位置智能揭示飓风备灾的程度、时机与空间差异
计算机与社会
2022-03-22 v2
摘要
改善飓风备灾对于减轻飓风影响至关重要。传统量化和监测飓风备灾的方法存在显著滞后。本研究建立了一个方法论框架，利用高分辨率位置智能数据在 CBG（人口普查区块组）层面量化飓风备灾的程度、时机与空间差异。使用 2017 年飓风 Harvey 前每个 CBG 访问 POI（兴趣点）的匿名手机数据来考察飓风备灾。杂货店、加油站、药店和家居建材店四类 POI 被确定与飓风备灾密切相关，并在备灾期间计算了各 CBG 前往这四类 POI 的每日访问次数。基于与基线期相比的每日访问百分比变化，计算了备灾程度与主动性两个指标。结果显示，药店访问高峰常出现在早期，而加油站访问高峰更接近登陆。杂货店与家居建材店的访问时空模式十分相似。然而，相关性分析表明备灾程度与主动性彼此独立。结合同步撤离数据，按备灾程度和撤离率将 CBG 划分为四类簇。低备灾且低撤离率的簇被识别为就地避难家庭脆弱性热点，在响应中需紧急关注。该研究推进了对人类防护行动的数据驱动理解，并为应急响应管理者提供了主动监测灾害备灾的新见解，有助于识别准备不足区域并及时优化资源配置。
引用
@article{arxiv.2203.06567,
title = {Location Intelligence Reveals the Extent, Timing, and Spatial Variation of Hurricane Preparedness},
author = {Bo Li and Ali Mostafavi},
journal= {arXiv preprint arXiv:2203.06567},
year = {2022}
}