Un outil dérivé du Big Data facilite le suivi de plus près de la récupération après des catastrophes naturelles


Big Data

Crédit : CC0 Domaine public

En analysant les habitudes de visite personnes dans des installations clés telles que les pharmacies, les centres religieux et les épiceries pendant l’ouragan Harvey, des chercheurs de la Texas A&M University ont développé un cadre pour évaluer le rétablissement de la communauté après des catastrophes naturelles en temps quasi réel. Ils ont déclaré que les informations glanées à partir de leur analyse aideraient les agences fédérales à répartir équitablement les ressources entre les communautés touchées par une catastrophe.

« Les communautés voisines peuvent être affectées très différemment après une catastrophe naturelle », a déclaré le Dr. Ali Mostafavi, professeur agrégé au département de génie civil et environnemental de Zachry et directeur du laboratoire Urban Resilience.AI. « Nous devons donc découvrir quelles zones peuvent récupérer plus rapidement que d’autres et lesquelles sont plus touchées que d’autres afin que nous puissions allouer plus de ressources aux zones qui en ont le plus besoin. »

Les chercheurs ont obtenu leurs résultats dans le Journal de la Royal Society Interface.

La métrique traditionnellement utilisée pour quantifier la façon dont les communautés se remettent des revers naturels est connue sous le nom de résilience et est définie comme la capacité d’une communauté à revenir à son état d’avant la catastrophe. Ainsi, afin de mesurer la résilience, des facteurs tels que l’accessibilité et la répartition des ressources, le lien entre les résidents d’une communauté et le degré de préparation de la communauté à une catastrophe imprévue sont cruciaux.

Le moyen courant d’obtenir les nécessaires pour évaluer la résilience est de recourir à des enquêtes. Entre autres, les questions de comment et dans quelle mesure les entreprises ou les ménages ont été touchés par la catastrophe naturelle et le stade de récupération sont pris en compte. Cependant, Mostafavi a déclaré que bien que ces méthodes basées sur des enquêtes soient extrêmement utiles, elles prennent beaucoup de temps car les résultats de l’enquête sont disponibles plusieurs mois après la catastrophe.

« Pour les agences fédérales allouant des fonds, les informations de récupération sont en fait nécessaires plus rapidement et en temps quasi réel pour les communautés en retard dans le processus de récupération », a déclaré Mostafavi. « La solution, avons-nous pensé, était de rechercher des sources de données autres que des enquêtes qui pourraient fournir des informations plus détaillées sur le rétablissement de la communauté à un niveau inexploré auparavant. »

Mostafavi et son équipe se sont tournés vers les mégadonnées au niveau communautaire, en particulier les informations recueillies par les entreprises qui suivent les visites dans des lieux situés dans un périmètre à l’aide de données de téléphone portable anonymisées. En particulier, les chercheurs ont travaillé avec une société appelée SafeGraph pour obtenir des données de localisation pour les habitants du comté de Harris, au Texas, au moment de l’ouragan Harvey. Dans un premier temps, des « points d’intérêt » ont été identifiés qui correspondent aux emplacements d’installations telles que les hôpitaux, les stations-service et les magasins qui pourraient connaître un changement de trafic de visiteurs en raison de l’ouragan.

Ensuite, les chercheurs ont analysé les mégadonnées et déterminé le nombre de visites à chaque point d’intérêt avant et pendant l’ouragan. Pour diverses communautés du comté de Harris, ils ont calculé le temps nécessaire aux visites pour revenir aux niveaux d’avant la catastrophe et à la résilience globale, c’est-à-dire la résilience combinée de chaque point d’intérêt en fonction de la variation en pourcentage du nombre de visites dues à l’ouragan.

Leur analyse a révélé que les communautés à faible résilience étaient également plus susceptibles d’être touchées par les inondations. Cependant, leurs résultats ont également indiqué que l’ampleur de l’impact n’était pas nécessairement corrélée avec la récupération.

« Il est intuitif de supposer que, par exemple, les entreprises les plus gravement touchées se remettront plus lentement, ce qui n’était en fait pas le cas », a déclaré Mostafavi. « Il y a eu des endroits où les visites ont considérablement diminué mais se sont rétablies rapidement. Mais ensuite, d’autres ont été moins touchés, mais ils ont mis plus de temps à se remettre.

Les chercheurs ont également noté qu’une autre conclusion importante est que les zones à proximité des zones inondées sont également affectées, ce qui suggère que la portée spatiale de l’inondation s’étend au-delà des zones inondées.

« Alors que nous nous sommes concentrés sur l’ouragan Harvey pour cette étude, notre cadre est applicable à toute autre catastrophe naturelle », a déclaré Mostafavi. « Mais comme prochaine étape, nous voulons créer un tableau de bord intelligent qui montre le taux de récupération et l’impact dans divers domaines en temps quasi réel et prédit également la probabilité d’interruptions d’accès futures et les modèles de récupération après une forte averse. »


Les ingénieurs civils considèrent le lien entre les hôpitaux et les écoles comme la clé de la résilience de la communauté communautaire


Plus d’information:
Cristian Podesta et al., Quantifying Community Resilience basée sur les fluctuations des visites aux points d’intérêt, dérivées des données de trace numériques, Journal de la Royal Society Interface (2021). DOI : 10.1098 / rsif.2021.0158

Fourni par l’Université A&M du Texas

Citation: Un outil des mégadonnées un suivi plus étroit de la reprise après sinistre (2021, 22 juillet), consulté le 22 juillet 2021 à partir de https://phys.org/news/2021-07--data-derived-tool -closer -récupération .html

Ce document est soumis au droit d’auteur. Sauf pour le commerce équitable à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans autorisation écrite. Le contenu est fourni à titre informatif seulement.

Laisser un commentaire