Population Displacement Estimation During Disasters Using Mobile Phone Data

QC220525

Abstract

Naturkatastrofer leder till förödande förluster i människoliv, miljötillgångaroch personliga, regionala och nationella ekonomier. Tillgången till olika stordatasåsom satellitbilder, GPS-spår (Global Positioning System), mobila Call DetailRecords (CDR), inlägg på sociala medier, etc., i samband med framsteg inom data-analysteknik (t.ex. datautvinning och big data bearbetning, maskininlärningoch djupinlärning) kan underlätta utvinningen av geospatial information somär avgörande för snabba och effektiva katastrofhantering. Utveckling av katas-trofberedskapssystem kräver dock vanligtvis integrering av data från olika källor(strömmande datakällor och datakällor i vila) med olika egenskaper och typer, somföljaktligen har olika behandlingsbehov. Att bestämma vilket ramverk för bearbet-ning som ska användas för en specifik big data för att utföra en given uppgift är van-ligtvis en utmaning för forskare från katastrofhanteringsområdet. Även om mångasaker kan åstadkommas med befolknings- och rörelsedata, för katastrofhantering ären nyckel- och utan tvekan viktigaste uppgift att analysera befolkningens förflyt-tning under och efter en katastrof. Därför, i denna licentiatuppsats, användes kun-skapen och ramverket från en litteraturgenomgång för att välja verktyg och bear-betningsstrategier för att utföra analys av befolkningsförflyttning efter en katastrof.Detta är ett användningsfall av ramverket samt en illustration av värdet och ut-maningarna (t.ex. luckor i data på grund av strömavbrott) med att användaCDR-dataanalys för att stödja katastrofhantering.Med hjälp av CDR-data kunde man sluta sig till den förflyttna befolkningengenom att analysera variationen av hemcellstorn för varje anonymiserad mobiltele-fonabonnent före och efter en katastrof. Effektiviteten av den föreslagna metodenutvärderas med hjälp av fjärranalysbaserade byggnadsskadebedömningsdata ochDisplacement Tracking Matrix (DTM) från individers enkätsvar vid skyddslokalerefter en svår cyklon i staden Beira, centrala Mozambique, i mars 2019.Resultaten visar en uppmuntrande korrelationskoefficient (över 70 %) mellanantalet ankomster i varje område uppskattat med hjälp av CDR-data och frånDTM. Utöver detta härleder CDR-baserad analys den rumsliga fördelningen avförflyttna befolkningen med hög täckning av människor, det vill säga inklusiveinte bara människor i skyddslokaler utan alla som använde mobiltelefon före ochefter katastrof. Dessutom tyder resultaten på att om CDR-data finns tillgängligaefter en katastrof kan befolkningsförflyttning uppskattas och denna informationkan användas för responsaktiviteter och till exempel för att bidra till att minskavattenburna sjukdomar (t.ex. diarrésjukdomar) och sjukdomar associerade medträngsel (t.ex. akuta luftvägsinfektioner) i skyddslokaler och värdsamhällen

urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-312254