[论文解读] Unraveling the Temporal Importance of Community-scale Human Activity Features for Rapid Assessment of Flood Impacts

Faxi Yuan, Yang Yang+2 more|arXiv (Cornell University)|Jun 15, 2021

Disaster Management and Resilience被引用 4

一句话总结

本研究利用社区尺度的大数据——如交通流量、信用卡交易和社交媒体活动——在德克萨斯州 Harris County 哈维飓风期间快速评估洪水影响。通过随机森林模型，研究发现人类活动指数的波动和道路拥堵情况是早期洪水影响评估中最关键的时间特征，其表现显著优于社交媒体数据。

ABSTRACT

The objective of this research is to explore the temporal importance of community-scale human activity features for rapid assessment of flood impacts. Ultimate flood impact data, such as flood inundation maps and insurance claims, becomes available only weeks and months after the floods have receded. Crisis response managers, however, need near-real-time data to prioritize emergency response. This time lag creates a need for rapid flood impact assessment. Some recent studies have shown promising results for using human activity fluctuations as indicators of flood impacts. Existing studies, however, used mainly a single community-scale activity feature for the estimation of flood impacts and have not investigated their temporal importance for indicating flood impacts. Hence, in this study, we examined the importance of heterogeneous human activity features in different flood event stages. Using four community-scale big data categories we derived ten features related to the variations in human activity and evaluated their temporal importance for rapid assessment of flood impacts. Using multiple random forest models, we examined the temporal importance of each feature in indicating the extent of flood impacts in the context of the 2017 Hurricane Harvey in Harris County, Texas. Our findings reveal that 1) fluctuations in human activity index and percentage of congested roads are the most important indicators for rapid flood impact assessment during response and recovery stages; 2) variations in credit card transactions assumed a middle ranking; and 3) patterns of geolocated social media posts (Twitter) were of low importance across flood stages. The results of this research could rapidly forge a multi-tool enabling crisis managers to identify hotspots with severe flood impacts at various stages then to plan and prioritize effective response strategies.

研究动机与目标

• 为解决获取权威洪水影响数据（如保险索赔、洪水淹没地图）存在的关键时间延迟问题，该延迟会阻碍及时的应急响应。
• 探究在响应与恢复阶段，多样化社区尺度人类活动特征在指示洪水影响方面的时序重要性。
• 评估来自移动性、金融交易和在线通信的特征在快速洪水影响评估中的相对预测能力。
• 为危机管理者提供基于数据的实时指标，以在灾难期间优先分配资源。

提出的方法

• 使用四类社区尺度的大数据：移动性（交通拥堵）、金融活动（信用卡交易）、在线通信（地理位置标记的推文）以及从聚合信号中派生的人类活动指数。
• 提取了反映人类活动日变化的十个时间特征，包括平均每日活动指数、拥堵道路比例、交易量和总支出。
• 应用多个随机森林模型，评估在预测洪水影响时各特征的重要性，以洪水保险索赔和洪水淹没地图作为真实标签。
• 对响应与恢复阶段的洪水影响进行三分类（低、中、高），以评估特征重要性排序的时间稳定性。
• 在随机森林模型中使用特征重要性函数，对每个特征在洪水影响估计中的预测贡献进行排序。
• 通过两种影响指标（保险索赔和淹没情况）以及两个洪水阶段验证结果，以确保结果的稳健性和一致性。

实验结果

研究问题

• RQ1 在响应与恢复阶段，哪些社区尺度的人类活动特征在快速洪水影响评估中具有最高的时序重要性？
• RQ2 来自移动性、金融交易和在线通信的特征在不同洪水阶段的相对重要性排序如何比较？
• RQ3 与其它人类活动指标相比，地理位置标记的社交媒体帖子在早期洪水影响检测中的贡献程度如何？
• RQ4 在官方数据发布之前，人类活动指数和交通拥堵的波动能否作为洪水损失的可靠代理指标？

主要发现

• 平均每日人类活动指数的波动（FE 1）和每日最大拥堵道路比例（FE 2）在响应与恢复阶段均为指示洪水影响的前两位最重要特征。
• 每日平均拥堵道路比例（FE 3）位列第三，进一步证实了交通中断作为洪水严重程度早期指标的重要性。
• 信用卡交易的波动（以卡数量、交易次数和总支出衡量）在重要性排序中居中，表明其具有中等预测能力。
• 地理位置标记的社交媒体帖子（推文）对影响预测的贡献最小，所有四个派生特征（FE 7–10）在两个阶段中均持续排名最低。
• 特征重要性排序在两种影响指标（保险索赔与洪水淹没）之间保持稳定，表明研究结果具有稳健性。
• 在响应阶段缺乏活动指数或拥堵数据的情况下，总支出（FE 6）成为快速洪水影响评估的可靠替代指标。