开展实地观测，收集不同等级道路的实际车速情况，对比分析爬取的通行速度的精度以及与实测通行速度的差异；通过开展实地观测，收集水位、流量、淹没水深等数据，用于模型的率定与验证；通过对交通流量的观测，建立通行速度与交通流量的关系，进而更加全面地评估城市洪涝对交通的影响。最后，为了更系统地分析城市洪涝对于交通的影响，未来可以结合兴趣点(point of interest, POI)数据分析洪涝对于重点区域可达性响应时间的影响^[26]，如学校、公共交通站点、公司企业、政府机构等，也可以更进一步量化暴雨洪涝导致的交通成本的增加，如油耗、交通事故误工费等。

5 结论

本研究基于一二维耦合水动力模型和通行速度衰减模型分析了城市洪涝对道路交通的影响，以极端降雨作为洪涝情景，采用百度地图API将实时路况信息与洪涝情景下的淹没结果相互叠加，分析了4种设计暴雨情景下城市洪涝对通行速度、交通路网和通行时间的影响。主要结论如下：

1) 在工作日一天之中，各等级道路具有明显的“交通潮汐”现象，晚高峰相较于早高峰通行平均速度降低的程度更加明显，高等级道路的通行平均速度对交通状态的变化更加敏感；

2) 从通行速度降低情况来看，快速路在不同降雨情景下的通行速度降低的数值最大，但二级路通行速度降低的比例最大，随着暴雨重现期的增加，平峰期道路通行平均速度的变化比例要大于高峰期；

3) 从受影响道路长度来看，三级路受影响路段的长度最长，快速路受影响道路长度占比最大，随着的暴雨重现期增加，在高峰期，三级路受影响最大，在平峰期，二级路受影响最大，然而从道路的中断情况来看，三级路的中断长度和占比均为最大，重现期的增加对于支路的影响最大；

4) 从通行时间来看，无降雨时一级路在交通高峰期将会承担更大的通行压力，从增加比例来看，无论高峰期还是平峰期，随着暴雨重现期的增加，支路通行时间增加的比例均为最大，一级路增加的比例均为最小，与未降雨情景相比，4种暴雨情景下暴雨对于快速路的影响最大；

5) 无论高峰期还是平峰期，暴雨重现期由20 a一遇增加到50 a一遇时，受影响路段增加的数量最多，随着暴雨重现期的增加，平峰期受影响路段增加的数量略高于高峰期，从重现期增加对不同等级道路的影响来看，低等级道路会受到更为严重的影响。

在评估城市洪涝对于交通的影响时，采用不同的评价指标(如通行速度、受影响道路长度、通行时间等)得到的评估结果并不相同，因此未来需要进一步建立综合的指标体系，系统反映各等级道路的受灾程度。同时，为了有效地减少洪涝灾害对道路交通的影响，未来可以考虑通过在易涝路段增设雨水井、增加排水管道管径、布设移动泵车、优化车辆调度规则等方式，提升城市交通对于极端暴雨事件的应对能力。同时，为了提高城市洪涝模拟精度，也需要构建更加精细化的城市雨洪模型。