[论文解读] Characterizing Community Formation in Response to Extreme Weather Events through Human Mobility Networks

Cheng-Chun Lee, Ma, Junwei+4 more|arXiv (Cornell University)|May 10, 2022

Disaster Management and Resilience被引用 7

一句话总结

本研究利用基于动态链接流的社区检测方法，调查了德克萨斯州哈里斯县在冬季风暴“乌里”期间实施的有序停电期间人类移动网络中的社区形成机制。研究发现，社会人口同质性、灾害暴露异质性以及社会连通性强度共同塑造了社区结构，其中高影响区域的社区驱动了向连通性较弱区域的移动，凸显了韧性停电管理的关键设计原则。

ABSTRACT

Community formation in socio-spatial human networks is one of the important mechanisms for mitigating hazard impacts of extreme weather events. Research is scarce regarding latent network characteristics shaping community formation in human mobility networks during natural disasters. Here, we examined human mobility networks in Harris County, Texas, in the context of the managed power outage forced by 2021 Winter Storm Uri to detect communities and to evaluate latent characteristics in those communities. We examined three characteristics in the communities formed within human mobility networks: hazard-exposure heterophily, socio-demographic homophily, and social-connectedness strength. The results show that population movements were shaped by socio-demographic homophily, heterophilic hazard exposure, and social connectedness strength. Our results also indicate that a community encompassing more high-impact areas would motivate population movements to areas with weaker social connectedness. Our findings reveal important characteristics shaping community formation in human mobility networks in hazard response. Specific to managed power outages, formed communities are spatially co-located, underscoring a best management practice to avoid prolonged power outages among areas within communities, thus improving hazard exposure heterophily. The findings have implications for power utility operators to account for the characteristics of socio-spatial human networks when determining the patterns of managed power outages.

研究动机与目标

• 理解极端天气事件期间影响人类移动网络社区形成的潜在结构特征。
• 考察灾害暴露异质性、社会人口同质性以及社会连通性强度如何影响有序停电期间的社区动态。
• 评估社区在极端天气导致基础设施承压下的时空演化过程。
• 通过识别可提升大规模停电期间韧性的网络级模式，为应急管理和电力规划提供支持。
• 开发一种保留时间信息的动态社区检测框架，能够在多个时间尺度上识别稳定且非冗余的社区。

提出的方法

• 采用基于链接流的动态社区检测算法（Boudebza 等，2020），分析多个时间窗口内的人类移动网络。
• 在每个时间窗口内应用Louvain算法进行社区检测，以识别移动网络中高度连接的子群。
• 使用倒数电导阈值（0.8）筛选内部连接度高且外部连接比例低的社区。
• 应用Jaccard相似性阈值（0.2）以确保时间步之间的结构稳定性，仅保留节点集合变化较小的社区。
• 要求社区在连续三个时间步中持续存在，以识别动态网络中稳定且长期存在的社区。
• 整合移动数据、社会连通性数据与灾害暴露数据，分析社区层面的特征。

实验结果

研究问题

• RQ1 在有序停电期间，社会人口同质性与灾害暴露异质性如何影响人类移动网络中的社区形成？
• RQ2 社会连通性强度在极端天气事件期间对社区结构及人口流动的形成起何作用？
• RQ3 对高影响灾害区域作出响应而形成的社区，其移动模式与低影响区域的社区有何不同？
• RQ4 社区在多大程度上表现出时间稳定性？这种稳定性如何影响基础设施失效期间的人口韧性？
• RQ5 哪些网络级特征可为设计更优的有序停电策略提供依据，以最小化干扰并提升公平性？

主要发现

• 社会人口同质性显著影响社区形成，个体倾向于与具有相似人口统计特征的他人聚集。
• 灾害暴露异质性是关键驱动因素，包含更多高影响区域的社区表现出更强的人口向社会连通性较弱区域的流动趋势。
• 停电期间形成的社区在空间上具有共位性，表明有序停电应避免将子群体孤立，以防止长期中断。
• 社区内部社会连通性强度是支持防护行为和集体韧性的关键因素，尤其在基础设施承压期间。
• 采用多尺度时间窗口的动态社区检测方法，成功识别出稳定且非冗余的社区，同时最小化了静态快照方法的信息损失。
• 在时间步之间表现出较高倒数电导（≥0.8）且Jaccard相似性较低（≤0.2）的社区具有更高的结构稳定性，更可能代表有意义的响应单元。