基于手机定位数据的灾后商业客流恢复快速评估及其驱动因素演化研究

《Annals of GIS》:Rapid assessment of post-disaster business visitation recovery and its evolving drivers using mobile phone location data

【字体: 大 中 小 】 时间:2026年10月24日 来源:Annals of GIS 4.8

编辑推荐:

  揭示极端天气事件后基于客流量(foot-traffic)的商业恢复的时空动态,是灾后韧性研究中一个关键但研究不足的方面。本研究考察了2021年2月冬季风暴Uri(Winter Storm Uri)之后,休斯顿大都市统计区(Houston Metropolita

  
揭示极端天气事件后基于客流量(foot-traffic)的商业恢复的时空动态,是灾后韧性研究中一个关键但研究不足的方面。本研究考察了2021年2月冬季风暴Uri(Winter Storm Uri)之后,休斯顿大都市统计区(Houston Metropolitan Statistical Area, HMSA)的灾后客流量恢复模式及其相关驱动因素。研究人员利用基于手机定位的客流量数据,追踪了跨多个行业的10,971家面向消费者的零售和服务企业的每日到访量。研究人员开发了一个恢复指数(recovery index),用于量化企业客流量恢复到灾前水平至少80%所需的天数。研究在四个灾后时段(2天、5天、7天和10天)评估恢复情况,以捕捉恢复行为的时序变化。研究人员应用累积(cumulative)和非累积(non-cumulative)probit回归模型,识别影响早期和延迟恢复的因素。解释变量包括企业特征、邻里社会人口与住房条件、灾害相关压力源(disaster-related stressors),以及一个捕捉邻近企业恢复状态的滞后空间关联指标(lagged spatial association indicator)。结果表明,早期恢复(2–5天)主要受灾害相关压力源和社会人口脆弱性的制约。中小型企业和关键部门(尤其是杂货店和健康服务)恢复较快,而滞后空间关联显著提高了恢复可能性。相比之下,后期恢复(7–10天)与制度性和企业内部因素的关联更强,而灾害压力源和滞后空间关联的影响则有所下降。总体而言,研究结果突显了灾后客流量恢复的时间依赖性和空间异质性特征,并证明了采取对时间敏感、空间精准的政策对于在极端天气事件后支持公平高效的恢复至关重要。

论文解读

一、研究背景与问题

近年来,极端灾害事件频发,全球经济损失持续攀升。自2000年以来,严重灾害事件造成的全球经济损失已超过2.5万亿美元。地方商业作为社区社会经济运转的核心载体,通过收入创造、就业提供和商品服务供给发挥着关键作用,其灾后恢复能力是社区韧性的重要组成部分。然而,以往关于灾害与商业恢复的研究多基于案例研究、问卷调查和访谈等方法,存在缺乏连续纵向数据、难以识别变量间因果关系的缺陷。随着社会感知和大规模人类移动数据的兴起,研究人员得以借助手机定位数据等移动传感器提供的空前时空粒度,追踪灾害影响和恢复进程的时序变化。尽管如此,如何将这些高分辨率移动数据置于更广泛的社会经济和环境框架中进行情境化解读,仍是当前研究的挑战。2021年2月发生的冬季风暴Uri为开展自然实验提供了契机——该事件导致超过1300万德州居民断电、重大生命损失、数百万人面临水资源短缺、超过100亿美元的财产保险索赔以及数十亿美元的能源账单。尽管已有研究探讨了基础设施韧性和社区响应,但对密集城市环境中商业连续性和恢复的关注仍显不足。

二、研究目的与意义

本研究旨在利用高频POI级移动观测数据,建立短期灾后客流量恢复的实证与分析框架。研究以休斯顿大都市统计区(HMSA)为对象,考察冬季风暴Uri后客流量恢复的时空格局,识别早期与延迟恢复的关键关联因素。研究将恢复操作化为基于到访量的恢复(visitation-based recovery),通过匿名移动设备数据衍生的POI级客流量变化来衡量。这一指标捕捉的是面向消费者的零售和服务企业的短期到访恢复和需求侧活动,不应被解读为完整的商业恢复。研究结果可为地方政府和经济发展机构识别最脆弱部门、优化基础设施支持和资源配置提供循证依据,有助于在未来极端气候事件中加强关键服务的韧性并缩短恢复时间。

三、关键研究方法

研究人员使用Dewey Data提供的Advan Weekly Patterns数据集,该数据集聚合了约10%美国智能手机的匿名定位信息。研究收集了2021年研究区域内39,344个POI的每日到访数据,经筛选后最终分析样本为10,971个POI,涵盖九大功能性商业类别。灾害压力源数据包括来自gridMET的约4公里分辨率温度数据、来自SNODAS的1公里分辨率降雪数据,以及基于夜间灯光影像估算的普查区(CBG)级停电人口百分比。社会人口与住房特征数据来自2020年美国社区调查(ACS)。研究开发了基于灾前五周基线的恢复指数(recovery index),以相对到访量恢复到基线80%以上所需天数衡量恢复时长,并进行了70%和90%阈值的敏感性检验。研究构建了1公里邻域内基于反距离加权的滞后空间关联指标(lagged spatial association measure),并采用累积和非累积probit回归模型,在2天、5天、7天和10天四个时段分析恢复概率的关联因素。

四、研究结果

4.1 商业POI概况:研究分析了HMSA内10,971个POI。大多数企业为小型(79.66%),其次为中型(13.27%)和大型(7.07%)。食品饮料服务(43.54%)、健康与个人护理(18.78%)和零售店(12.35%)占比较大。Harris县占区域商业POI的67.72%,反映其作为经济中心的地位。
4.2 灾前、灾中与灾后的到访量时序变化:通过比较灾前、灾中和灾后三个时期的平均到访量,研究发现所有商业类型和规模在风暴期间均出现到访量下降。Wilcoxon符号秩检验确认这些差异在统计上显著(p<0.05),证实冬季风暴Uri对商业活动产生了广泛影响。
4.3 恢复时长分布与影响幅度:恢复时长直方图显示恢复集中在第3至5天和第7至10天。累计恢复比例在第2天达10%,第5天达43%,第7天达60%,第10天达96%。最大降幅分布显示大量企业经历了90%至100%的到访量下降,表明风暴高峰期企业遭受了严重破坏。
4.4 不同商业属性的恢复时长差异:小提琴图显示,超市与杂货店、特色食品饮料零售、健康与个人护理等关键服务恢复较快,而花店礼品、休闲娱乐和零售店等非必要服务恢复较慢。地理上,Liberty、Austin和Waller县恢复更均匀快速,而Chambers、Montgomery、Fort Bend和Harris县存在较长右尾。中型企业整体恢复最快,大型企业恢复最慢。
4.5 各行业和规模的破坏与恢复动态:时序图显示,几乎所有行业在预警期出现到访峰值(反映灾前准备行为),随后在暴雪期急剧下降。中小型企业恢复较快,大型企业恢复困难。食品、健康和杂货等关键服务的恢复更稳定,而非必要行业的恢复轨迹波动更大。
4.6 客流量恢复的空间格局:核密度图显示,灾后第2天恢复活动有限且分散;第5天城市核心区和主要商业走廊恢复显现;第7天恢复密度在幅度和范围上均增加;第10天恢复更均匀扩展,但并非所有区域恢复到灾前水平。第10天仍有296个POI未恢复。
4.7 恢复差异的驱动因素演化:累积probit模型显示,非白人人口比例、非家庭住户、空置住房和贫困线以下家庭比例在早期(2天和5天)与恢复概率负相关。租房住户和入学率在早期呈正相关。灾害压力源方面,温度在2天时正相关,停电人口比例在2天时负相关。滞后空间关联在5天和7天影响最强。健康与个人护理、超市杂货店和特色食品零售等关键服务部门持续呈正效应。中小型企业相比大型企业恢复概率显著更高。非累积模型显示,到5天时降雪深度和停电影响更为突出;到7天时入学率转为负相关;到10天时家庭收入中位数成为显著正预测因子,而此前显著的企业类型和滞后空间关联变量不再显著。

五、讨论与结论

讨论部分指出,社会人口劣势在早期恢复中发挥重要作用。非白人居民比例、非家庭住户和空置住房比例较高与早期恢复概率较低一致相关,这与既有研究关于种族和家庭结构深刻影响恢复资源获取能力的观点相符。租房住户和入学率的正效应反映了人口流动性和制度功能对灾后反弹的促进作用,但入学率的正效应在10天模型中逆转,可能因为学校往往是灾后最晚恢复全面运营的社区服务之一,长期停课通过照护负担和劳动力参与下降抑制消费需求。在后期恢复阶段,邻里财富和城市密度的影响更为突出——家庭收入中位数仅在10天模型中成为显著正预测因子,人口密度在后期持续为正,表明富裕地区和密集城区具备更强的长期适应能力和集聚优势。灾害特定压力源如降雪深度和停电暴露在早期恢复中关联更强,但影响短暂。研究结论强调,灾后客流量恢复具有时间依赖性和空间异质性特征,早期恢复主要受灾害压力源和社会人口脆弱性制约,后期恢复则更多关联制度性和企业内部因素。研究建议采取时间敏感、空间精准的政策来支持公平高效的灾后恢复,并为关键服务部门的基础设施优先支持和资源分配提供依据。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号