本报综合外媒报道 美国得克萨斯农工大学官网近日发文介绍了该校研究人员在英国皇家学会期刊《界面》上发表的新成果。通过分析2017年飓风哈维肆虐期间人们对药店、杂货店等场所的访问模式，研究人员开发了一个框架，以近乎实时的方式评估自然灾害后社区的恢复情况。

　　研究称，在自然灾害发生之后，即便是受灾地区中的临近社区，受到的影响也可能会存在差异。因此，需要识别哪些区域受到的影响更大，以便更合理地分配资源。传统上，人们用“弹性”作为评估社区从自然灾害中恢复情况的指标，即社区恢复到灾前状态的能力。要评估弹性，资源分配、社区内居民之间的联系以及社区对未知灾害的准备程度等因素都至关重要，获取弹性评估所需数据的标准方法则是实施调查，涉及的问题包括企业或家庭受自然灾害影响的程度以及恢复情况等。然而，研究者表示，这些基于调查的方法虽然有用，但实施起来需要较长时间，因为调查结果可能要在灾后数月才能获得。政府机构分配物资则需要快速、及时地得到信息。对此，研究人员的解决方案是寻找新的数据来源，从新的视角分析社区恢复情况。

　　研究人员从社区级大数据入手，通过与通信公司合作获取了飓风哈维肆虐期间得克萨斯州哈里斯县居民的位置数据。研究人员首先确定医院、加油站、商店等可能因飓风导致访客流量变化的机构作为“兴趣点”，接着挖掘大数据获取飓风前及飓风期间每个兴趣点的人流访问次数，之后计算了各兴趣点访问情况恢复到灾前水平所需的时间并得出了总体弹性。结果显示，受影响水平不一定与弹性相关。例如，此前以为受影响较大的企业复苏速度会较慢，但实际上并非如此。有些地方访问量显著下降，但很快恢复。

　　尽管该研究聚焦的是飓风，但其框架也适用于其他自然灾害研究。研究者表示，下一步希望创建一个智能仪表板，能够近乎实时地展示不同地区的受影响和恢复情况，并预测未来灾害影响和恢复模式。

　　（王晓真/编译）