[论文解读] Nowcasting Disaster Damage

Yury Kryvasheyeu, Haohui Chen+5 more|arXiv (Cornell University)|Apr 26, 2015

Public Relations and Crisis Communication参考文献 45被引用 3

一句话总结

本文提出利用实时Twitter活动来实时预测（即时预测）大规模事件（如飓风桑迪）造成的灾害损失。通过分析美国50个大都市区与飓风相关的推文在时空上的分布模式，作者发现人均Twitter活动与人均经济损失之间存在强烈相关性，从而实现在灾害发生期间快速、数据驱动的损失评估。

ABSTRACT

Could social media data aid in disaster response and damage assessment? Countries face both an increasing frequency and intensity of natural disasters due to climate change. And during such events, citizens are turning to social media platforms for disaster-related communication and information. Social media improves situational awareness, facilitates dissemination of emergency information, enables early warning systems, and helps coordinate relief efforts. Additionally, spatiotemporal distribution of disaster-related messages helps with real-time monitoring and assessment of the disaster itself. Here we present a multiscale analysis of Twitter activity before, during, and after Hurricane Sandy. We examine the online response of 50 metropolitan areas of the United States and find a strong relationship between proximity to Sandy's path and hurricane-related social media activity. We show that real and perceived threats -- together with the physical disaster effects -- are directly observable through the intensity and composition of Twitter's message stream. We demonstrate that per-capita Twitter activity strongly correlates with the per-capita economic damage inflicted by the hurricane. Our findings suggest that massive online social networks can be used for rapid assessment ("nowcasting") of damage caused by a large-scale disaster.

研究动机与目标

• 探究社交媒体活动是否可作为实时灾害损失评估的替代指标。
• 考察距离飓风路径的远近如何影响社交媒体参与度和信息内容构成。
• 评估Twitter活动在大都市层面预测经济损失的能力。
• 开发基于在线社交媒体的实时预测框架，以实现灾害影响的快速估算。

提出的方法

• 收集并分析了飓风桑迪发生前后美国50个大都市区的Twitter数据。
• 绘制了与飓风相关的推文在时空上的分布，以识别在线活动的模式。
• 计算每个大都市区的人均Twitter活动率，以控制人口规模的影响。
• 将人均社交媒体活动与国家飓风中心提供的官方人均经济损失数据进行相关性分析。
• 采用多尺度分析方法，比较不同物理影响程度区域间的在线行为差异。
• 运用统计建模方法，评估社交媒体活动与实际损失之间关系的强度与显著性。

实验结果

研究问题

• RQ1 实时社交媒体活动能否作为灾害损失的可靠指标？
• RQ2 社交媒体信息的强度与内容构成如何与实际损失及感知威胁相关联？
• RQ3 距离飓风路径的远近在多大程度上可预测社交媒体参与度？
• RQ4 人均Twitter活动与人均经济损失之间是否存在统计学上的显著相关性？
• RQ5 社交媒体数据能否以足够高的精度用于灾害影响的实时预测，以支持应急响应？

主要发现

• 人均Twitter活动与飓风桑迪造成的经济损失之间存在强烈且统计显著的相关性。
• 距离飓风路径越近的地区，Twitter活动强度越高，反映出真实与感知威胁的双重影响。
• 与灾害相关的信息内容——如撤离、停电和损失的提及——会随物理影响程度的变化而可预测地改变。
• 本研究证明，社交媒体数据可用于实时预测灾害损失，为传统评估方法提供一种可扩展的替代方案。
• 即使在控制人口规模后，Twitter活动的预测能力依然显著，表明其作为标准化、实时指标的实用价值。
• 研究结果表明，在线社交网络可增强态势感知能力，并在灾害期间支持早期预警与救援协调工作。