2016-Patterns and Limitations of Urban Human Mobility Resilience under the Influence of Multiple Types of Natural Disaster


平时活动范围更大的人,灾害这72小时还会走出更大的范围吗?

论文名片|Qi Wang、John E. Taylor,Patterns and Limitations of Urban Human Mobility Resilience under the Influence of Multiple Types of Natural Disaster,PLoS ONE,2016,11(1):e0147299,2016年1月28日发表。DOI:10.1371/journal.pone.0147299。本文依据这一正式发表版解读。这是一项观察研究,比较多种自然灾害前后城市里的人类移动。

设想一个人平时被记录到的位置,大多落在住处、工作地和附近几个店铺之间。台风、地震、冬季风暴、暴雨或野火到来的那几天,相邻两条位置之间的距离,是多数仍然很短、少数很长,还是整条远近规律都换了一套?若平时活动范围更大的人,灾害这72小时的活动中心会不会挪得更远,活动范围会不会仍然更大?

Wang 和 Taylor 考察的就是这种尺度还在不在。十五次灾害里,单次位移的分布大多仍能用截断幂律描述;多数情况下,两周前的回转半径仍与灾害期间的活动中心偏移、以及灾害期间的回转半径同向变化。几次事件里,这种同向关系不再有统计显著性。文中把移动还能吸收冲击、维持基本属性并回到稳态,称作人类移动的韧性。正文测到的是分布形式是否还在,以及两个72小时窗口是否还正相关。活动范围回到灾前水平用了几天,正文没有给出。

先说结论

  • 十五次事件分属五类灾害,合计 3,673,626 条地理标签推文、212,735 人。这个人数等于表1各事件用户数之和,分母是各次事件的推文用户。正文没有另外给出跨城市去重后的人数。
  • 样本中的 471 个日位移里,每一天都比指数分布更符合幂律(p<0.001);其中 455 天也比对数正态分布更符合幂律,455/471=96.6%。这些天包括各事件收集到的灾前、灾中和灾后,正文没有按事件拆开这 471 天。
  • 活动中心在灾害72小时相对两周前72小时的偏移,与两周前回转半径的正相关,在15次事件中有13次带有显著性标记。未标记的是2014年伊基克地震(0.15591484)和汉堡的冬季风暴 Xaver(0.257535062)。
  • 灾害72小时的回转半径与两周前回转半径的正相关,在15次中有11次显著。未显著的是台风 Kalmaegi 所在的卡拉西亚奥(0.149604)、2013年保和地震(0.031066)、伊基克(−0.08923)和汉堡(0.198529)。伊基克是表中唯一的负系数。

十五次灾害里,究竟在比哪一种远近?

人类移动性在这里指人在城市空间中的位置变化。居住地是否改变,本文没有单独测量。数据来自 Twitter 公开接口收集的地理标签推文:用户发一条不超过140字符的状态时,可以附上当时的经纬度。作者用了将近两年收集数据,再从受影响的城区取出十五次事件。手机基站研究的位置往往落在大约1至3平方公里的覆盖范围内,作者因此改用地理标签,以便观察城市内部的尺度。地理标签只覆盖愿意公开位置的用户,也只留下发过推文的时刻。

十五次事件是四次台风、三次地震、三次冬季风暴、三次创纪录暴雨,以及两次野火。表1把凤凰城、底特律和巴尔的摩标成 Thunderstorm,表2和图1写成 Rainstorm,正文则称为 record-breaking rainstorms。三座城市是同一组三次事件。野火在分组时写成两次;脚注说这场野火覆盖290,000英亩,并选取靠近城区、受影响较重的两个区域。

类型(表1) 事件 地点 推文数 用户数
Typhoon Wipha (Tokyo) 日本东京 849,173 73,451
Typhoon Halong (Okinawa) 日本冲绳 166,325 5,124
Typhoon Kalmaegi (Calasiao) 菲律宾卡拉西亚奥 21,698 1,063
Typhoon Rammasun (Manila) 菲律宾马尼拉 408,760 27,753
Earthquake Bohol (Bohol) 菲律宾保和 114,606 7,942
Earthquake Iquique (Iquique) 智利伊基克 15,297 1,470
Earthquake Napa (Napa) 美国纳帕 38,019 1,850
Winter storm Xaver (Norfolk) 英国诺福克 115,018 8,498
Winter storm Xaver (Hamburg) 德国汉堡 15,054 2,745
Winter storm Storm (Atlanta) 美国亚特兰大 157,179 15,783
Thunderstorm Storm (Phoenix) 美国凤凰城 579,735 23,132
Thunderstorm Storm (Detroit) 美国底特律 765,353 15,949
Thunderstorm Storm (Baltimore) 美国巴尔的摩 328,881 14,582
Wildfire New South Wales (1) 澳大利亚新南威尔士(1) 64,371 9,246
Wildfire New South Wales (2) 澳大利亚新南威尔士(2) 34,157 4,147

位移是同一个人相邻两个位置点之间的距离,用半正矢公式计算。地球半径取6,367,000米,纬度记为 ϕ,经度记为 φ。两点的纬度差和经度差先各自除以2,进入正弦的平方;经度项再乘上两点纬度的余弦。开方、取反正弦后乘以2r,得到的单位是米。这个距离记录的是相邻两条地理标签,中间没有发推的停留不会出现。

这些位移被拟合为截断幂律:P(Δr) 正比于 Δr 的 −β 次方,再乘以 e 的 −λΔr 次方。Δr 是位移,β 描述近处随距离下降的陡峭程度,λ 让特别长的位移更快减少。作者用 Python 的 powerlaw 包做最大似然估计,把截断幂律与指数分布、对数正态分布比较。既有研究在货币流通和手机数据里报告的幂律指数大约在1.59到1.88之间,那是别人的范围。本文正文没有列出这十五次事件各自的 β 和 λ。

活动范围用另外两个量。活动中心是一段时间里到访坐标的平均位置,英文写作 center of mass。回转半径是各到访点到这个中心的半正矢距离的均方根,英文写作 radius of gyration。它概括这段时间的活动尺度,用的是各点到活动中心距离的均方根。单次位移则是相邻两个位置点的距离。扰动窗口的活动中心相对稳态窗口移动了多远,正文写成两个中心之差的绝对值。表2只报告这个偏移与回转半径的相关系数,没有给出偏移了多少米。

时间窗口在正文里并排出现了两套。图1的红圈是灾害发生的那24小时,绿圈是灾前,蓝圈是其后。回转半径和活动中心则使用72小时:扰动态是灾害发生时的72小时,稳态是两周前的另一个72小时。质心公式的说明又把地点数 n(t) 写成24小时内的到访地点数。正文没有说明72小时是合成一个中心,还是先按天计算再汇总。下面的相关结果对应的是这一对72小时窗口。

灾前、那24小时和其后,位移分布还是截断幂律吗?

第一个假设是:多种自然灾害下,城市出行仍由幂律支配。比较在同一批位移上完成,看截断幂律、指数分布和对数正态分布哪一个拟合更好。

十五个灾害事件在灾前、灾害当日和其后的位移分布

图 1|灾前、灾害发生的那24小时,以及其后,单次位移还落在截断幂律上吗?

原图没有子图字母。横轴是位移 Δr,纵轴是 P(Δr),两边都取对数。红圈是灾害发生的那24小时,绿圈是灾前,蓝圈是其后;同色曲线是各自的拟合。十五个面板从左到右、从上到下依次是:Typhoon Wipha (Tokyo),Typhoon Halong (Okinawa),Typhoon Rammasun (Manila),Typhoon Kalmaegi (Calasiao),Earthquake (Bohol);Earthquake (Iquique),Earthquake (Napa),Winterstorm Xaver (Norfolk),Winterstorm Xaver (Hamburg),Winterstorm (Atlanta);Rainstorm (Phoenix),Rainstorm (Detroit),Rainstorm (Baltimore),Wildfire 1 (New South Wales),Wildfire 2 (New South Wales)。各面板的刻度范围并不相同,读数要回到该面板自己的坐标。东京、冲绳、马尼拉、诺福克、凤凰城、底特律和巴尔的摩上,三种颜色挤在一条下降、并在长距离一端向下弯的曲线附近。卡拉西亚奥、保和、伊基克和两处野火上,点更散,红圈有一段离开绿线和蓝线;伊基克的点最稀。纵轴没有标明 P(Δr) 是概率、密度还是累积分布,正文也没有把某一格换算成行程所占的百分比。来源:原论文 Fig. 1。

最大似然的结果写在正文里,逐日的完整拟合放在 S1 Table。全部案例中,样本里每一个日位移都比指数分布更符合幂律,p<0.001。471天里有455天也比对数正态更符合幂律,占96.6%。讨论里又写成超过95%的天数,与455/471一致。另外16天的日期,以及它们更贴近哪一种分布,正文都没有写出。图1把许多人的位移放在同一个面板里,读到的是群体分布仍靠近截断幂律。每个人的活动范围是否仍与自己的灾前范围相连,要看后面的个人相关。

活动中心挪得远,和平时的回转半径有关吗?

第二个假设把比较换到个人。每个人有一个稳态回转半径,也有一个活动中心从两周前72小时到灾害72小时的偏移。假设说,平时回转半径越大的人,灾害期间活动中心偏移越远。十五次事件分别计算相关。进入每次相关的人数,正文没有给出。表1的用户数是发出地理标签推文的人数。

类型(表2) 事件 相关系数 正文标记
Typhoon Wipha (Tokyo) 0.539672692 p<0.001
Typhoon Halong (Okinawa) 0.399066158 p<0.001
Typhoon Kalmaegi (Calasiao) 0.412774447 p<0.05
Typhoon Rammasun (Manila) 0.57926189 p<0.001
Earthquake Bohol (Bohol) 0.270450514 p<0.001
Earthquake Iquique (Iquique) 0.15591484 未标记
Earthquake Napa (Napa) 0.463082337 p<0.001
Winter storm Xaver (Norfolk) 0.555180382 p<0.001
Winter storm Xaver (Hamburg) 0.257535062 未标记
Winter storm Storm (Atlanta) 0.678411423 p<0.001
Rainstorm Storm (Phoenix) 0.533596975 p<0.001
Rainstorm Storm (Detroit) 0.452612074 p<0.001
Rainstorm Storm (Baltimore) 0.413542843 p<0.001
Wildfire New South Wales (1) 0.896617706 p<0.001
Wildfire New South Wales (2) 0.292383392 p<0.05

正文用星号标显著性:一个星号为 p<0.05,三个星号为 p<0.001。表注也列出 p<0.01,十五个系数都没有单独落在这一档。未标记表示该系数旁边没有星号。表中没有打印精确的 p 值。

13/15次事件支持这个假设。系数最高的是新南威尔士区域1,0.896617706;在显著的结果里,保和较低,为0.270450514。亚特兰大的冬季风暴达到0.678411423。伊基克和汉堡的点估计仍为正,分别是0.15591484和0.257535062,只是没有显著性标记。正相关表示同一次事件里、平时范围更大的人,活动中心也倾向于挪得更远。它没有给出每公里回转半径对应多少米偏移,也没有说明中心移动是整片活动地点一起挪走,还是因为出现了少数很远的新地点。

灾害这72小时的回转半径,还能从两周前读出来吗?

第三个假设直接比较活动范围本身:灾害72小时的回转半径,是否仍与两周前72小时的回转半径正相关。若正相关还在,平时范围更大的人,在这72小时里范围仍然更大。这是正文用来表示范围尺度还连着稳态的证据。测量的是两个72小时窗口之间的一次相关。回转半径逐日回到原水平所用的天数,正文没有给出。

类型(表3) 事件 相关系数 正文标记
Typhoon Wipha (Tokyo) 0.524405 p<0.001
Typhoon Halong (Okinawa) 0.215695 p<0.001
Typhoon Kalmaegi (Calasiao) 0.149604 未标记
Typhoon Rammasun (Manila) 0.288469 p<0.001
Earthquake Bohol (Bohol) 0.031066 未标记
Earthquake Iquique (Iquique) −0.08923 未标记
Earthquake Napa (Napa) 0.33824 p<0.05
Winter storm Xaver (Norfolk) 0.332673 p<0.001
Winter storm Xaver (Hamburg) 0.198529 未标记
Winter storm Storm (Atlanta) 0.250897 p<0.001
Rainstorm Storm (Phoenix) 0.341179 p<0.001
Rainstorm Storm (Detroit) 0.245938 p<0.001
Rainstorm Storm (Baltimore) 0.243112 p<0.001
Wildfire New South Wales (1) 0.799249 p<0.001
Wildfire New South Wales (2) 0.507008 p<0.001

显著性标记的含义与上一张表相同。11/15次事件里,系数为正且带有显著性标记。最高仍是新南威尔士区域1,0.799249;显著结果里较低的是冲绳,0.215695。纳帕为0.33824,只达到一个星号。卡拉西亚奥0.149604、保和0.031066、汉堡0.198529没有显著性标记。伊基克为 −0.08923,是十五个系数里唯一的负数,同样没有显著性标记。

把两张表放在一起,活动中心和回转半径回答的是两件事情。保和的中心偏移仍然显著相关,回转半径的相关却接近零。卡拉西亚奥也是中心偏移显著、半径相关不显著。新南威尔士区域2相反,半径相关0.507008,高于它的中心偏移相关0.292383392。正文没有再检验两个系数的差。中心偏移已经显著时,仍要单独看回转半径是否还同向。

图1里灾后的蓝圈仍沿截断幂律下降,说明位移分布的基本形状在作者所绘的其后时段还在。蓝圈覆盖灾后多长时间,图注没有写。分布形状还在,和个人是否回到两周前的那个回转半径,也是两件事情:一群人可以继续呈现短多长少的距离,同时每个人的活动尺度已经重新排列。

哪几次对不上,论文用什么来说明限度?

讨论把相关消失的事件写成韧性的限度:冲击较轻时,稳态回转半径仍可用于理解甚至预测扰动下的移动;冲击足够强时,稳态下看到的模式不再能预测扰动状态。正文没有给出一个统一的震级、风速或系数阈值。

2014年伊基克地震被写成当年最强的地震,震级8.2,影响一座约180,000名居民的城市,并造成6人伤亡。它在两张表里都不显著,回转半径的点估计为负。2013年保和地震震级7.2,当地有超过120万居民,死亡超过200人。讨论把这两次地震都视为区域人类移动失去韧性的例子,同时又写出它们的属性不同。表中的差别是:保和的活动中心偏移仍有显著性标记,回转半径的系数是0.031066,旁边没有星号。保和有114,606条推文、7,942名用户;伊基克有15,297条推文、1,470人。

台风 Kalmaegi 发生在2014年,回转半径相关不显著,活动中心相关仍显著。该事件是台风里最小的样本:21,698条推文、1,063人。冬季风暴 Xaver 同时影响到汉堡和诺福克。汉堡两个系数都不显著,诺福克分别为0.555180382和0.332673,都带三个星号。汉堡有15,054条推文、2,745人,诺福克有115,018条推文、8,498人。论文写道,这场风暴明显影响了汉堡的人类移动,诺福克则以较高的韧性承受了影响;同时写明,厘清这种差别超出本文范围。样本大小不同,因此汉堡未显著既可以是关系更弱,也可以是样本更小。

新南威尔士区域1的两个系数都最高。脚注只说明它是290,000英亩野火靠近城区的严重区域之一。高相关表示平时范围仍与这72小时的范围同向排列,正文没有把它解释成冲击更轻。

伊基克的数据还有另一处限制。对数正态与幂律的比较,建议至少有300条位移;伊基克地震之后有若干天少于300条。全部案例每天仍超过100条位移,作者认为这足以区分幂律和指数分布。所以,伊基克对假设一的指数分布比较仍被正文保留,对对数正态的比较更弱;这与表3里那个不显著的负系数是两次不同的检验。

这些结果留在什么边界里?

推文样本随各地使用习惯变化。东京、马尼拉、冲绳、诺福克、汉堡、纳帕、亚特兰大、凤凰城、底特律和巴尔的摩的数据较多,伊基克等地较少。公开地理标签的人构成这项推文样本。正文没有提供全体居民的对照普查。由于平台规定,数据中的经度经过改动,位置与原始坐标不同;作者说明这一改动不影响分析结果。

相关描述的是同一次事件中,个人的稳态范围与灾害窗口指标是否一起高低。交通供给、主动更换活动地点和发推频率都可能进入这些距离。正文没有把它们拆开,因此系数停留在共变层面。未标星号表示没有达到正文采用的显著性标准。除伊基克的回转半径点估计为负以外,其余未标记系数的点估计仍为正。

回转半径公式使用以米为单位的半正矢距离,但正文没有报告任何城市回转半径的均值或中位数。活动范围用几天回到两周前的水平,同样没有测量。稳态只取灾害前两周的一个72小时;若那72小时本身特殊,相关的基线也会跟着变。作者提出后续可以把公共交通等条件纳入,本文还没有做这项比较。

一句话总结

多种灾害下,相邻位置的远近大多仍服从截断幂律,两周前更大的回转半径在15次事件的11次里仍对应着灾害这72小时更大的活动范围;这种对应在卡拉西亚奥、保和、伊基克和汉堡不再显著,而范围回到灾前水平所用的天数,正文没有给出。

核心来源

  • PLoS ONE 正式发表页,核对题目、作者、2016年1月28日发表记录与 DOI:10.1371/journal.pone.0147299。正文14页,主图只有 Fig. 1,表1至表3给出样本与相关系数。
  • 首页数据可用性说明:地理标签位置数据见于 Dryad,DOI 为 10.5061/dryad.88354。逐日拟合的 S1 Table 在正文中标为支持信息,不在这14页内。
  • 回转半径与活动中心的概念来自作者引用的 González、Hidalgo 与 Barabási,Nature,2008,453:779–782。幂律指数1.59至1.88来自他们引用的既有研究。本文表格报告的是相关系数。韧性定义在假设部分引用 Cutter 等人2008年的社区韧性研究;作者自己关于飓风 Sandy 的移动韧性论文列在参考文献56。背景里有一句语法不完整的话把 Sandy 的发现标为参考文献44,而文末列表中的44是 Cutter 等人2008年的文章。

作者介绍

两位作者的身份只按论文署名、贡献说明和本文参考文献中的可核对信息介绍。

  • Qi Wang:署名为哈佛大学 Radcliffe Institute for Advanced Study。作者贡献写明,他构思并设计研究、实施实验,与 Taylor 共同分析数据、提供工具并撰写论文。
  • John E. Taylor:署名为弗吉尼亚理工学院 Charles E. Via, Jr. 土木与环境工程系 Civil Engineering Network Dynamics Lab,通讯作者。作者贡献写明,他参与构思、数据分析、工具和写作;实施实验一栏只列了 Wang。参考文献56是他与 Wang 合作的飓风 Sandy 人类移动韧性研究。

延伸思考

以下是 AI 基于论文结果所作的延伸,不属于原论文结论。

若要把两周前的回转半径当成灾害72小时活动范围的排序依据,可以做一次真正的预测核对:用稳态半径给同城的人排序,再看这个顺序与灾害窗口半径的顺序有多一致,并和只按全城平均半径猜测的结果比较。按照表3,这种排序在11次事件里有正相关可利用;伊基克的点估计为负,排序甚至可能颠倒,但该系数不显著,方向是否颠倒仍要拿到独立时段再检验。样本很小的汉堡和卡拉西亚奥,也应先把不确定区间算出来,再决定灾前半径能不能进入预测。

另一个延伸是把范围的恢复和地点的恢复分开。截断幂律还在,只说明短距离仍然很多、长距离仍然很少。一个人也可以保持差不多的回转半径,却换掉原先最常去的地点;或者地点还是那几个,尺度已经变了。本文的活动中心偏移显示,平时范围大的人往往中心也挪得更远,这更接近整片活动地点发生了平移。下一步可以计算,灾害72小时里的位置有多大比例仍落在稳态那72小时最常出现的地点上。若这个比例回升时半径相关仍然缺失,恢复的是熟悉地点;若半径相关还在而这个比例下降,保持的是活动尺度。两种结果会指向不同的后续观测,也都不由本文的相关系数直接给出。


文章作者: 猴猴猴
版权声明: 本博客所有文章除特別声明外,均采用 CC BY 4.0 许可协议。转载请注明来源 猴猴猴 !
  目录