Genom att analysera människors besöksmönster till viktiga anläggningar som apotek, religiösa centra och livsmedelsbutiker under orkanen Harvey, forskare vid Texas A&M University har utvecklat en ram för att bedöma återhämtningen av samhällen efter naturkatastrofer i nära realtid. De sa att informationen från deras analys skulle hjälpa federala myndigheter att fördela resurser rättvist mellan samhällen som lider av en katastrof.

"Angränsande samhällen kan påverkas väldigt olika efter en naturkatastrofhändelse, "sade Dr. Ali Mostafavi, docent vid Zachry-avdelningen för bygg- och miljöteknik och chef för Urban Resilience.AI Lab. "Och så, vi måste identifiera vilka områden som kan återhämta sig snabbare än andra och vilka områden som påverkas mer än andra så att vi kan allokera mer resurser till områden som behöver dem mer."

Forskarna har rapporterat sina fynd i Journal of The Royal Society Interface .

Det mått som konventionellt används för att kvantifiera hur samhällen studsar tillbaka från bakslag orsakade av naturen kallas motståndskraft och definieras som förmågan hos ett samhälle att återgå till sitt tillstånd före katastrofen. Och så, för att mäta motståndskraft, faktorer som tillgänglighet och fördelning av resurser, kopplingen mellan invånare inom ett samhälle och nivån på samhällets beredskap för en oförutsedd katastrof är avgörande.

Standardmetoden för att erhålla data som behövs för att uppskatta motståndskraft är genom undersökningar. Frågorna som övervägdes, bland många andra, är hur och i vilken utsträckning företag eller hushåll påverkades av naturkatastrofen och stadiet av återhämtning. Dock, Mostafavi sa att dessa undersökningsbaserade metoder, även om det är mycket användbart, tar lång tid att genomföra, med resultaten av undersökningen som blev tillgängliga många månader efter katastrofen.

"För federala myndigheter som fördelar medel, återhämtningsinformation behövs faktiskt på ett snabbare och mer nära realtidssätt för samhällen som följer i återhämtningsprocessen, " sa Mostafavi. "Lösningen, vi trodde, var att leta efter nya datakällor än undersökningar som skulle kunna ge mer detaljerade insikter om gemenskapsåterställning i en skala som inte tidigare undersökts."

Mostafavi och hans medarbetare vände sig till stora data på gemenskapsnivå, särskilt informationen som samlas in av företag som håller reda på besök på platser inom en omkrets från anonymiserade mobiltelefondata. Särskilt, forskarna samarbetade med ett företag som heter SafeGraph för att få platsdata för människorna i Harris County, Texas, runt tiden för orkanen Harvey. Som ett första steg, de bestämde "intressanta platser" som motsvarar anläggningarnas placering, som sjukhus, bensinstationer och butiker, som kan uppleva en förändring av besökartrafiken på grund av orkanen.

Nästa, forskarna bröt stordata och fick antalet besök på varje intressant plats före och under orkanen. För olika samhällen i Harris County, de beräknade den tid det tog för besöken att återgå till nivån före katastrofen och den allmänna motståndskraften, det är, den kombinerade motståndskraften för varje intressepunkt baserat på den procentuella förändringen i antalet besök på grund av orkanen.

Deras analys visade att samhällen som hade låg motståndskraft också upplevde fler översvämningar. Dock, deras resultat visade också att påverkan inte nödvändigtvis korrelerade med återhämtning.

"Det är intuitivt att anta, till exempel, att företag som påverkas mer kommer att få långsammare återhämtning, vilket faktiskt inte var fallet, ", sa Mostafavi. "Det fanns platser där besöken minskade avsevärt, men de återhämtade sig snabbt. Men sedan andra som påverkades mindre men tog längre tid att återhämta sig, som indikerade vikten av både tid och allmän motståndskraft för att utvärdera en gemenskaps återhämtning."

Forskarna noterade också att ett annat viktigt fynd var att de områden som ligger i närheten av de som hade översvämningar också påverkas, tyder på att den rumsliga räckvidden för översvämningar går utöver översvämmade områden.

"Även om vi fokuserade på orkanen Harvey för denna studie, vårt ramverk är tillämpligt för alla andra naturkatastrofer också, "sa Mostafavi." Men som ett nästa steg, vi skulle vilja skapa en intelligent instrumentpanel som skulle visa återhämtningshastigheten och effekterna i olika områden i nästan realtid och även förutsäga sannolikheten för framtida åtkomststörningar och återhämtningsmönster efter ett kraftigt skyfall."