基于SWMM模型的葫芦岛市内涝交通影响分析

(绥中县大风口水库管理处，辽宁 绥中 125200)

1 概 述

城市内涝是指由于短时间内强降水或连续性降水超过城市的排水能力而导致城市内出现积水情况的现象。在全球气候变化与城镇化建设的影响下，我国城市内涝情况日益突显，严重威胁着城市的社会经济发展，据统计，2010年、2012年、2013年、2016年我国的洪涝灾害直接损失分别高达3745亿元、2675亿元、3156亿元和3661亿元。城市内涝除给经济带来直接损失外，还会严重影响城市交通。

本文以葫芦岛市“7·20”特大暴雨为例，应用SWMM雨洪模型，模拟龙港区龙湾公园附近的内涝积水情况，并以此对此次暴雨的交通影响过程进行分析，计算结果与实测结果基本一致，证明采用本文方法，可以直接根据降雨情况预测出不同地区的内涝情况及其交通影响，以便于及时制定合理的交通疏解预案，并便于居民提前合理安排交通路线。

2 应用实例

2.1 研究区域

选择葫芦岛市龙港区龙湾公园附近为研究区域，西南部边界为海月路、东北部为海翔路、西北部为龙绣街、东南部为龙呈街，研究区域内西南与东北朝向的主干路为龙湾大街、西北与东南朝向的主干路为滨海路。研究区为葫芦岛市水文局、葫芦岛市民政局、葫芦岛市工商局、飞天广场、商务大厦、葫芦岛海关等机构与建筑的所在地，毗邻葫芦岛市试验中学、师范学校附属小学等，人口较为密集，车流量较大，数据相对完善，交通条件具有一定代表性。

2.2 葫芦岛市“7·20”特大暴雨

2016年7月20—22日，受副热带高压后部江淮气旋影响，葫芦岛地区普降大暴雨、局部特大暴雨，具有过程雨量大、强降水持续时间长、影响范围广等特点，是有气象记录以来最强一次区域性特大暴雨过程，降水量突破多项历史极值(见图1)。全市农作物受灾面积达69.97万亩，房屋倒塌536间，经济损失约20.32亿元。

图1 各站降水过程曲线

2.3 数据来源

采用SWMM模型进行内涝交通影响分析，主要需要4类数据，即地形数据、模型参数数据、降雨数据、内涝和交通流数据。地形数据主要基于美国加利福尼亚圣地亚哥大学的卫星测地学数据，并根据研究区域内的CAD图纸进行细化，采用ArcGIS 10.4软件生成DEM文件；模型参数中的汇水区面积、不透水面积百分比、坡度、特征宽度等参数主要来源于研究范围内GIS数据，而洼蓄量、曼宁系数等均参考于相关文献；降雨过程数据主要来源于葫芦岛市气象局相关文献；内涝数据主要来源于由百度地图与防汛办合作推出的积水地图，路网数据主要采用JOSM软件根据卫星图片和街景视图提取，交通流数据以OSM(Open Street Map)数据为主。

3 内涝积水深度模拟

3.1 SWMM雨洪模型

SWMM(Storm Water Management Model)模型是由美国环保局开发的雨洪模型，主要由Runoff (径流)、Transportation(输送)、Extran(扩充输送)、Storage/Treatment(存储/处理)4个计算模块和具有统计与绘图等功能的服务模块组成，可以对单场暴雨或连续性降雨产生的暴雨径流、排水管网及污水处理单元等的水量水质进行动态模拟，从而解决与城市排水系统相关的水量水质问题，在北美地区的城市排水系统设计、规划与运行中得到了广泛的应用(SWMM模型的基本原理与操作步骤可参见文献[3])。

3.2 节点位置

根据葫芦岛市“7·20”特大暴雨的降雨数据，运行SWMM模型(版本5.0)，得到研究区域内各节点的积水深度。选择3个代表点，分别命名为S1、S2、S3；其中S1点位于龙湾大街，临近葫芦岛市档案局、社会矛盾调处中心、住房公积金管理中心等单位，地理位置为东经40.715238°、北纬120.839170°；S2点位于滨海路，临近葫芦岛市运输服务公司、汽车综合性能检测中心等单位，地理位置为东经40.717911°、北纬120.846824°；S3点位于龙绣街与海飞路交汇处，地理位置为东经40.726587°、北纬120.845045°。

3.3 积水深度过程线

根据各代表节点处的SWMM模拟与实测积水深度过程线(见图2)可知，SWMM模拟结果与实测结果基本保持一致，验证了SWMM模型在研究区域内涝过程模拟中的适用性。各代表点的变化趋势基本相同，说明该地区的积水深度分布相对比较均匀，可以用少量的代表点代表整个区域的积水情况以简化分析过程。根据模拟结果，最大积水深度位于S2处，发生于暴雨开始后的第9个小时，最大值为33.80 cm；在此次暴雨事件中，葫芦岛市其他许多地区的积水深度达到50～70 cm，因此，可认为研究范围内的积水深度相对其他地区较小，说明研究区域内的排水状况相对较好。

图2 各代表积水点积水深度过程线

4 葫芦岛市内涝交通影响分析

4.1 SUMO城市交通仿真平台

SUMO(Simulation of Urban MObility)平台是德国宇航中心开发的微观、连续的道路交通仿真构架和模型基础，在道路交通仿真中具有广泛的应用。该软件的自由度较高，除了传统的车辆微观行为模拟外，还有车间通信、标志适应性控制等其他方面的自由度，且为开源软件，使用者可自行对软件进行修改，因此，在未来的智慧交通建设、无人驾驶技术的发展中将具有非常强的竞争力(具体操作方法可参见文献[7])。

4.2 交通影响度过程线

根据SWMM模拟的内涝积水数据和路网数据，运行SUMO平台，得到各节点的车辆运行速度。为更为明确地呈现内涝积水的交通影响，提出了交通影响度指标，该指标的公式为

(1)

式中I——交通影响度；

vn——正常情况下的车速；

vp——实际情况下的车速，该值介于0～1之间，当该值接近于0时，表示实际车速与以往正常情况下的车速较为接近，即内涝的影响较低；当该值接近于1时，则表示实际车速降速明显，即内涝影响较大。

图3 各代表积水点交通影响度过程线

由各代表节点处的模拟与实测交通影响度过程线(见图3)可知，模拟结果与实测结果(数据流数据)基本一致，验证了本文方法的合理性。各代表点的时间变化趋势大体一致，且与内涝积水深度的过程线保持相同的变化规律，可见城市内涝对研究区域内的交通有明显影响。根据模拟结果，最大的影响度位于S3处，即龙绣街与海飞路交汇处，发生于暴雨开始后的第11个小时，最大值为0.99，表明此地在当时发生严重的交通拥堵情况，车辆基本无法通行。

4.3 内涝交通影响分析

对积水深度和交通影响度的模拟结果进行回归分析；按照积水深度由小到大进行排序，并以积水深度为横坐标、交通影响度为纵坐标作散点图和拟合线(见图4)。根据图4可知，拟合线与实际数据之间的最大似然R2值为0.932，较为接近于1，可以认为拟合结果较为理想，因此，得到该研究区域的内涝交通影响经验公式：

D=0.2269lnh+0.0839

(2)

式中D——交通影响度指标;

h——内涝积水。

该公式在实际工作中可用于内涝交通影响的初步与快速预判，可根据预期的降雨情况，采用SWMM模型预测出指定位置的内涝积水，再采用该公式判断出其交通影响度，进而对各条道路的车速进行预测，以及时地采取合理的应对措施。

图4 积水深度与交通影响度拟合线

5 结 论

城市内涝是城市交通的最主要影响因素之一，而城市雨洪模型已经逐渐成为城市洪灾评价与防治的重要技术手段。本文以葫芦岛市“7·20”特大暴雨为例，应用SWMM雨洪模型模拟了龙港区龙湾公园附近的内涝积水情况，得到了研究范围内各个节点的积水深度过程曲线；提出交通影响度的概念，将积水深度曲线模拟数据输入至SUMO交通仿真模拟平台，得到代表节点的交通影响度变化过程曲线。结果表明：计算的内涝积水深度与交通影响度与实际情况较为接近，说明本文方法切实可行。最后，对内涝积水深度与交通影响度数据进行回归分析，得到内涝交通的影响经验公式，便于相关工作对各条道路的车速进行初步的预测。

本文方法较少考虑人为因素的影响，如果采取了合理的交通改善或者疏解措施，则本文提出的经验公式将不再适用，而且这些公式仅适用于本文的研究区域。因此，未来有必要开发更为全面的分析系统，以提高模型的适应性与广泛适用性。

[1] 李鹏程,李昊洋.基于城市雨洪模型的内涝交通影响研究[J].水电能源科学,2017(5):62-65.

[2] 胡伟贤,何文华,黄国如，等.城市雨洪模拟技术研究进展[J].水科学进展,2010,21(1):137-144.

[3] 庞晶晶.基于SWMM的城市防洪排水体系能效评估探析[J].水利规划与设计,2017(1):104-107.

[4] 杨旭宏.城市内涝成因及规划设计对策探析[J].水利技术监督,2016(6):78-80.

[5] 李杰,王家乙,李明慧,等.葫芦岛市“7·20”罕见特大暴雨气象服务深析[J].南方农机,2017,48(19):50-51.

[6] 郭亮.葫芦岛市旱灾风险评价[J].水利规划与设计,2017(5):26-28.

[7] 裴金漪.基于SUMO和双流体模型的城市交通信号系统模拟[D].兰州：兰州交通大学,2015.

[8] 李志环.坡耕地水土保持工程建设中存在问题分析与技术对策探究[J].中国水能及电气化，2014(3):57-59.

[9] 马吉洋.基于暴雨内涝空间分析的成都交通应急疏散模型研究[D].成都：四川师范大学,2014.

[10] 陈仕鸿,彭赛琼.ArcGIS在城市内涝交通路线选择问题中的应用[J].电脑知识与技术,2013(1):205-206.