[論文レビュー] Constructing Evacuation Evolution Patterns and Decisions Using Mobile Device Location Data: A Case Study of Hurricane Irma

Aref Darzi, Vanessa Frías-Martínez+3 more|arXiv (Cornell University)|Feb 24, 2021

Human Mobility and Location-Based Analysis参考文献 34被引用数 5

ひとこと要約

本研究では、フロリダ州のハリケーン・アイリスの際の110億件を超える匿名化されたモバイル端末位置データを活用し、避難行動をモデル化した。義務的避難区域にいる住民の57.92%が避難した一方、命令なし区域では32.98%にとどまった。フレームワークは、移動回数や移動範囲といった個人の移動履歴を選択モデルに統合し、現実の行動パターンに基づいた避難意思決定の予測精度を著しく向上させた。

ABSTRACT

Understanding individuals' behavior during hurricane evacuation is of paramount importance for local, state, and government agencies hoping to be prepared for natural disasters. Complexities involved with human decision-making procedures and lack of data for such disasters are the main reasons that make hurricane evacuation studies challenging. In this paper, we utilized a large mobile phone Location-Based Services (LBS) data to construct the evacuation pattern during the landfall of Hurricane Irma. By employing our proposed framework on more than 11 billion mobile phone location sightings, we were able to capture the evacuation decision of 807,623 smartphone users who were living within the state of Florida. We studied users' evacuation decisions, departure and reentry date distribution, and destination choice. In addition to these decisions, we empirically examined the influence of evacuation order and low-lying residential areas on individuals' evacuation decisions. Our analysis revealed that 57.92% of people living in mandatory evacuation zones evacuated their residences while this ratio was 32.98% and 33.68% for people living in areas with no evacuation order and voluntary evacuation order, respectively. Moreover, our analysis revealed the importance of the individuals' mobility behavior in modeling the evacuation decision choice. Historical mobility behavior information such as number of trips taken by each individual and the spatial area covered by individuals' location trajectory estimated significant in our choice model and improve the overall accuracy of the model significantly.

研究の動機と目的

• 大規模なモバイルデバイスの位置データを用いて、大規模ハリケーン発生時における個人の避難行動を理解すること。
• 避難命令や地理的リスク（例：低地）が個人の意思決定に与える影響を特定すること。
• 移動回数や空間的範囲といった個人の移動行動を組み込んだ避難意思決定のモデル化。
• 現実の位置データから得られる行動的および文脈的特徴を活用して、避難意思決定の予測精度を向上させること。
• 災害発生時における避難行動の進化パターンと意思決定をリアルタイムで分析するデータ駆動型フレームワークの構築。

提案手法

• ハリケーン・アイリス期にフロリダで収集された110億件を超える匿名化されたモバイル端末位置ベースサービス（LBS）データを活用。
• スパatiotemporalクラスタリングおよび軌跡再構築手法を適用し、個人の移動パターンと避難イベントを同定。
• ロジスティック回帰を用いた選択モデルを構築し、移動回数や軌跡の空間的カバー範囲といった個人の移動特徴を組み込んで避難意思決定を予測。
• 避難区域を義務的、任意、避難命令なしの3種類に分類し、政策効果を分析。
• モデルの精度指標を用いて、歴史的移動行動が避難意思決定に与える予測力の実証的評価。
• 位置軌跡から導出された出発および再入居日に関する真実データを用いて、モデルの妥当性を検証。

実験結果

リサーチクエスチョン

• RQ1 ハリケーン・アイリスの際、義務的避難区域、任意避難区域、避難命令なし区域からそれぞれどの程度の割合の個人が避難したか？
• RQ2 移動回数や空間的範囲といった個人の歴史的移動パターンが、避難意思決定にどのように影響を与えるか？
• RQ3 低地の住宅地域において、避難命令の有無が避難の可能性にどの程度影響を与えるか？
• RQ4 出発および再入居のタイミング分布は、異なる人口統計的・地理的グループ間でどのように異なるか？
• RQ5 移動行動特徴が、避難意思決定予測モデルの精度を著しく向上させることができるか？

主な発見

• 義務的避難区域にいた住民の57.92%が避難したが、避難命令なし区域では32.98%、任意避難区域では33.68%にとどまった。
• 移動回数や軌跡の空間的カバー範囲が高かった個人は、避難する可能性が顕著に高かった。
• 移動行動特徴を組み込むことで、避難意思決定予測モデルの全体的な精度が向上した。
• 出発および再入居日時分布には明確な時間的パターンが見られ、暴風接近直前に避難のピークが観察された。
• 公式の避難命令の有無が、特に高リスクで低地の地域において、避難意思決定に顕著な影響を与えた。
• モデルは優れた予測性能を示し、モバイルデバイスからの行動データが現実の避難ダイナミクスを効果的に捉えることができることを示した。