[论文解读] Social Media for Emergency Rescue: An Analysis of Rescue Requests on Twitter during Hurricane Harvey

Lei Zou, Danqing Liao+6 more|arXiv (Cornell University)|Nov 13, 2021

Disaster Management and Resilience参考文献 34被引用 7

一句话总结

本研究分析了2017年哈维飓风期间在Twitter上发布的824条地理编码救援请求，发现其中41%来自联邦应急管理局（FEMA）定义的最低洪水风险区域，且一半请求缺少关键救援信息。研究揭示了高请求社区中的社会环境脆弱性，并提出一个框架，通过结构化数据收集和有针对性的外展策略，提升社交媒体在应急救援行动中的应用效果。

ABSTRACT

Social media plays increasingly significant roles in disaster response, but effectively leveraging social media for rescue is challenging. This study analyzed rescue requests on Twitter during the 2017 Hurricane Harvey, in which many residents resorted to social media to call for help. The objectives include (1) understanding the characteristics of rescue-request messages; (2) revealing the spatial-temporal patterns of rescue requests; (3) determining the social-geographical conditions of communities needing rescue; and (4) identifying the challenges of using social media for rescue and propose improvement strategies. About half of rescue requests either did not provide sufficient information or neglected to include rescue-related hashtags or accounts. Of the 824 geocoded unique rescue requests, 41% were from FEMA-defined minimal flood risk zones. Communities sending more rescue requests on Twitter were environmentally and socioeconomically more vulnerable. Finally, we derived a framework summarizing the steps and strategies needed to improve social media use for rescue operations.

研究动机与目标

• 理解灾难期间社交媒体上救援请求信息的特征。
• 研究哈维飓风期间Twitter上救援请求的时空分布。
• 识别与最需要救援的社区相关的社会地理因素。
• 揭示社交媒体在应急救援中应用的挑战，并提出可操作的改进策略。

提出的方法

• 使用基于关键词的过滤和位置标记，收集并地理编码了哈维飓风期间来自Twitter的824条唯一救援请求。
• 根据内容完整性、救援话题标签的使用情况以及是否提及紧急联系人，对信息进行分类。
• 通过FEMA定义的洪水风险区域绘制救援请求密度图，以分析空间模式。
• 利用社区层面的数据进行社会地理分析，将救援请求量与环境及社会经济脆弱性相关联。
• 开发了一个多步骤框架，指导应急响应人员系统性地利用社交媒体开展救援行动。

实验结果

研究问题

• RQ1 在哈维飓风期间，Twitter上发布的救援请求在语言和信息特征上有哪些特点？
• RQ2 救援请求最常在何时何地发布？这些模式与洪水风险区域有何关联？
• RQ3 哪些社区在救援请求中被过度代表？哪些社会地理因素与更高的请求量相关？
• RQ4 哪些系统性挑战阻碍了社交媒体在应急救援中的有效应用？如何解决这些问题？

主要发现

• 在824条地理编码的救援请求中，41%来自FEMA定义的最低洪水风险区域，表明高需求区域并不总与官方洪水风险分类一致。
• 约一半的救援请求缺乏充分信息，如具体位置或联系方式，且未使用救援相关话题标签或提及相关账号。
• 救援请求量较高的社区表现出更高的环境与社会经济脆弱性，包括更低的收入水平和更高的环境危害暴露程度。
• 大量请求来自未被归类为高风险的区域，表明官方风险地图可能无法完全反映实时的紧急需求。
• 研究发现信息质量和传播范围存在显著缺口，凸显了制定结构化协议以提升社交媒体在应急响应中可靠性的必要性。
• 提出一个全面框架，以系统化社交媒体在救援行动中的应用，整合数据收集、社区参与和响应协调。