因果韧性曲线：一种量化地铁服务中断时空影响的数据驱动框架
应用统计
2025-08-29 v2
摘要
城市地铁系统以高资源利用效率运送大量乘客，但频繁遭遇中断，导致延误、拥挤以及乘客满意度和客流量的下降。为量化这些不利后果，本文提出一种新颖的、数据驱动的因果推断框架，通过估计服务中断对乘客需求、行程时间、行驶速度和车载拥挤度的直接效应与溢出效应来衡量地铁韧性。通过将高频智能卡数据整合进合成控制设计，我们利用加权未中断日构建无偏反事实，从而解决混杂因素并准确捕捉中断在网络中的传播。影响估计进一步转化为站点级因果韧性曲线，揭示了各地退化与恢复时间模式的空间异质性，为地铁运营者提供用于针对性干预和资源分配的可操作见解。以香港地铁（MTR）为例的案例研究证明了该框架在提供无偏韧性曲线方面优于朴素典型日比较和机器学习基准。本文首次推导出动态地铁韧性的因果估计。这一实用工具可推广用于评估广泛公共交通系统的韧性。
引用
@article{arxiv.2310.07514,
title = {Causal resilience curves: A data-driven framework for quantifying the spatiotemporal impacts of metro service disruptions},
author = {Nan Zhang and Daniel Hörcher and Prateek Bansal and Daniel J. Graham},
journal= {arXiv preprint arXiv:2310.07514},
year = {2025}
}