这篇文档属于类型b，即一篇科学论文，但不是单一原创研究的报告。以下是对该文档的学术报告：
本文的主要作者包括Gian Paolo Cimellaro、Chris Renschler、Andrei M. Reinhorn和Lucy Arendt。他们的研究机构分别为加州大学伯克利分校、纽约州立大学布法罗分校和威斯康星大学绿湾分校。该论文发表于《Journal of Structural Engineering》，具体时间为2016年4月15日。
本文的主题是提出一个用于评估社区韧性（resilience）的框架，称为PEOPLES框架。韧性在近年来被引入工程领域，特别是在灾害缓解和管理方面。本文旨在通过多维度的测量框架，帮助决策者和规划者选择最优的恢复策略，以增强社区的韧性。
韧性一词源于拉丁语“resilio”，意为“跳回”。该概念最早在心理学和精神病学中使用，后来被引入生态学、社会科学、经济学和工程学等领域。本文引用了多个学者的定义，强调了韧性在不同领域的多样性。例如，Holling（1973）将生态系统的韧性定义为“系统在吸收变化和干扰后仍能维持种群或状态变量之间关系的能力”。在工程学中，韧性被定义为系统在面对内外变化时维持功能并优雅退化的能力。
本文提出了一个名为PEOPLES的框架，用于评估社区韧性。该框架包括七个维度：人口与人口统计学（Population and Demographics）、环境与生态系统（Environmental and Ecosystem）、有组织的政府服务（Organized Governmental Services）、物理基础设施（Physical Infrastructure）、生活方式与社区能力（Lifestyle and Community Competence）、经济发展（Economic Development）和社会文化资本（Social-Cultural Capital）。每个维度都有相应的性能指标，并通过多层方法进行组合。该框架可以应用于不同空间和时间尺度的韧性评估，帮助决策者在紧急情况和灾后恢复阶段选择最优策略。
本文采用了Cimellaro等人（2010a）提出的韧性指数（Resilience Index, R）定义，即系统功能性能函数下的归一化面积。数学上，韧性指数通过积分功能性能函数在时间上的变化来计算。该指数可以应用于不同领域（如工程、经济、社会科学）和不同时空尺度。具体步骤包括定义空间尺度和时间尺度，并选择控制时间段。
每个维度都有详细的描述和性能指标。例如，人口与人口统计学维度通过社会脆弱性指数（Social Vulnerability Index, SVI）来衡量；环境与生态系统维度通过归一化植被指数（Normalized Difference Vegetation Index, NDVI）来评估；有组织的政府服务维度通过患者等待时间（Waiting Time, WT）来衡量；物理基础设施维度通过服务中断的户数比例来衡量；生活方式与社区能力维度通过生活质量调查来衡量；经济发展维度通过人均收入、就业率等指标来衡量；社会文化资本维度通过社区参与度等指标来衡量。
本文提出了一个社区混合模型，结合网络模型和基于代理的模型（Agent-Based Models, ABM）来模拟物理基础设施和社会技术网络。网络模型用于模拟电力、水等物理基础设施，而ABM用于模拟紧急医疗技术人员、消防队等社会技术网络。该模型通过矩阵方法描述不同层之间的相互依赖性，并使用Haines的输入-输出不可操作性矩阵（Input-Output Inoperability Matrix, IIM）来描述节点之间的相互依赖性。
本文提出了韧性性能水平（Resilience Performance Levels, RPLs），通过功能性和恢复时间的组合来定义。RPLs可以通过专家意见和公众访谈来确定，以识别不同类型基础设施的可接受和期望性能水平。
本文讨论了恢复模型，包括基于经验数据和工程判断的经验恢复模型和基于数值模拟的解析恢复模型。恢复模型用于描述恢复函数和恢复时间，是量化韧性指数的关键元素。
本文提供了一个逐步程序，用于应用PEOPLES框架进行韧性评估。具体步骤包括定义极端事件场景、定义和校准社区混合模型、运行分析并评估模型响应、评估性能指标、识别补救措施和韧性行动。
本文提出的PEOPLES框架为评估社区韧性提供了一个全面的方法，特别是在灾害管理和恢复策略选择方面。该框架结合了多个维度的性能指标，并通过混合模型和矩阵方法描述了基础设施和社会技术网络之间的相互依赖性。本文的研究不仅具有重要的科学价值，还为决策者、规划者和工程师提供了实用的工具，帮助他们在灾害中增强社区的韧性。
本文的亮点在于提出了一个多维度的韧性评估框架，并结合了网络模型和基于代理的模型来描述社区的复杂性。此外，本文还提出了韧性性能水平和恢复模型，为韧性评估提供了新的方法。这些创新方法不仅增强了韧性评估的准确性，还为未来的研究提供了新的方向。
本文还详细讨论了每个维度的性能指标，并通过具体案例说明了这些指标的应用。例如，社会脆弱性指数通过欧洲人口和住房普查数据计算，归一化植被指数通过卫星遥感图像分析。这些具体的方法和案例为读者提供了实际操作的指导，增强了论文的实用性。