利用被动收集的轨迹数据评估异常事件对出行模式的影响

出行模式会受到异常事件的影响。评估这些影响对于救援行动以及改进未来事件的应急准备或规划具有重要意义。传统上，评估工作依赖于事件后调查的数据收集，这种方法经济成本高、回复率低、耗时且通常滞后数月（甚至数年），导致评估低效且不可靠，并为救援组织接触有需要的人群制造障碍。智能手机及其所支持服务的普及持续产生大量轨迹数据（例如通话记录数据、基于应用的数据），其中包含海量用户的轨迹。这些轨迹数据被被动且及时地收集，无需额外成本，并包含某一地区大量个体在较长时间段（例如数月到数年）内的出行模式信息。我们提出一个利用这些数据评估出行模式影响的框架。该框架利用被动收集的轨迹数据，力求捕捉并理解出行模式变化的全貌，从而有助于评估某一地区的人群在何时、以何种方式受到事件影响。我们将该框架应用于一个包含约百万匿名用户半年轨迹的手机轨迹数据集，以评估哈维飓风（美国历史上损失第二大的飓风）的影响。结果经过验证，表明所提框架能够对哈维飓风给出行模式造成的影响进行全面评估，从而可指导受影响后的响应与恢复工作。