关联站点协同攻击下轨道交通网络脆弱性研究

doi:10.16265/j.cnki.issn1003-3033.2023.03.1424

中国安全科学学报 ›› 2023, Vol. 33 ›› Issue (3): 167-173.doi: 10.16265/j.cnki.issn1003-3033.2023.03.1424

关联站点协同攻击下轨道交通网络脆弱性研究

崔欣¹(), 路庆昌¹^,^**(), 张磊², 徐标¹, 秦汉¹, 刘鹏¹

¹ 长安大学电子与控制工程学院,陕西西安 710064
² 陕西交通职业技术学院公路与铁道工程学院,陕西西安 710018

收稿日期:2022-10-14 修回日期:2023-01-11 出版日期:2023-03-28
通讯作者:
**路庆昌(1984—),男,山东聊城人,博士,教授,主要从事交通网络建模与分析、交通行为学、交通与环境、交通经济学、气候变化与交通系统等方面的研究。E-mail: qclu@chd.edu.cn。
作者简介:
崔欣 (1998—),男,山东济南人,硕士研究生,主要研究方向为城市轨道交通网络性能和城市轨道交通网络关键站点识别。E-mail:cxin@chd.edu.cn。
基金资助:
国家自然科学基金面上项目资助(7197102); 陕西省自然科学基础研究计划项目(2021JC-28)

Research on vulnerability of rail transit network under coordinated attack of associated stations

CUI Xin¹(), LU Qingchang¹^,^**(), ZHANG Lei², XU Biao¹, QIN Han¹, LIU Peng¹

¹ School of Electronics and Control Engineering, Chang'an University, Xi'an Shaanxi 710064, China
² School of Highway and Railway Engineering, Shaanxi College of Communications Technology, Xi'an Shaanxi 710018, China

Received:2022-10-14 Revised:2023-01-11 Published:2023-03-28

摘要/Abstract

摘要：

为探究轨道交通网络多个关联站点受到蓄意攻击后网络的脆弱性以及不同攻击下影响的差异,量测分析多站点之间的关联性,给出关联站点协同攻击下轨道交通网络脆弱性量化方法,提出以脆弱性最大化为目标的攻击模型,通过免疫算法求解模型,得到最优攻击策略,并以上海市地铁网络为例,研究多站点协同攻击下轨道交通网络脆弱性。结果表明:多站点蓄意攻击下轨道交通网络脆弱性不仅取决于每个站点的重要程度,还取决于不同站点之间的关联性,尤其是空间位置关联性和乘客出行关联性。位于不同线路且客流量较大的多个换乘站点受到协同攻击下轨道交通网络脆弱性最高,占网络站点总数3.56%的多个站点同时受到攻击后,轨道交通网络性能损失最高可达63.61%。

关键词: 关联站点, 协同攻击, 轨道交通网络, 脆弱性, 关联性, 免疫算法

Abstract:

In order to explore the vulnerability of the rail transit network after multiple associated stations were deliberately attacked and the differences in the impact of different attacks, the correlation between multiple stationswas measured and analyzed, and the vulnerability quantification method of the rail transit network under the coordinated attack of the associated stations was given. An attack model aiming at maximizing vulnerability was proposed, and the model was solved by immune algorithm to obtain the optimal attack strategy. Taking Shanghai metro network as an example, the vulnerability of rail transit networks under multi stations coordinated attack was studied. The results show that the vulnerability of rail transit networks under multi stations deliberate attack depends not only on the importance of each station, but also on the correlation between different stations, especially the spatial location correlation and passenger travel correlation. Multiple transfer stations located on different lines and with large passenger flow have the highest vulnerability to coordinated attacks. After multiple stations accounting for 3.56% of the total number of network stations are attacked at the same time, the rail transit network performance loss can reach up to 63.61%.

Key words: associated stations, coordinated attack, rail transit network, vulnerability, correlation, immune algorithm

崔欣, 路庆昌, 张磊, 徐标, 秦汉, 刘鹏. 关联站点协同攻击下轨道交通网络脆弱性研究[J]. 中国安全科学学报, 2023, 33(3): 167-173.

CUI Xin, LU Qingchang, ZHANG Lei, XU Biao, QIN Han, LIU Peng. Research on vulnerability of rail transit network under coordinated attack of associated stations[J]. China Safety Science Journal, 2023, 33(3): 167-173.

图/表 8

图1

图2

表1

表2

图3

图4

图5

图6

参考文献 11

[1]	BERDICA K. An introduction to road vulnerability:what has been done, is done and should be done[J]. Transport Policy, 2002, 9(2): 117-127. doi: 10.1016/S0967-070X(02)00011-2
[2]	LU Qingchang, ZHANG Lei, XU Pengcheng, et al. Modeling network vulnerability of urban rail transit under cascading failures: a coupled map lattices approach[J]. Reliability Engineering & System Safety, 2022, 221: DOI: 10.1016/j.ress.2022.108320. doi: 10.1016/j.ress.2022.108320
[3]	叶青. 基于复杂网络理论的轨道交通网络脆弱性分析[J]. 中国安全科学学报, 2012, 22(2):122-126.
	YE Qing. Vulnerability analysis of rail transit based on complex network theory[J]. China Safety Science Journal, 2012, 22(2): 122-126.
[4]	路庆昌, 崔欣, 徐标, 等. 公交接驳场景下轨道交通网络脆弱性研究[J]. 中国安全科学学报, 2021, 31(8): 141-146. doi: 10.16265/j.cnki.issn1003-3033.2021.08.020
	LU Qingchang, CUI Xin, XU Biao, et al. Vulnerability research of rail transit network under bus connection scenarios[J]. China Safety Science Journal, 2021, 31(8): 141-146. doi: 10.16265/j.cnki.issn1003-3033.2021.08.020
[5]	LÓPEZ F, PÁEZ A, CARRASCO J, et al. Vulnerability of nodes under controlled network topology and flow autocorrelation conditions[J]. Journal of Transport Geography, 2017, 59: 77-87. doi: 10.1016/j.jtrangeo.2017.02.002
[6]	MARTELLO M, WHITTLE A, KEENAN J, et al. Evaluation of climate change resilience for Boston's rail rapid transit network[J]. Transportation Research Part D: Transport and Environment, 2021, 97: DOI: 10.1016/j.trd.2021.102908. doi: 10.1016/j.trd.2021.102908
[7]	RODRÍGUEZ-NÚÑEZ E, GARCÍA-PALOMARES J. Measuring the vulnerability of public transport networks[J]. Journal Transport Geography, 2014, 35: 50-63. doi: 10.1016/j.jtrangeo.2014.01.008
[8]	薛锋, 何传磊, 黄倩. 成都地铁网络的关键节点识别方法及性能分析[J]. 中国安全科学学报, 2019, 29(1): 93-99. doi: 10.16265/j.cnki.issn1003-3033.2019.01.016
	XUE Feng, HE Chuanlei, HUANG Qian. Identification of key nodes in Chengdu metro network and analysis of network performance[J]. China Safety Science Journal, 2019, 29(1): 93-99. doi: 10.16265/j.cnki.issn1003-3033.2019.01.016
[9]	万丹, 郭倩, 邓良凯, 等. 城市轨道交通网络脆弱性对比研究[J]. 城市轨道交通研究, 2021, 24(1):60-64.
	WAN Dan, GUO Qian, DENG Liangkai, et al. Comparative study on vulnerability of urban rail transit network[J]. Urban Mass Transit, 2021, 24(1): 60-64.
[10]	肖明辉. 基于区域攻击的城市公共交通互补网络脆弱性分析[J]. 信息通信, 2018(8):1-5.
	XIAO Minghui. The vulnerability analysis of urban complementary transit network under spatially localized failures[J]. Information and Communications, 2018(8):1-5.
[11]	崔欣, 路庆昌, 李建宇. 基于网络冗余性的城市轨道交通关键站点识别[J]. 中国安全科学学报, 2022, 32(12): 158-164. doi: 10.16265/j.cnki.issn1003-3033.2022.12.0274
	CUI Xin, LU Qingchang, LI Jianyu, et al. Key station identification of urban rail transit based on network redundancy[J]. China Safety Science Journal, 2022, 32(12): 158-164. doi: 10.16265/j.cnki.issn1003-3033.2022.12.0274

受攻击的站点	单站点失效后网络性能损失程度	影响排序
上海火车站	0.104	1
人民广场	0.099	2
徐家汇	0.091	3
中山北路	0.075	4
延长路	0.072	5
上海南站	0.067	6
世纪大道	0.064	7
上海马戏城	0.063	8
南京东路	0.059	9
曹杨路	0.057	10

受攻击的多个站点	攻击场景I			攻击场景II			攻击场景III
受攻击的多个站点	攻击组合I-1	攻击组合I-2	差值占比/%	攻击组合II-1	攻击组合II-2	差值占比/%	攻击组合III-1	攻击组合III-2	差值占比/%
空间位置关联性	0.326	0.097	70.25	0.233	0.231	0.86	0.211	0.203	3.79
运行线路关联性	1.000	0.500	50.00	0.800	0.489	38.88	0.678	0.596	12.09
最短路径关联性	0.378	0.068	82.01	0.288	0.236	18.06	0.240	0.191	20.42
乘客出行关联性	0.399	0.114	71.43	0.310	0.147	52.58	0.232	0.177	23.71
不同攻击下网络脆弱性	0.185	0.191	3.24	0.322	0.483	50.00	0.532	0.636	19.55

[1]	佟瑞鹏, 胡向阳, 王乐瑶, 韩吉祥. 风险动物园(Ⅳ):基于复杂系统思维的风险隐喻事件识别与评估[J]. 中国安全科学学报, 2024, 34(2): 53-59.
[2]	马壮林, 邵逸恒, 舒兰, 阴一凡, 李浩强. 多层网络视角下地铁网络脆弱性分析[J]. 中国安全科学学报, 2023, 33(8): 164-172.
[3]	何明卫, 钱佳, 刘杰, 殷勇, 占曙光. 考虑列车折返的城市轨道交通网络脆弱性评估[J]. 中国安全科学学报, 2023, 33(8): 84-92.
[4]	颜烨. 风险社会学:关联性学术知识谱系及演进发展[J]. 中国安全科学学报, 2023, 33(5): 17-25.
[5]	张雯婕, 胡军红, 闻成维, 汤瑞. 考虑网络韧性的城市轨道交通故障恢复研究[J]. 中国安全科学学报, 2023, 33(4): 179-186.
[6]	杨景峰, 朱大鹏, 赵瑞琳. 城轨网络站点重要度评估与级联失效抗毁性分析*[J]. 中国安全科学学报, 2022, 32(8): 161-167.
[7]	赵露薇, 王青娥. 暴雨干扰下地铁系统脆弱性形成机制[J]. 中国安全科学学报, 2022, 32(6): 193-199.
[8]	岳仁田, 张知波. 脆弱性多因素耦合作用下空管亚安全态识别[J]. 中国安全科学学报, 2022, 32(4): 8-14.
[9]	马敏, 胡大伟, 刘杰, 马壮林. 基于客流加权的城市轨道交通网络抗毁性分析[J]. 中国安全科学学报, 2022, 32(12): 141-149.
[10]	赵露薇, 王青娥. FCM下暴雨干扰地铁系统脆弱性演化分析[J]. 中国安全科学学报, 2022, 32(10): 186-192.
[11]	吴声声, 王祥尧. 基于多级可拓的风电场运营脆弱性评价[J]. 中国安全科学学报, 2021, 31(S1): 170-175.
[12]	张兆宁, 陈子辰, 卢飞. 配对进近侧向位置误差QAR参数关联性分析^*[J]. 中国安全科学学报, 2021, 31(8): 47-52.
[13]	路庆昌, 崔欣, 徐标, 刘鹏, 王琰. 公交接驳场景下轨道交通网络脆弱性研究^*[J]. 中国安全科学学报, 2021, 31(8): 141-146.
[14]	吴维讲师, 罗欣然, 魏明. 基于SD模型的跑道侵入风控网络脆弱性分析[J]. 中国安全科学学报, 2021, 31(4): 41-48.
[15]	杨天姿, 王铁骊, 彭恒明, 段海林. 小微企业生产安全事故应急脆弱性评价^*[J]. 中国安全科学学报, 2021, 31(12): 176-183.

关联站点协同攻击下轨道交通网络脆弱性研究

Research on vulnerability of rail transit network under coordinated attack of associated stations

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 8

参考文献 11

相关文章 15

编辑推荐

Metrics

本文评价