ACM通信
欧洲区域专区:热点话题
用于灾难响应的移动电话使用数据
来源:盖蒂图片社
严重的灾害会造成大规模的人口流动，因为受影响的人会离开他们的住所。对这类事件的人道主义反应取决于了解受影响人民的所在地。流动性数据可以在危机的各个阶段提供重要的洞见，从准备到长期恢复。
Flowminder是一家总部位于瑞典、英国和瑞士的非营利基金会，我们正致力于支持决策者通过便利访问包括呼叫详细记录(cdr)在内的新型移动数据来源，来改变弱势群体的生活。在整个欧洲，非营利组织、国家统计服务机构、学术机构和移动网络运营商(MNOs)，包括Orange、Telefonica、Telenor和沃达丰，正在合作使用CDR支持公共政策。此外，欧盟委员会成立了企业对政府数据共享高级别专家组，以支持此类合作，包括应对COVID-19大流行。9
移动设备的全球普及为更好地理解移动和解决移动数据差距提供了新的机会。国际电信联盟估计，全球92%的人口(包括最不发达国家89%的人口)拥有移动网络覆盖，全球每100人有105个移动-蜂窝电话用户，最不发达国家每100人有74个用户。5然而，在许多弱势群体中，移动设备的普及率仍然相当低。
每当用户拨打或接听电话、发送或接收短信或使用移动数据(“网络事件”)时，MNOs通常会出于计费目的生成cdr。每条记录都包含事件发生的时间和它所经过的基站，从而描述了订阅者的移动。通过对大量用户的CDR数据进行匿名和聚合，从业人员产生了流动指标，在保护个人隐私的同时，提供了对人口总体流动的洞察。此外，由于这些数据是近实时收集的，可以在几天内计算出指标，以帮助应对正在发生的危机。
话单已被用于支持中低收入国家(包括孟加拉国)应对自然灾害，8海地1，7(见图1),尼泊尔12和瓦努阿图。6它在灾害管理中有广泛的应用，包括动态人口绘图和计算位置之间的流量。这些指标揭示了整个灾害过程中的重要信息，例如可能受灾害影响的人数、遵守疏散命令的人数、国内流离失所者的来源和目的地，以及国内流离失所者返回灾前住所的情况(见图2）.
图1。2010年海地地震后，太子港的人们流离失所(cdr来自Digicel Haiti)。
图2。在人道主义危机的过程中应用基于《人道主义危机》的流动性指标。
Flowminder对海地和尼泊尔三场灾难的分析，2在其他灾难中，13在灾后仍处于流离失所状态的国内流离失所者人数中显示出持续的衰减率。这使得Flowminder能够预测2021年海地地震后国内流离失所者的剩余人数，以帮助制定长期规划。
cdr还可以改善位移位置的预测。Flow-minder的建模表明，更多的本地化旅行和社会接触与在灾前住所附近流离失所的个人有关，而不管灾害强度和当地财产损失如何。2这种模型可以支持防灾准备，包括模拟和演习以及影响预测。
然而，移动电话用户不能代表人口，特别是在低收入和中等收入国家。订阅和使用情况因性别、年龄、教育和社会经济地位等因素而异。11与商业应用相比，人道主义使用情况尤其值得关注，因为这可能导致灾害对数据中代表性不足的潜在弱势群体的影响被低估。Flowminder正在研究解决这些限制的方法，包括在尼泊尔采用按性别分列的指标3.以及在刚果民主共和国和加纳收集调查数据。
保护个人隐私是另一个挑战。cdr包含单个订阅者的移动模式，尽管这些模式从不被共享。为了确保匿名性，Flow-minder和其他从业者提供了描述大量订阅者流动性的聚合。虽然可以从高分辨率聚合推断出轨迹，但真实世界的数据集，特别是来自中低收入国家的数据集，对重新识别攻击具有抵抗能力。10
加快编制指标，向决策者提供迅速、最新的信息也是一项关键挑战。在经常受自然灾害影响的国家，例如GSMA和土耳其的TuckCell之间的伙伴关系，4可以促进这一点，因为对数据的访问已经商定并实施了。2021年地震后，Flowminder与Digicel Haiti现有的合作伙伴关系使其在地震发生后仅6天就发布了一份报告。Flowminder还支持MNOs通过FlowKit和OPAL等项目建立简化的技术和行政流程，以促进流动性指标的及时生成。
cdr衍生的流动性指标可以在灾难发生之前、期间和之后提供快速、近乎实时的洞察。
在了解人口流动和流动对有效提供援助非常重要的情况下，基于cdr的流动指标可以在灾前、灾中和灾后提供快速、近乎实时的洞察。这些工具仍有一些重要的方面需要进一步改进，以加快指标的传播和解决话单数据中的偏差。无论如何，这些指标对决策非常有价值，特别是在高质量数据有限的灾难期间。
参考文献
1.Flowminder。飓风马修海地估计2016年11月22日的人口流动;https://bit.ly/3Kua7sd．
2.Flowminder。有助于更好地理解危机中的人口流动:技术报告，2019年。可以在请求。
3.Flowminder。面向高分辨率的性别分类动态映射，2019;https://bit.ly/3KqljWW
4.GSMA。大数据促进社会公益:利用实时移动分析为土耳其的紧急灾害响应提供信息，2019年;https://bit.ly/3Ag04CF
5.国际电信联盟。衡量数字发展:2020年的事实和数字。电联,瑞士日内瓦。
6.Khaefi, m.r.， Prahara, p.j.， Rheza, M, Alkarisya D.和Hodge G.利用移动网络数据预测自然灾害造成的疏散目的地。在2号会议记录nd信息学与计算科学专业实习生, 2018年1 - 6。
7.陆X，本特森，L.和Holme, P. 2010年海地地震后人口迁移的可预测性。在美国国家科学院院刊， 29(2012)， 11576-11581。
8.Lu, X.等。利用孟加拉国的移动网络数据检测气候适应:在飓风Mahasen期间通信、移动和消费模式的异常。气候变化138(2016), 505 - 519。
9.Vespe, M.， Iacus, S.， Santamaria, C.， Sermi, F.和Spyratos, S.关于使用来自欧洲多个移动网络运营商的数据抗击COVID-19。数据与政策3(2021)。
10.王洪华，高春春，李玉云，王国光，金东，孙杰。流动轨迹的去匿名化:理论与实践的差距剖析。在2018年网络和分布式系统安全研讨会论文集。
11.Wesolowski, A.， Eagle, N.， Noor, a.m.， Snow, R.W.和Buckee, co .手机拥有量的偏差对人类流动性估计的影响。英国皇家学会界面81(2013)。
12.威尔逊，R.等。灾害发生后，利用手机数据对人口迁移进行快速和近乎实时的评估:2015年尼泊尔地震。PLoS Currents 8(2016)。
13.Yabe, T, Tsubouchi, K, Fujiwara, N, Sekimoto, y，和Ukkusuri S.V.了解灾后人口恢复模式。英国皇家学会界面163(2020)。
本作品遵循创作共用署名-非商业性共享4.0国际许可协议。数字图书馆是由计算机协会出版的。版权所有©2022 ACM, Inc.
没有发现记录