基於依存基礎設施服務中斷映射 (DISruptionMap) 方法評估災害情景下的級聯服務中斷

מושגי ליבה

本文提出了一種名為 DISruptionMap 的新方法，用於評估大規模災害情景下關鍵基礎設施服務的級聯中斷，該方法結合了空間服務模型和基於貝葉斯網路的服務依賴模型，並通過一個案例研究證明了其在洪水災害管理中的有效性。

תקציר

文獻資訊：

Schneider, M., Halekotte, L., Mentges, A., & Fiedrich, F. (2024). Dependent Infrastructure Service Disruption Mapping (DISruptionMap): A Method to Assess Cascading Service Disruptions in Disaster Scenarios. arXiv preprint arXiv:2410.05286v1.

研究目標：

本研究旨在開發一種名為 DISruptionMap 的新方法，用於評估大規模災害情景下關鍵基礎設施 (CI) 服務的級聯中斷。

方法：

DISruptionMap 方法結合了基於 GIS 的空間服務模型（用於評估直接 CI 服務中斷）和基於貝葉斯網路 (BN) 的服務依賴模型（用於評估間接（級聯）CI 服務中斷）。空間服務模型使用基於 GIS 的疊加分析來評估 CI 組件位置和災害地圖之間的關係，並使用脆性曲線來考慮直接 CI 組件中斷的不確定性。服務依賴模型則使用故障樹方法來描述服務之間的依賴關係，並使用邏輯運算符（即閘門）將（服務）故障的影響組合成更複雜的配置。

主要發現：

• DISruptionMap 方法能夠識別和量化系統中潛在的故障路徑，並評估直接和間接 CI 服務中斷。
• 案例研究結果表明，DISruptionMap 方法可以有效地應用於洪水災害管理，並為決策者提供有關 CI 服務中斷的寶貴信息。

主要結論：

DISruptionMap 方法提供了一種實用的方法，可以在大規模災害情景下評估 CI 服務的級聯中斷。該方法易於使用，並且可以根據特定災害情景和地區的需求進行調整。

意義：

本研究為災害風險管理提供了一種有價值的工具，可以幫助決策者更好地了解 CI 服務中斷的潛在影響，並制定更有效的應急響應計劃。

局限性和未來研究方向：

• 目前的 DISruptionMap 方法依賴於一些簡化的假設，例如使用二元變量來表示服務可用性狀態。未來的研究可以探索使用更精細的服務可用性狀態表示方法。
• 未來研究還可以探討將時間維度納入 DISruptionMap 方法，以考慮災害情景和基礎設施服務故障的動態變化。

סטטיסטיקה

在所調查的 27 家醫院中，有 8 家醫院位於洪水淹沒區域內，洪水深度從 1 厘米到 2.38 米不等。
6 家醫院被認為無法進入，原因是它們的通道直接受到洪水的影響，或者由於多個洪水淹沒路段導致它們與道路網路斷開。
5 家醫院的電力供應不確定，即節點“電力供應”處於“可用”狀態的概率既不是 0 也不是 1。
1 家醫院顯示出確定的電力故障（P（電力供應：可用）= 0），即來自電網的供應和備用發電機都發生故障。
7 家醫院的急診服務完全中斷，原因是無法進入、電力供應故障、洪水水位高或上述因素的組合。
另外 2 家醫院的急診服務狀態不確定。

ציטוטים

“現代 CI 系統可能會受到複雜的間接災害影響：CI 在不同部門之間高度相互依存 (Rinaldi et al., 2001; Nick et al., 2023)，例如，發電廠依賴於穩定的冷卻水供應，而發電廠又為許多其他 CI 系統提供電力。”
“由於這些複雜的依賴關係，CI 中斷的程度和後果受到很大不確定性的影響，這使得預測它們變得極具挑戰性。”
“我們的方法旨在最大限度地減少額外信息的數量，並使其工作流程盡可能直觀，與經典災害地圖所需的信息相比。”

תובנות מפתח מזוקקות מ:

Dependent Infrastructure Service Disruption Mapping (DISruptionMap): A Method to Assess Cascading Service Disruptions in Disaster Scenarios

by Moritz Schne... ב- arxiv.org 10-10-2024

https://arxiv.org/pdf/2410.05286.pdf

שאלות מעמיקות

除了洪水以外，DISruptionMap 方法如何應用於其他類型的災害，例如地震或網路攻擊？

DISruptionMap 方法的核心是將空間服務模型與基於貝葉斯網路的服務依賴模型相結合，以評估直接和間接的關鍵基礎設施服務中斷。這種方法的靈活性使其適用於各種災害情境，而不僅僅是洪水。以下說明如何將 DISruptionMap 應用於地震和網路攻擊：
地震：

災害情境與影響指標： 將災害情境定義為特定規模的地震，例如芮氏規模 7.0 的地震。影響指標可以使用峰值地面加速度 (PGA) 或地震烈度來量化地震的嚴重程度。
空間數據： 需要獲取研究區域的地震危害地圖，顯示預期的 PGA 或地震烈度分佈。此外，需要收集關鍵基礎設施的位置數據，例如醫院、發電廠、道路和橋樑等。
目標關鍵基礎設施和服務依賴模型： 選擇目標關鍵基礎設施，例如醫院，並建立服務依賴模型。地震可能導致電力、供水、交通和通訊等服務中斷，進而影響醫院的緊急護理服務。
空間服務模型： 開發空間服務模型，評估地震對電力、供水、交通和通訊等服務的直接影響。例如，可以使用脆性曲線來評估不同 PGA 或地震烈度下變電站或橋樑的失效概率。
結果可視化： 將結果顯示在互動式儀表板中，以便決策者快速了解地震對關鍵基礎設施服務的潛在影響。

網路攻擊：

災害情境與影響指標： 將災害情境定義為針對特定關鍵基礎設施部門的網路攻擊，例如針對電力網路的攻擊。影響指標可以使用受影響的網路節點數量或服務中斷時間來量化攻擊的嚴重程度。
空間數據： 需要收集關鍵基礎設施的網路拓撲結構數據，包括網路節點、鏈路和依賴關係。此外，需要識別潛在的攻擊目標和攻擊途徑。
目標關鍵基礎設施和服務依賴模型： 選擇目標關鍵基礎設施，例如電力網路，並建立服務依賴模型。網路攻擊可能導致電力供應中斷，進而影響其他依賴於電力的關鍵基礎設施，例如醫院、交通系統和通訊網路。
空間服務模型： 開發空間服務模型，評估網路攻擊對電力供應的直接影響。例如，可以使用網路模擬技術來評估攻擊對網路節點和鏈路的影響，以及由此產生的服務中斷區域。
結果可視化： 將結果顯示在互動式儀表板中，以便決策者快速了解網路攻擊對關鍵基礎設施服務的潛在影響，並採取相應的防禦和應對措施。

總之，DISruptionMap 方法可以通過調整災害情境、影響指標、空間數據和服務依賴模型，應用於評估各種災害對關鍵基礎設施服務的潛在影響，為災害準備和應變提供決策支持。

在缺乏專家意見的情況下，如何使用歷史數據或機器學習技術來構建和驗證 DISruptionMap 模型？

在缺乏專家意見的情況下，可以使用歷史數據或機器學習技術來構建和驗證 DISruptionMap 模型，以下列出一些方法：
1. 利用歷史數據：

建立關鍵基礎設施失效數據庫： 收集過去災害事件中關鍵基礎設施失效的數據，包括失效時間、地點、類型、原因和影響範圍等。
統計分析： 利用統計分析方法，分析不同災害類型、強度和關鍵基礎設施類型之間的關係，建立關鍵基礎設施失效概率模型。例如，可以使用邏輯迴歸模型來預測特定災害情境下關鍵基礎設施的失效概率。
空間分析： 結合歷史災害事件的空間數據，例如洪水淹沒範圍、地震烈度分佈等，分析關鍵基礎設施失效的空間模式，建立基於地理信息系統 (GIS) 的空間失效概率模型。
2. 應用機器學習技術：

監督學習： 利用歷史數據訓練監督學習模型，例如支持向量機 (SVM)、隨機森林 (Random Forest) 或深度學習模型，預測特定災害情境下關鍵基礎設施的失效概率。
無監督學習： 利用無監督學習模型，例如聚類分析或關聯規則挖掘，分析歷史數據中的模式和關係，識別關鍵基礎設施失效的潛在因素和影響因素。
強化學習： 利用強化學習模型，模擬不同災害情境和應對措施下的關鍵基礎設施系統表現，優化災害應對策略，提高系統韌性。
3. 模型驗證：

交叉驗證： 將歷史數據分為訓練集和測試集，利用訓練集訓練模型，利用測試集評估模型的預測準確率、召回率和 F1 分數等指標。
敏感性分析： 分析模型輸入參數的變化對模型輸出結果的影響程度，評估模型的穩健性和可靠性。
案例分析： 利用歷史災害事件數據，模擬 DISruptionMap 模型在該事件中的表現，與實際情況進行比較，評估模型的有效性和準確性。
需要注意的是，歷史數據和機器學習技術的使用也存在一些局限性。例如，歷史數據可能存在缺失、不完整或不準確的情況，而機器學習模型的泛化能力也需要進一步提高。因此，在實際應用中，建議結合專家意見、歷史數據和機器學習技術，綜合評估災害風險，提高 DISruptionMap 模型的可靠性和實用性。

如何將 DISruptionMap 方法與其他災害風險管理工具和技術（例如，基於代理的模擬或社交媒體分析）相結合，以增強災害準備和響應能力？

DISruptionMap 方法可以與其他災害風險管理工具和技術相結合，構建更全面、更精確的災害風險評估和應對系統，提升災害準備和響應能力。以下列舉幾種結合方式：
1. 結合基於代理的模擬 (Agent-Based Modeling)：

模擬災害情境下的人員行為： 基於代理的模擬可以模擬災害發生時，人們如何根據周圍環境、自身需求和可獲取信息做出決策，例如疏散路線選擇、避難所寻求和資源獲取等。
評估關鍵基礎設施服務中斷對人員的影響： 將 DISruptionMap 輸出的關鍵基礎設施服務中斷信息與基於代理的模擬相結合，可以評估服務中斷對不同區域、不同群體人員的影響，例如疏散效率、傷亡人數和社會經濟損失等。
優化災害應對策略： 通過模擬不同災害應對策略（例如，疏散路線規劃、資源調配和信息發布等）的效果，可以優化應對策略，提高災害應對效率，降低災害損失。
2. 結合社交媒體分析 (Social Media Analytics)：

獲取實時災害信息： 社交媒體平台（例如 Twitter、Facebook 等）可以提供災害事件的實時信息，例如災害發生時間、地點、影響範圍、人員伤亡和基础设施损毁情况等。
驗證和補充 DISruptionMap 模型： 利用社交媒體數據可以驗證 DISruptionMap 模型的預測結果，例如比對模型預測的服務中斷區域和社交媒體報告的實際服務中斷區域。
提高災害態勢感知能力： 結合 DISruptionMap 模型的預測結果和社交媒體的實時信息，可以更全面、更準確地掌握災害態勢，為災害應急決策提供支持。
3. 結合其他災害風險管理工具和技術：

地理信息系統 (GIS)： DISruptionMap 模型本身就建立在 GIS 的基礎上，可以與其他 GIS 工具和數據結合，例如地形圖、人口密度圖、土地利用圖等，進行更精細化的災害風險評估。
災害損失評估模型： 將 DISruptionMap 輸出的關鍵基礎設施服務中斷信息輸入到災害損失評估模型中，可以更準確地評估災害造成的直接經濟損失和間接經濟損失。
災害預警系統： 將 DISruptionMap 模型與災害預警系統相結合，可以根據預測的災害影響，及時發布預警信息，提醒相關部門和人員做好應急準備。
總之，DISruptionMap 方法可以作為一個重要的組成部分，與其他災害風險管理工具和技術相結合，構建更強大的災害風險管理系統，提高災害準備和響應能力，最大程度地減轻灾害造成的损失。