Qi "Ryan" Wang, biträdande professor i civil- och miljöteknik. Kredit:Matthew Modoono/Northeastern University
Ny forskning av en nordöstlig ingenjörsprofessor använde de senaste stormarna och covid-19-pandemin för att förutsäga mänsklig rörelse under katastrofer i väntan på effektivare nödåtgärder.
Forskargruppen, ledd av Qi Ryan Wang, docent i civil- och miljöteknik vid Northeastern, och Jianxi Gao, biträdande professor i datavetenskap vid Rensselaer Polytechnic Institute, fann också en skillnad i rörelse mellan olika ekonomiska grupper som avslöjade de med små medel till större risk.
Wang och hans team använde anonyma data från 90 miljoner amerikaner under sex stora evenemang för att skapa en matematisk modell för att förutsäga mänsklig rörlighet under katastrofer. Resultaten publicerades tidigare i augusti i Proceedings of the National Academy of Sciences (PNAS ) journal.
Förutsägbara rörelsemönster uppstod från orkanen Dorian, tropiska stormen Imelda, Saddleridge Wildfire, Kincade Wildfire – allt 2019 – Texas vinterfrysning 2021 och covid-19-pandemin, säger Wang.
"Idén började med pandemin," säger Wang.
"Vi började titta på människors beteende, men särskilt deras rörlighetsbeteende", säger han. "Hur länge de tillbringar tid utanför sitt hem, särskilt när social distansering var så viktigt."
Wang och andra teammedlemmar använde anonym information från ett externt företag för att analysera ping från elektroniska enheter från 90 miljoner människor över hela USA.
Det fanns några universella beteenden – som människors tendens att lämna sina hem oftare med tiden, ett fenomen som i vetenskapliga termer kallas tidsmässigt förfall.
När forskarna lade till variabler som information från folkräkningar om inkomst och etnisk mångfald, fann de stora skillnader mellan mänsklig rörlighet i mindre och mer rika stadsdelar.
De fann att människor i fattigare stadsdelar lämnade hemmet snabbare och oftare än människor som bor i rikare områden.
Beteendet är inte baserat på bristande engagemang för säkra metoder, säger Wang.
"Människor från fattiga stadsdelar tog mycket längre tid att öva social distansering" under covid-19-pandemin, säger Wang. "De är viktiga arbetare. De behöver fortfarande gå till jobbet för att försörja sina familjer."
Forskargruppen observerade liknande mönster under väderrelaterade katastrofer, säger Wang.
"Modellen kan beskriva dem alla", säger han.
Wang säger att forskningen kan hjälpa räddningstjänsten och andra myndigheter att rikta insatser under katastrofer och även identifiera de som löper störst risk att utsättas för fara från storskaliga händelser.
"En del vill nog ta mer social distans, men de kan bara inte", säger han.
"Baserat på resultaten kan vi spekulera om orsaken", säger Wang.
Personer med lägre inkomster behöver inte bara vara fysiskt närvarande på sitt jobb; de är också mindre benägna att kunna fylla på mat, vatten och is och har nödgeneratorer till sitt förfogande.
Wang säger att rörlighetsmönstren också kan hjälpa till att förklara olika covid-19-frekvenser i olika samhällen.
"Vi hyllade dessa viktiga arbetare som hjältar, men vi offrar verkligen deras hälsa så att de kan tillhandahålla dessa tjänster", säger Wang.
Regeringar och räddningspersonal kan använda informationen från den mänskliga mobilitetsmodellen för att bättre förstå hur man fördelar sina resurser under en offentlig kris, säger Wang och de andra författarna i PNAS artikel.
"Vår modell representerar ett kraftfullt verktyg för att förstå och förutsäga mobilitetsmönster efter nödsituationer, och därmed hjälpa till att producera mer effektiva svar." + Utforska vidare
